高分辨率光学遥感影像舰船目标检测与识别算法研究

【摘要】：随着航天卫星技术的快速发展,光学遥感图像的获取力和分辨率都有长足进步。遥感舰船目标检测技术在军用和民用领域的应用越来越受重视。本文主要研究海陆背景下的光学遥感图像舰船目标检测与识别技术。为了提高系统实际应用的可靠性,重点研究了海陆分离、舰船目标疑似区域检测技术与疑似区域目标识别技术。首先,针对具有海陆混合背景的光学遥感图像海陆分离问题,本文基于由粗到精的思想,采用了OTSU与形态学相结合的方法实现海陆区域的初步划分,之后,以孤立区域内像素的欧氏距离为判别依据,对“孔洞”进行精确划分,从而实现了精确的海陆分离。最后,根据分离结果进行陆地屏蔽。针对陆地屏蔽产生的海陆分界线会带来大量虚警的问题,本文提出随机填充与滑动窗口局部滤波的方法。该方法通过统计海洋区域灰度直方图,随机选择直方图峰值和80%峰值范围内的像素填充陆地区域,再利用局部滑动窗口滤波消除海陆之间的分界线。其次,对于光学遥感图像中舰船目标检测问题,本文采用由粗到精的检测策略逐步定位舰船目标的疑似区域。首先,通过Top-Hat算子与显著性结合的方法提取感兴趣区域(ROI),初步确定目标区域。针对遥感图像的数据量大、背景复杂和目标稀疏的问题,本文提出了视觉显著性融合方法,利用不同显著性算法对图像前后背景的区分方式不同,抑制了云雾、碎浪等干扰,提高了目标的显著性。之后,针对舰船目标形态多样的问题,提出了根据舰船目标的形状特征和ROI邻域信息更新ROI,补全目标缺失的部分。最后,针对舰船目标尾迹的问题,提出了基于尾迹灰度变化的尾迹去除方法。该方法利用了尾迹灰度沿舰船行驶方向递增的规律检测尾迹,同时,去除检测出的舰船目标尾迹,得到精确的舰船目标疑似区域。最后,在舰船目标识别阶段,针对舰船目标的复杂多样性,提出局部特征描述子(SIFT、HOG、LBP)与Fisher Vector相结合的方法表示舰船目标。算法通过局部描述子描述图像的局部结构信息,降低了背景对特征的影响,采用Fisher Vector量化特征,去除冗余信息的干扰,并使用线性SVM进行目标识别。基于上述算法实现了高分辨率光学遥感影像舰船目标检测与识别系统的平台设计,从而实现了灵活的人机交互。在大量光学遥感图像数据支持下,通过实验多方面地进行了分析和验证,保证了本文算法的有效性和系统平台的稳健性。