| 题名 | 可见光遥感图像舰船目标检测技术研究 |
| 作者 | 李庆峰 |
| 答辩日期 | 2019-06-01 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学(中国科学院长春光学精密机械与物理研究所) |
| 授予地点 | 中国科学院大学(中国科学院长春光学精密机械与物理研究所) |
| 导师 | 何斌 |
| 关键词 | 舰船检测 视觉注意模型 统一化LBP 灰度共生矩阵 梯度方向特征 |
| 英文摘要 | 随着光学遥感卫星条带幅宽和成像分辨率的提高,以及遥感图像采集周期的缩短,如何从海洋遥感图像中提取有价值的信息,促进经济发展和保障国防安全,已成为遥感图像理解与分析的研究热点。利用技术手段从海量的图像数据中检测人造舰船目标,在民用和军事领域中有着巨大应用与战略需求。在海浪、云和岛屿等背景干扰下,从复杂的遥感图像场景中快速、准确地定位并检测出舰船仍然是个难题。针对现有的数据资源,重点研究了可见光遥感图像中舰船目标检测方法和存在的问题,并分析了高分辨率遥感图像中舰船目标的特点,研究和阐述了舰船检测关键技术。在海浪和云雾等背景干扰下,完成了对大尺度、高分辨率可见光遥感图像中的疑似舰船目标定位和检测,取得了一定的研究成果和工程参考价值。本文主要研究工作如下:1.围绕舰船目标检测问题,研究分析了可见光遥感图像及舰船目标的特点,完成了感兴趣区域定位、遥感图像分割、目标切片特征描述与分类检测等关键技术的研究,作为海域舰船检测算法提出的基本原理支撑与理论依据。2.针对云层和海浪背景下的可见光遥感图像中疑似舰船目标的筛选定位问题,提出了基于视觉注意计算模型的候选区域快速定位方法。其中,基于谱残差模型的候选目标定位方法,解决了云雾遮掩下的舰船目标快速定位和目标分割不完整问题。基于最大对称环绕模型的候选目标定位方法,解决了海浪背景下的舰船目标快速定位和目标分割不完整问题。3.针对海洋背景下可见光遥感图像舰船目标检测问题。根据舰船的形状特点,对梯度方向直方图特征进行改进,设计表征舰船形状特性的梯度方向特征。同时,用统一化LBP(Local Binary Pattern)特征的方差和灰度共生矩阵特征来描述舰船的纹理信息。进而,提出基于AdaBoost分类的融合特征舰船检测方法,有效地剔除了目标切片中非舰船目标的干扰,减少了特征向量的维数,降低了计算复杂度,解决了识别准确率低的问题。实验结果表明:本文算法能准确提取遥感图像中舰船目标的数量和位置信息,在检测时间和精度上都能够满足实际工程需要。 |
| 语种 | 中文 |
| 页码 | 82 |
| DOI标识 | 1A6816CE0E09E4EC2177FABB39E8D762 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/63931]  |
| 专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
| 推荐引用方式 GB/T 7714 | 李庆峰. 可见光遥感图像舰船目标检测技术研究[D]. 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 2019. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论