收藏本站
《北京理工大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于层次化堆叠分类器架构的光学遥感图像船舶检测算法研究

杨小婷  
【摘要】:单类支持向量机(One-class SVM)作为支持向量机(SVM)的一个重要分支,在解决小样本、高维以及样本不平衡领域具有良好的表现,以其较好的泛化性能被广泛应用于聚类处理、异常检测等无指导领域。基于光学遥感图像的船舶目标检测技术在民用及军事侦察等多个领域都有着重要应用,也是当今的研究热点之一。本文在调研了大量的船舶目标检测算法并通过深入研究单类支持向量机理论的基础上,提出了一种基于层次化堆叠分类器架构的光学遥感图像船舶目标检测算法。本文主要工作包括:1.针对经典CFAR检测算法中需要逐点进行均值与方差计算的不足。提出了基于顶帽增强的CFAR船舶目标检测算法。首先,通过灰度形态学顶帽操作削弱光照强度不均匀的影响,同时令候选目标从背景中突显出来。然后,通过阈值分割得到疑似目标区域。最后,对疑似目标逐点进行CFAR操作获得最终的船舶目标候选区域。2.针对中低分辨率船舶目标,其梯度在局部范围内变化较小,但在船尾、船首以及船体中间三部分之间存在差异的特点,提出了一种改进的HOG特征。首先,将候选船舶目标沿其长轴方向旋转至水平方向并分为三部分。然后,分别对每一部分计算各个梯度的加权和,并进行归一化处理。最后,将首尾部分直方图取平均并与中间部分相接组成最终的特征向量。该特征不但可以有效地描述船舶目标,而且维数要低于经典的HOG特征。3.针对船舶目标检测中的虚警剔除问题,提出了基于层次化堆叠分类器架构的船舶检测模型。针对可获得的船舶样本与虚警样本数目极度不平衡,且虚警样本的特征变化多样难以描述的特点,选用单类支持向量机OC-SVM作为基分类器;针对在传统的中低分辨率船舶检测算法中,只考虑整体船舶目标样本的检测性能的不足,以及在实际需求中关注船舶样本的漏检风险更大的特点,提出了基于风险约束的分类器设计策略;最后,针对虚警类别多样且部分虚警与船舶目标之间差异较小,通过单个分类器无法同时实现高检测率和低虚警率的目的,选用层次化堆叠方式进行架构设计。本文通过大量的实验,对所提出的船舶目标检测算法及其中的主要技术进行了验证、分析,为算法走向实用奠定了基础。
【学位授予单位】:北京理工大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP751

【参考文献】
中国期刊全文数据库 前10条
1 王保云;张荣;袁圆;尹东;;可见光遥感图像中舰船目标检测的多阶阈值分割方法[J];中国科学技术大学学报;2011年04期
2 周晖;郭军;朱长仁;王润生;;引入PLSA模型的光学遥感图像舰船检测[J];遥感学报;2010年04期
3 秦谊;裴峥;杨霁琳;;改进的一分类支持向量机的邮件过滤研究[J];计算机工程与应用;2009年20期
4 田江;顾宏;;孤立点检测的一类支持向量机方法研究[J];小型微型计算机系统;2008年11期
5 赵英海;吴秀清;闻凌云;徐守时;;可见光遥感图像中舰船目标检测方法[J];光电工程;2008年08期
6 魏伟波;芮筱亭;;不变矩方法研究[J];火力与指挥控制;2007年11期
7 张风丽;张磊;吴炳方;;欧盟船舶遥感探测技术与系统研究的进展[J];遥感学报;2007年04期
8 肖利平;曹炬;高晓颖;;复杂海地背景下的舰船目标检测[J];光电工程;2007年06期
9 储昭亮;王庆华;陈海林;徐守时;;基于极小误差阈值分割的舰船自动检测方法[J];计算机工程;2007年11期
10 唐玉华;杨晓元;张敏情;韩鹏;;多超球面OC-SVM算法在隐秘图像检测中的应用[J];计算机应用;2006年12期
中国博士学位论文全文数据库 前1条
1 王洪波;单分类支持向量机的学习方法研究[D];浙江大学;2012年
【共引文献】
中国期刊全文数据库 前10条
1 马兰;陈筱勇;;尺度自适应分层多阈值热红外遥感舰船检测[J];海洋测绘;2017年04期
2 吴呼玲;;基于磨粒特征的矿用减速器磨损状态在线监测方法研究[J];机械传动;2017年02期
