復(fù)雜背景下的光學(xué)遙感圖像目標檢測算法研究.pdf

1、遙感目標檢測是遙感應(yīng)用技術(shù)中重要的一環(huán)，以遙感衛(wèi)星捕捉到的影像為數(shù)據(jù)來源，采用圖像處理技術(shù)對影像中的感興趣目標進行定位和跟蹤。借助遙感衛(wèi)星全天時無天候?qū)Φ赜^測的優(yōu)勢，遙感目標檢測能隨時提供廣域范圍內(nèi)地物的詳細信息，在國土規(guī)劃，災(zāi)情監(jiān)測，軍事偵察等領(lǐng)域被廣泛應(yīng)用。近年來，隨著遙感技術(shù)的進一步發(fā)展，遙感目標檢測技術(shù)也得到了提高，尤其在分辨率方面。目前光學(xué)遙感圖像的空間分辨率高達0.6m，在此分辨率下目標的輪廓和紋理更加清晰，為目標檢測提供更

2、豐富的細節(jié)信息。由此可見，研究光學(xué)遙感圖像的目標檢測技術(shù)對遙感目標檢測技術(shù)的提高具有重要的理論意義和實用價值。
　　本文從顏色紋理干擾，旋轉(zhuǎn)變化及形似干擾物三方面著重研究光學(xué)遙感圖像目標檢測中的魯棒性問題，著重討論這些問題在復(fù)雜背景下的困難，并給出了相應(yīng)的解決方案，通過實驗驗證和討論了提出方案的可行性和有效性。本文主要的研究成果如下:
　　(1)針對復(fù)雜背景下目標顏色和紋理的干擾問題，提出了幾何部件模型及基于幾何部件模型的分

3、級檢測算法。首先根據(jù)剛性目標特有的幾何外觀，建立幾何原子庫，并采用幾何原子庫將目標輪廓稀疏表示得到的少量幾何原子作為部件;然后定義幾何部件的權(quán)重，根據(jù)權(quán)重大小構(gòu)建有序鏈式結(jié)構(gòu)，并在此基礎(chǔ)上設(shè)計了分級檢測算法。幾何部件模型根據(jù)目標輪廓的復(fù)雜程度選取不同數(shù)目的幾何部件，具有一定的靈活性;部件的生成受目標自身顏色和紋理的差異以及背景干擾影響較少;在幾何部件基礎(chǔ)上，設(shè)計了分級檢測算法，通過逐級減少部件搜索范圍，降低部件的搜索時間，提高檢測速度。

4、實驗結(jié)果表明，幾何部件模型在復(fù)雜背景下有效抵抗目標顏色和道理的干擾，對剛性目標有較高的檢測準確性。
　　(2)遙感圖像中目標呈現(xiàn)出不同方向，為了實現(xiàn)旋轉(zhuǎn)不變檢測并抵抗復(fù)雜背景的干擾，提出了基于徑向梯度角和主方向一致性投票的檢測方法。首先定義具有旋轉(zhuǎn)不變特性的徑向梯度角特征來描述邊緣像素點;然后根據(jù)徑向梯度角的相似程度，尋找檢測窗口和目標模板之間具有主方向相關(guān)關(guān)系的點對;隨后，利用主方向關(guān)聯(lián)點對的幾何關(guān)系，每對點對估計目標的候選主方

5、向;最后所有候選主方向進行投票統(tǒng)計，產(chǎn)生目標的檢測分數(shù)和最終的目標主方向。實驗驗證了本文提出的檢測方法能檢測出具有不同方向的特定類型的目標，有較高的適應(yīng)性，在陰影和遮擋情況下能保持優(yōu)秀的檢測性能，在復(fù)雜背景下優(yōu)于現(xiàn)有同類方法。
　　(3)為了適應(yīng)遙感圖像中目標不同大小的變化，以及解決目標檢測受形似干擾物影響的問題，本文以近岸艦船檢測為例，提出了基于姿態(tài)加權(quán)投票的旋轉(zhuǎn)縮放不變目標檢測方法。該方法定義了目標的姿態(tài)，并將其用于估計和投票

6、過程中，使檢測同時具有旋轉(zhuǎn)和縮放不變特性。為了增加艦船目標和矩形干擾物的區(qū)別，首先定義了權(quán)重矩陣，為艦船目標模板上的每個邊緣像素點賦予權(quán)重，尤其對艦船船頭V字形結(jié)構(gòu)賦予較大的權(quán)重;然后在權(quán)重矩陣的指導(dǎo)下進行姿態(tài)一致性投票，得出艦船的姿態(tài)和票數(shù)。為區(qū)分艦船目標與具有V字形結(jié)構(gòu)的干擾物，定義了輪廓連續(xù)性指標，用于評價檢測結(jié)果中艦船輪廓的連續(xù)程度，并結(jié)合投票結(jié)果生成艦船目標的評價分數(shù)。實驗討論了權(quán)值選取和輪廓連續(xù)性指標對檢測性能的影響，與現(xiàn)有