基于光學(xué)遙感圖像的目標(biāo)檢測(cè)技術(shù)研究.pdf

1、隨著人類對(duì)海洋越來(lái)越多的關(guān)注，艦船已成為人們利用海洋、開(kāi)發(fā)海洋的重要工具之一。為了更好地獲得艦船目標(biāo)的信息，艦船目標(biāo)檢測(cè)技術(shù)應(yīng)運(yùn)而生，應(yīng)用領(lǐng)域主要集中于海域監(jiān)控、海上搜救、漁業(yè)以及反恐等多個(gè)方面。
　　 與傳統(tǒng)的基于合成孔徑雷達(dá)(SAR)圖像的檢測(cè)算法不同，基于光學(xué)遙感圖像的檢測(cè)算法因?yàn)楣鈱W(xué)圖像自身成像的特點(diǎn)往往使得艦船目標(biāo)提取更為困難，而這又是最近幾年相關(guān)文獻(xiàn)回避的問(wèn)題。因此，針對(duì)上述問(wèn)題的艦船目標(biāo)檢測(cè)算法的研究具有重要的理論

2、研究意義和實(shí)用價(jià)值。本論文在廣泛調(diào)研相關(guān)文獻(xiàn)的基礎(chǔ)上，設(shè)計(jì)了基于光學(xué)遙感圖像的艦船目標(biāo)檢測(cè)算法，并在最后給出基于GoogleEarth平臺(tái)的艦船目標(biāo)檢測(cè)原型系統(tǒng)。
　　 本論文的主要研究工作和貢獻(xiàn)如下：
　　 1.提出一種基于圖像3D重建的海陸分割(Segmentation of Sea andLand based on3D Reconstruction，SSL-3DR)算法。實(shí)驗(yàn)結(jié)果表明該算法相比與傳統(tǒng)2D的閾值分割算

3、法，對(duì)于陸地刻畫(huà)得更精準(zhǔn)，且魯棒性較高。
　　 2.提出一種基于圖像內(nèi)容特征分析與反饋學(xué)習(xí)的大規(guī)模云檢測(cè)(Content-based Image Analysis-Feedback Learning for Cloud Detection，CBIA-FLCD)算法。實(shí)驗(yàn)結(jié)果表明，該方法的檢測(cè)率較高，在速度、魯棒性、反饋機(jī)制以及并行性等方面均優(yōu)于其它基于學(xué)習(xí)的云檢測(cè)算法。
　　 3.針對(duì)復(fù)雜海況背景下的艦船目標(biāo)檢測(cè)，提出一

4、種基于人眼多級(jí)視覺(jué)感知和視覺(jué)非對(duì)稱機(jī)制的檢測(cè)算法(Ship Detection based on Multilevel VisionPerception-Dissymmetrical Allocation of Visual Attention，SDMVP-DAVA)。實(shí)驗(yàn)結(jié)果表明，該算法艦船目標(biāo)檢測(cè)率較高(為89.3％)，而傳統(tǒng)基于分割的檢測(cè)算法僅為62.3％。并且該算法魯棒性較高，在復(fù)雜海況背景下依然擁有較高的檢測(cè)率和較低的虛警率。