光学卫星遥感图像舰船目标检测技术研究
【摘要】:光学卫星遥感技术发展日新月异,研究如何在海量的光学卫星遥感图像上检测舰船目标对我国海域监控具有重大意义,本文围绕这一主题展开研究,主要内容包括光学卫星遥感图像的预处理、舰船目标预检测、舰船目标鉴别、尾迹检测等。
图像预处理中,研究了面向舰船目标检测的图像去噪以及海陆分割问题。针对常规中值滤波在去除椒盐噪声中存在的细节丢失问题,引入带阈值选择的滤波方法,并对基于灰度统计的快速中值滤波算法进行了改进,实现了快速滤波的同时保留了图像的细节。在海陆分割方面,研究了利用Otsu结合形态学的光学卫星遥感图像海陆分割算法。最终通过实验验证了两个算法的有效性。
在目标检测方面,针对传统恒虚警率(Constant False-Alarm Rate:CFAR)检测不能判决黑极性目标的缺点,提出了一种基于广义似然比检验(Generalized Likelihood Ratio Test:GLRT)的舰船目标检测算法。该算法采用与CFAR检测类似的滑动窗口检测,但与CFAR检测仅考虑背景窗口的统计分布不同,该算法同时考虑了背景窗口与目标窗口的统计分布,再根据GLRT原理检测目标。实验结果表明,相比CFAR检测,该算法对黑白极性舰船目标均具有较好的检测能力,且虚警率更低,速度更快。
针对舰船目标鉴别,研究并实现了基于支持向量机(Support Vector Machine:SVM)分类的目标鉴别算法。首先提取了目标的形状、灰度以及纹理等基本特征,然后采用SVM分类器进行目标鉴别。其中引入了基于GPAC的活动轮廓模型进行目标的精细分割,并设计了不同的特征组合方案,得到不同的SVM分类器,综合考虑每个分类器的分类正确率、鉴别检测率以及鉴别虚警率,最终找出性能最佳的分类器实现目标鉴别。
最后,针对尾迹检测,提出了一种基于局部扫描的检测算法。传统的尾迹检测一般采用局部旋转窗口Radon变换的形式,计算复杂度高,且Radon变换存在离散化之后检测不够均匀的缺陷,针对此,提出了本文算法。该算法采用了网格划分与预分割的方法限定扫描区域,降低了检测运算量,在后处理阶段合并属于同一尾迹的检测线段为一条线段,并根据长度约束去除了虚警。实验结果表明,该算法相比局部旋转窗口Radon变换尾迹检测效果更好,且时间复杂度更低。