大幅宽光学遥感图像目标检测技术研究

发布时间：2020-03-21 16:13

【摘要】：随着航天遥感对地观测技术的迅猛发展,光学成像卫星不断涌现,使得遥感图像具有分辨率高、覆盖面宽、细节丰富等优点,遥感图像处理技术也广泛应用于军事国防和民用经济建设领域。而舰船作为海上实时监测和战时攻击的重要目标,其精确、快速的检测可对敌方态势的分析、精确制导、军事测绘起着至关重要的作用。与此同时,对海上救援、渔船的安全管理等起着无可代替的作用。然而,受到拍摄天气、时间、海面杂波、云雾遮挡、光照不均匀等复杂干扰使得其自动检测容易产生漏检和虚警、检测性能大幅下降。从庞大的数据中,如何及时、可靠和准确地检测与提取到海面舰船目标,成为遥感图像舰船检测至关重要而又亟待解决的难题。为了提高遥感图像舰船自动检测处理的速度和准确性,缓解在轨传输与存储数据压力,保障遥感信息的时效性,本文围绕大幅面可见光遥感图像舰船目标自动检测问题展开了深入的研究。论文分析了遥感图像的成像特点,设计了相应的海域舰船检测与靠岸舰船检测两类不同算法,并详细阐述了算法中涉及到的各项关键技术,包括图像去雾与海陆分离方法,感兴趣区域提取与定位、目标特征提取与虚警剔除、靠岸舰船船头匹配等,改善了在复杂背景下大幅面遥感图像中舰船检测算法运算速度慢、检测率低的问题。本文主要研究内容归纳如下:在图像预处理阶段,光学遥感图像在成像的过程中容易受到拍摄天气、拍摄角度的影响,导致图像中的薄雾对舰船检测产生干扰,甚至带来信息缺失。对此,本文在大气散射模型的基础上,分析了原始引导滤波进行透射率精确估计存在的问题,提出了基于融合梯度因子的去雾算法,在更有效地保持边缘情况下,又避免了过度平滑或平滑力度不足,取得了良好的去雾效果。在此基础上,针对于图像序列中相机或者目标的运动带来的帧间传输图和大气光值不完全相同,导致去雾后存在帧间跳动和闪烁的现象,在单帧去雾的基础上,本文引入了互相关因子,提出了保持帧间连续的图像序列去雾算法,减少了去雾后帧间跳动和闪烁。在海陆分离阶段,本文针对传统方法采用全色图像的灰度统计进行海陆分离存在误差大和普适性不强的问题,经过分析海洋和陆地上不同地物光谱反射率特点,采用归一化水体指数与形态学滤波相结合的方法,将海域和陆地分离开来,同时去除大部分厚云干扰,为后续舰船检测减少了虚警的干扰。在感兴趣区域提取阶段,为了避免在宽幅图像上进行全局的盲目搜索,本文提出了扩展小波变换,在复杂背景下增强了目标与背景的对比度。经过该变换后采用局部极大值搜索来快速定位可疑目标位置;接着,在分析了视觉显著性模型原理的基础上,针对于可见光遥感图像的特征提出了改进的频域超复数的显著区域提取算法,在上一步定位到的可疑点局部范围内进行显著性区域提取,最后得到感兴趣目标区域。实验表明,该方法更加有效抑制海面云块、杂波、阴影等干扰,提高了复杂背景下目标的检测率和运算速度。在特征描述与虚警剔除阶段,由于显著性提取之后,仍然会保留一些非目标的干扰,对此本文设计了包含形状、纹理、尺寸和不变矩共计10维的目标特征描述算子。对大量的样本图像提取特征,并进行基于SVM的线下训练,得到较为稳定的模型用于区别舰船和虚警。实验表明,10维的特征描述算子具有较强的表征目标的能力,能够有效地剔除海岸线、海岛、云块等,有效的降低了虚警率。经过上述步骤完成了海域舰船检测的整体流程,论文接下来对靠岸舰船提出了一种可靠的高效的检测方法。针对于靠岸舰船受到周围岸边干扰难以检测的问题,本文提出了一种船身与船头特征相结合的靠岸舰船检测方法。首先对于感兴趣的军事港口,制定模板图像,然后利用对数极坐标下边缘互相关算法进行实拍图像的快速港口定位,将事先存储的港口轮廓线映射到实拍图像上;接着利用改进的形状上下文方法进行船头的“V”字型特征匹配,该方法充分考虑到由于拍摄角度、时间等不同,带来的旋转、缩放等问题,提高了匹配的精度,能准确地确认潜在的可疑船头位置。然后,利用直线检测确定船身的方向,最后结合简单的几何特征进行舰船的确认。实验表明,从综合性能上来讲,本文方法可以较好地实现了靠岸舰船定位和检测。在算法的硬件实现方面,本文搭建FPGA+DSP平台,并对海域舰船检测算法进行优化和嵌入式系统移植。在保证系统通用性及可扩展性的同时,提高算法的处理效率,减小了星上遥感数据的传输压力,为在轨目标检测奠定了基础。
【图文】：

舰船,海陆,图像,框架平台

图像预处理硬件系统图 1.1 本文研究内容和结构 Figure1.1 Paper chapters and structure chart本文从工程应用的角度考虑和设计算法，从海域舰船检测和靠岸舰船检测两方面入手，讨论了算法涉及到的图像去雾与海陆分离、感兴趣区域初始定位、目标特征提取与虚警剔除等重要步骤，并开发了硬件框架平台。具体章节安排如下：第 1 章绪论。本章首先介绍了论文课题研究背景与研究意义，简介了不同种传感器舰船检测算法，并分析了其各自优缺点。深入的研究了光学遥感图像的特点及舰船目标的特征，阐明了目前还存在的问题与挑战，简要介绍本文各章节的内容与结构。第 2 章图像去雾与海陆分离。针对于雾天给舰船检测带来诸多不便，在了

示意图,散射模型,雾天,示意图

在该算法基础上展开的，故本文先简要介绍一所示：I(x)=J(x)t(x)+A(1-t(x)) 摄到的雾化图像，坐标 x表示有雾图像I( x )的无限远处大气散射光值，该值在自然场景中通要复原的无雾场景图像。基于散射模型的图像I( x )计算得到大气光 A 和场景透过率 t ( x) ，最终模型如下图 2.1 所示。如公式 2.1 所述， J ( x )反射光在介质中衰减的； A( 1 t ( x))是大气光，，光成像情况，会导致图像景物颜色的偏移[90]。
【学位授予单位】：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)
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP751

【参考文献】