欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法

文檔序號:6540046閱讀:308來源:國知局
先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法
【專利摘要】一種先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,包括建立港口和海岸線相關(guān)的先驗地理信息庫,得到糾正后的待檢測遙感影像;進行區(qū)域分割提取邊界線,根據(jù)海岸線矢量庫獲取海岸線矢量,進行海岸線變化檢測;海陸分離得到海面區(qū)域和靠岸區(qū)域;針對海面區(qū)域,先基于多視覺顯著性進行艦船疑似目標(biāo)檢測,再基于多特征的機器學(xué)習(xí)方法在艦船疑似目標(biāo)中檢測艦船;針對靠岸區(qū)域,進行全局顯著性檢測得到初始的疑似區(qū)域,再根據(jù)形態(tài)信息進行圖像分割獲取最終的疑似區(qū)域,之后利用多特征約束檢測靠岸艦船目標(biāo)。本發(fā)明采用先驗地理信息、視覺顯著性、機器學(xué)習(xí)、證據(jù)理論,從多種特征入手解決復(fù)雜光學(xué)遙感影像艦船檢測問題。
【專利說明】先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及遙感影像處理【技術(shù)領(lǐng)域】,尤其是涉及一種基于先驗地理信息的遙感影像復(fù)雜場景中艦船的高精度可靠檢測方法。
【背景技術(shù)】
[0002]艦船作為海上運輸載體和重要的軍事目標(biāo),其自動檢測與識別具有非常重要的現(xiàn)實意義,在艦船尋找與救助、捕魚船監(jiān)視、非法移民、保衛(wèi)領(lǐng)土、反毒品、艦船非法傾倒油污檢測與海上運輸管理等方面都有著廣泛的應(yīng)用。光學(xué)遙感影像由于具有覆蓋幅度寬、重訪周期短、成像分辨率高、內(nèi)容豐富、符合人類直觀理解等特點,使之成為艦船檢測的最有效手段。
[0003]在高分辨率復(fù)雜光學(xué)影像上進行艦船檢測存在如下難題:(I)在復(fù)雜海洋環(huán)境條件下,海面在衛(wèi)星遙感影像上呈現(xiàn)雜亂無章的魚鱗光、大面積反光區(qū)域、不規(guī)則運動的豐富紋理波浪等,中小型艦船目標(biāo)可能會隱藏在復(fù)雜的背景雜波中,從而影響艦船目標(biāo)的檢測與識別。(2)艦船目標(biāo)影像上海況(風(fēng)浪)、氣象(云霧)、水色等造成遙感影像中海陸特性不穩(wěn)定、周邊小島等干擾非常多,復(fù)雜多變的背景使目標(biāo)與背景的可分離性太差,艦船檢測難度大。(3)高分辨率遙感影像的種類較多、尺度不一,影像中目標(biāo)細節(jié)會有差異,且艦船目標(biāo)由于本身類內(nèi)差異較大(航母、軍艦、商船、漁船等),導(dǎo)致出現(xiàn)“同類別異特性”和“同特性異類別”的現(xiàn)象,從而使得艦船目標(biāo)有效特征提取困難,給遙感目標(biāo)的快速有效檢測與識別帶來了新的挑戰(zhàn)。
[0004]對于高分辨率光學(xué)影像中的艦船目標(biāo)檢測,通常包括對海上艦船和港口靠岸艦船的檢測兩類。由于海面自然背景與艦船在灰度特性上對比比較明顯,檢測較為容易,因此目前大多數(shù)文獻主要針對海面艦船檢測開展研究。對于碼頭??康呐灤?,由于其背景區(qū)域包括海面和人造目標(biāo)碼頭,近岸艦船的灰度、紋理特征與岸上設(shè)施非常相近,且由于二者經(jīng)常粘連以及陰影的影響,使得靠岸艦船自動檢測難度大,文獻較少。
[0005]現(xiàn)有的艦船目標(biāo)檢測的算法大體上首先進行海陸分離;并在此基礎(chǔ)上利用艦船目標(biāo)與海洋背景的差異,從海域中獲取包含艦船目標(biāo)的疑似候選區(qū)域;最后在候選區(qū)域中利用艦船特征與其它干擾因素(云、海浪、雜波、海島等)進一步區(qū)分,進行艦船目標(biāo)的確認與分類。典型的方法包括基于灰度統(tǒng)計特征、基于分形理論、基于視覺注意模型三大類。基于灰度統(tǒng)計特征的方法主要利用水體與艦船目標(biāo)的灰度統(tǒng)計差異性特征(灰度、影像信息熵、形態(tài)學(xué)對比度、局部統(tǒng)計方差等)進行影像分割,從而獲取艦船目標(biāo)候選區(qū)域。