3 王兰英;;船舶导航雷达目标自动检测算法研究[J];舰船科学技术;2017年02期
4 邓贤明;苗放;翟涌光;孟庆凯;;基于形态学的两种高光谱目标探测改进算法[J];中山大学学报(自然科学版);2017年01期
5 张雷;甘春生;胡宇;;高分辨率光学遥感影像舰船检测算法研究[J];计算机工程与应用;2017年09期
6 陈跃;;基于光学遥感图像的船舶目标检测技术研究[J];舰船科学技术;2016年22期
7 肖宇;肖玉;;雷达图像在船舶探测与特征提取中的应用研究[J];舰船科学技术;2016年20期
8 张素霞;李元祥;周则明;骆建华;郁文贤;;光学遥感影像舰船型号识别[J];上海交通大学学报;2016年09期
9 徐文;鄢社锋;季飞;陈景东;张杰;赵航芳;陈戈;吴永清;余华;张歆;许肖梅;陈惠芳;;海洋信息获取、传输、处理及融合前沿研究评述[J];中国科学:信息科学;2016年08期
10 闫凤;王瑞星;任立胜;;小波变换在舰船边缘检测及尺寸测量中的应用[J];舰船科学技术;2016年10期
中国博士学位论文全文数据库 前3条
1 梁建权;高级量测体系WSNs安全防御技术研究[D];哈尔滨工业大学;2016年
2 陈毅;危化品罐箱智能监测系统和方法研究[D];大连理工大学;2016年
3 陈艳燕;基于张量理论的单分类模型及算法研究[D];中国农业大学;2016年
【二级参考文献】
中国期刊全文数据库 前10条
1 胡俊华;徐守时;陈海林;张振;;基于局部自相似性的遥感图像港口舰船检测[J];中国图象图形学报;2009年04期
2 赵英海;吴秀清;闻凌云;徐守时;;可见光遥感图像中舰船目标检测方法[J];光电工程;2008年08期
3 杨卫东;张天序;宋成军;;低分辨率SAR图像舰船目标检测[J];华中科技大学学报(自然科学版);2008年02期
4 路梅;叶澄清;;协同分类器及其在邮件过滤中的应用[J];计算机工程与应用;2008年04期
5 杨霁琳;彭宏;邓爽;赵毓高;;基于OWA算子与FSVM的邮件过滤[J];计算机工程;2007年20期
6 李晓玮;种劲松;;基于小波分解的K-分布SAR图像舰船检测[J];测试技术学报;2007年04期
7 田巳睿;孙根云;王超;张红;;基于引力场增强的SAR图像舰船检测方法研究[J];遥感学报;2007年04期
8 肖利平;曹炬;高晓颖;;复杂海地背景下的舰船目标检测[J];光电工程;2007年06期
9 储昭亮;王庆华;陈海林;徐守时;;基于极小误差阈值分割的舰船自动检测方法[J];计算机工程;2007年11期
10 孙华燕,倪国强;自然纹理背景的目标提取(英文)[J];光电工程;2005年11期
中国博士学位论文全文数据库 前4条
1 顾弘;基于半监督聚类分析及广义距离函数学习的图像识别技术研究[D];浙江大学;2011年
2 徐磊;基于1-SVM的多球体分类器理论及其应用研究[D];浙江大学;2008年
3 厉小润;模式识别的核方法研究[D];浙江大学;2007年
4 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年
【相似文献】
中国期刊全文数据库 前10条
1 陈刚,戚飞虎;多分类器结合的人脸识别[J];上海交通大学学报;2001年02期
2 韩宏,杨静宇,娄震;基于层次的分类器组合[J];南京理工大学学报(自然科学版);2002年01期
3 赵谊虹,程国华,史习智;多分类器融合中一种新的加权算法[J];上海交通大学学报;2002年06期
4 王卫东;郑宇杰;杨静宇;;智能分类器方法[J];江苏科技大学学报(自然科学版);2007年01期
5 钟将;冯永;李志国;叶春晓;;基于自适应免疫分类器的入侵检测[J];重庆大学学报(自然科学版);2007年07期
6 叶云龙;杨明;;基于随机子空间的多分类器集成[J];南京师范大学学报(工程技术版);2008年04期
7 赵洋;冀俊忠;李文斌;;基于复杂网络的分类器融合[J];科学技术与工程;2008年14期
8 夏俊;刘金梅;;不同分类器在遥感数据分类中的性能比较[J];价值工程;2013年04期
