基于光學遙感圖像的艦船目標自動檢測技術.pdf

1、隨著人類對海洋越來越多的關注，艦船成為了人們利用海洋、開發(fā)海洋的重要工具。為了更好的獲得艦船目標的信息，艦船目標檢測技術應運而生，應用領域主要集中于關系國家安全的各個方面，如海域監(jiān)控、海上搜救、漁業(yè)以及防恐等。
　　 與傳統的基于合成孔徑雷達（SAR）圖像的檢測算法不同，基于光學遙感圖像的檢測算法因為光學圖像自身成像的特點往往使得艦船目標提取更為困難，而這又是最近幾年相關文獻回避的問題通過研究光學遙感圖像成像特點，我們把研究的問

2、題集中于以下三個方面：
　　 1.光學圖像成像因為光線變化而呈現明暗變化，使得海洋和陸地兩塊區(qū)域難以通過單一閾值分割算法加以區(qū)分。
　　 2.光學遙感圖像會出現大量的云層干擾因素，這些云層明暗不一，且和部分海域、陸地信息類似，云檢測算法較難設計。
　　 3.光學遙感圖像會出現復雜海況的情況，加之部分艦船目標反射率低，使得艦船目標很難與背景區(qū)分。
　　 以上問題的出現都會影響艦船目標的虛警率和漏警率，本文在

3、廣泛調研相關文獻的基礎上，對上述問題逐一重點研究，并設計了針對光學遙感圖像艦船目標檢測的算法流程。該算法以檢測軟件的形式最終應用在GoogleEarth 平臺上，通過實驗證明了該艦船目標檢測算法相比傳統的檢測算法有著較高的檢測率和較低的虛警率。
　　 本文的研究工作和貢獻如下：
　　 1.針對海陸背景明暗變化較大的問題，提出一種基于圖像3D 重建的海陸分割算法，主要利用明暗變化信息來重建圖像海拔信息，再結合相關的形態(tài)學濾

4、波和動態(tài)閾值分割算法劃分陸地和海洋區(qū)域。實驗表明該算法相比與傳統2D的閾值分割算法，對于陸地刻畫的更精細，且魯棒性較高。
　　 2.針對大塊且成像復雜云層的檢測問題，我們利用基于圖像內容特征學習的方法，從灰度、紋理、邊緣等角度提取描述云層的特征向量，再利用機器學習的思想加以學習建模，使用該模型進行云層分類。算法最后利用反饋的思想，通過調整訓練集的方法來自適應改變參數，通過多次分類的方式使得云層檢測率更高。
　　 3.針對