該類方法一般適用于海面較為平靜、紋理均勻且水體灰度較低的情況。而對于海面復(fù)雜的情況,如大海浪、云層遮擋或水體灰度較亮、噪聲、陰影等干擾因素,加上艦船目標(biāo)的黑白極性,同一艦船目標(biāo)不同部位的灰度特征也不一致,此方法易產(chǎn)生較多的漏警和虛警?;诜中卫碚摰姆椒ɡ米匀痪拔锖团灤繕?biāo)的分形維數(shù)有一定的差別原理,根據(jù)此差異使得運用分形理論和技術(shù)進行艦船檢測成為可能,其檢測結(jié)果穩(wěn)定,優(yōu)于邊緣檢測、閾值分割,但當(dāng)背景比較復(fù)雜時,如受到云霧等干擾時,背景自相似性降低,用分形模型擬合誤差較大,算法檢測效率比較低。近年來由于視覺注意方法將人類視覺系統(tǒng)可快速聚焦于感興趣區(qū)域的特性而被引入到艦船目標(biāo)候選區(qū)域的提取中,該模型通過模擬人腦的視覺神經(jīng)機制,兼顧了局部的隨機性和全局的規(guī)律性,檢測結(jié)果連通性較好,對噪聲、模糊、對比度和亮度均有很好的魯棒性。但其對于影像尺度變化敏感,在不同尺度上的“顯著性目標(biāo)”差異較大,當(dāng)影像是覆蓋面積很廣,包含陸地、島嶼等地物的巨幅遙感影像時,艦船相對于整幅影像不再是顯著目標(biāo),此時基于視覺注意模型的方法不再有效。
[0006]盡管以上這些方法都在不同程度上解決了艦船檢測的問題,但存在以下問題:1)現(xiàn)有提取艦船目標(biāo)特征的方法往往只針對特定的影像、小范圍影像塊進行處理,提取的特征局限性大,檢測效率低,不能適用于大范圍復(fù)雜海況影像上的艦船檢測;2)由于影像質(zhì)量、復(fù)雜背景下海浪、云霧、海島和艦船本身多樣性的干擾,導(dǎo)致現(xiàn)有方法檢測艦船目標(biāo)的虛警和漏檢率高,檢測結(jié)果可靠性不高;3)靠岸艦船檢測關(guān)注較少,即使有些方法利用了先驗地理信息進行海陸分離,但主要應(yīng)用于粗略估計海陸位置進行海面艦船檢測。實際情況中靠岸艦船由于灰度、紋理特征與岸上設(shè)施非常相近,且由于二者經(jīng)常粘連以及陰影的影響,使得靠岸艦船檢測更為復(fù)雜。總的來說現(xiàn)有艦船檢測方法普適性、可靠性均有待提高,特別對于復(fù)雜場景精度不高。因此需要迫切尋找一種檢測效率高、普適性高且兼顧海面與靠岸艦船的檢測方法。

【發(fā)明內(nèi)容】

[0007]為了克服現(xiàn)有技術(shù)缺陷,本發(fā)明提出了一種基于先驗地理信息輔助下的復(fù)雜遙感影像中艦船檢測方法。
[0008]本發(fā)明提出了一種先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,包括以下步驟:
[0009]步驟1,建立港口和海岸線相關(guān)的先驗地理信息庫,包括多尺度的港口控制點影像庫和海岸線矢量庫;
[0010]步驟2,利用RPC參數(shù)得到糾正后的待檢測遙感影像,或者根據(jù)待檢測遙感影像的地理坐標(biāo),從港口控制點影像庫取相應(yīng)控制點影像并進行匹配,得到糾正后的待檢測遙感影像;
[0011]步驟3,對糾正后的待檢測遙感影像進行區(qū)域分割提取邊界線,根據(jù)海岸線矢量庫獲取海岸線矢量,進行海岸線變化檢測;
[0012]步驟4,利用根據(jù)海岸線矢量庫獲取的海岸線矢量,實現(xiàn)海陸分離,得到海面區(qū)域和靠岸區(qū)域;
[0013]步驟5,針對海面區(qū)域,先基于多視覺顯著性進行艦船疑似目標(biāo)檢測,再基于多特征的機器學(xué)習(xí)方法在艦船疑似目標(biāo)中檢測艦船;
[0014]步驟6,針對靠岸區(qū)域,先將步驟4海陸分離后的靠岸區(qū)域作為檢測區(qū)域,在檢測區(qū)域內(nèi)進行全局顯著性檢測,得到初始的疑似區(qū)域;再根據(jù)形態(tài)信息進行圖像分割,獲取最終的疑似區(qū)域;之后利用多特征約束檢測靠岸艦船目標(biāo)。
[0015]而且,步驟3包括以下子步驟,
[0016]步驟3.1,疊加對應(yīng)待檢測遙感影像地理坐標(biāo)范圍的海岸線,包括以下子步驟,
[0017]步驟3.1.1,從海岸線矢量庫取在待檢測遙感影像地理坐標(biāo)范圍內(nèi)的一條或多條點串作為初始的先驗矢量線;
[0018]步驟3.1.2,取每個點串前兩個點與最后兩個點分別做延長線,并與待檢測遙感影像的邊緣形成交點;
