高分辨率官学遥感影像舰船目标检测与识别算法研究

摘要

本文主要研究海路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式距离为判别依据，对“孔洞”进行精确划分，从而实现了精确的海陆分离。最后，依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。