9 ;逻辑设计讲座——第八讲 标志信号和标志分类器[J];贵州机械;1979年04期
10 N.B.Venkateswarlu ,P.S.V.S.K.Raju ,艾东;一种新的遥感影象快速分类器[J];干旱区地理;1993年04期
中国重要会议论文全文数据库 前10条
1 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年
2 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集(研究报告篇)[C];2002年
3 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年
4 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
5 彭涛;左万利;赫枫龄;;基于链接上下文的分类器主题爬行技术(英文)[A];第二十三届中国数据库学术会议论文集(技术报告篇)[C];2006年
6 王岚;陈珂;迟惠生;;基于多特征组合多分类器的方法用于“与文本无关”的说话人辨认[A];第四届全国人机语音通讯学术会议论文集[C];1996年
7 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年
8 胡琼;汪荣贵;胡韦伟;孙见青;;基于级联分类器的快速人脸检测方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
9 李兰春;王双成;杜瑞杰;;认知结构评估的动态贝叶斯网络分类器方法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
10 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
中国重要报纸全文数据库 前1条
1 黄明;精子分类器决定生男生女[N];广东科技报;2000年
中国博士学位论文全文数据库 前10条
1 张非;对抗逃避攻击的防守策略研究[D];华南理工大学;2015年
2 张文博;多类别智能分类器方法研究[D];西安电子科技大学;2014年
3 许劲松;智能交通中目标检测与分类关键技术研究[D];南京理工大学;2014年
4 赵作林;基于图像分析的北京地区杨树种类识别研究[D];北京林业大学;2015年
5 任亚峰;基于标注和未标注数椐的虚假评论识别研究[D];武汉大学;2015年
6 曹鹏;不均衡数据分类方法的研究[D];东北大学;2014年
7 刘明;分类器组合技术研究及其在人机交互系统中的应用[D];北京交通大学;2008年
8 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年
9 王喆;面向模式表示与模式源的分类器设计方法研究[D];南京航空航天大学;2008年
10 陈海霞;面向数据挖掘的分类器集成研究[D];吉林大学;2006年
中国硕士学位论文全文数据库 前10条
1 赵春(王莹);多分类器融合系统的研究[D];福建师范大学;2008年
2 杨程;对抗环境下的垃圾短信息过滤[D];华南理工大学;2015年
3 张富元;基于多分类器决策融合的故障检测与诊断及GUI平台设计[D];浙江大学;2015年
4 张智超;基于多分类器组合的塔河林区森林类型信息提取技术[D];东北林业大学;2015年
5 王震;基于OLI影像的多分类器组合方法研究[D];中国地质大学(北京);2015年
6 涂盛慧;基于关键词的非法实验申请分类系统的设计与实现[D];西北农林科技大学;2015年
7 钱秀娟;贝叶斯网络在老年人普适健康监测服务中的应用研究[D];南京理工大学;2015年
8 杨胜智;SAR图像自动分类器构造与算法的研究[D];天津理工大学;2015年
9 李莎莎;多级分类器构建及在不平衡数据的应用研究[D];闽南师范大学;2015年
10 张小龙;基于级联支持向量机融合多特征的人脸检测[D];上海交通大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026