[0019]步驟3.1.3,將前后兩個交點作為起點和終點加入初始的先驗矢量線,得到新的海岸線矢量線;
[0020]步驟3.2,對海岸線進行變化檢測,包括以下子步驟,
[0021]步驟3.2.1,對糾正后的待檢測遙感影像進行區(qū)域分割,提取邊界線;
[0022]步驟3.2.2,將邊界線與步驟3.1.3所得矢量線進行匹配,計算邊界線與海岸線的
重合率;
[0023]步驟3.2.3,若重合率達到相應(yīng)預(yù)設(shè)閾值,則進入步驟4,否則停止流程,提示進行海岸線更新。
[0024]而且,步驟5中,基于多視覺顯著性進行艦船疑似目標(biāo)檢測包括以下子步驟,
[0025]步驟5.1.1,將步驟4海陸分離后的海面區(qū)域作為檢測區(qū)域,在檢測區(qū)域內(nèi)進行全局顯著性檢測,檢測區(qū)域中點(i,j)的全局顯著性采用Sg(i,j)表示,
[0026]步驟5.1.2,在檢測區(qū)域內(nèi)進行局部顯著性檢測,檢測區(qū)域中點(i,j)的局部顯著性采用S1(^j)表示;
[0027]步驟5.1.3,計算綜合顯著圖如下,
[0028]定義規(guī)范化函數(shù)N(S)如下,
[0029]N (s) = (s-min (s)) / (max (s) -min (s))
[0030]式中,s表示區(qū)域內(nèi)每一點的全局或局部顯著性值,min(s)、max(s)分別表示區(qū)域內(nèi)顯著性的最小、最大值;
[0031]定義綜合顯著圖S。如下,
【權(quán)利要求】
1.一種先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于,包括以下步驟: 步驟1,建立港口和海岸線相關(guān)的先驗地理信息庫,包括多尺度的港口控制點影像庫和海岸線矢量庫; 步驟2,利用RPC參數(shù)得到糾正后的待檢測遙感影像,或者根據(jù)待檢測遙感影像的地理坐標(biāo),從港口控制點影像庫取相應(yīng)控制點影像并進行匹配,得到糾正后的待檢測遙感影像; 步驟3,對糾正后的待檢測遙感影像進行區(qū)域分割提取邊界線,根據(jù)海岸線矢量庫獲取海岸線矢量,進行海岸線變化檢測; 步驟4,利用根據(jù)海岸線矢量庫獲取的海岸線矢量,實現(xiàn)海陸分離,得到海面區(qū)域和靠岸區(qū)域; 步驟5,針對海面區(qū)域,先基于多視覺顯著性進行艦船疑似目標(biāo)檢測,再基于多特征的機器學(xué)習(xí)方法在艦船疑似目標(biāo)中檢測艦船; 步驟6,針對靠岸區(qū)域,先將步驟4海陸分離后的靠岸區(qū)域作為檢測區(qū)域,在檢測區(qū)域內(nèi)進行全局顯著性檢測,得到初始的疑似區(qū)域;再根據(jù)形態(tài)信息進行圖像分割,獲取最終的疑似區(qū)域;之后利用多特征約束檢測靠岸艦船目標(biāo)。
2.根據(jù)權(quán)利要求1所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:步驟3包括以下子步驟, 步驟3.1,疊加對應(yīng)待檢 測遙感影像地理坐標(biāo)范圍的海岸線,包括以下子步驟, 步驟3.1.1,從海岸線矢量庫取在待檢測遙感影像地理坐標(biāo)范圍內(nèi)的一條或多條點串作為初始的先驗矢量線; 步驟3.1.2,取每個點串前兩個點與最后兩個點分別做延長線,并與待檢測遙感影像的邊緣形成交點; 步驟3.1.3,將前后兩個交點作為起點和終點加入初始的先驗矢量線,得到新的海岸線矢量線; 步驟3.2,對海岸線進行變化檢測,包括以下子步驟, 步驟3.2.1,對糾正后的待檢測遙感影像進行區(qū)域分割,提取邊界線; 步驟3.2.2,將邊界線與步驟3.1.3所得矢量線進行匹配,計算邊界線與海岸線的重合率; 步驟3.2.3,若重合率達到相應(yīng)預(yù)設(shè)閾值,則進入步驟4,否則停止流程,提示進行海岸線更新。
3.根據(jù)權(quán)利要求1所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:步驟5中,基于多視覺顯著性進行艦船疑似目標(biāo)檢測包括以下子步驟, 步驟5.1.1,將步驟4海陸分離后的海面區(qū)域作為檢測區(qū)域,在檢測區(qū)域內(nèi)進行全局顯著性檢測,檢測區(qū)域中點(i,j)的全局顯著性采用Sg(i,j)表示, 步驟5.1.2,在檢測區(qū)域內(nèi)進行局部顯著性檢測,檢測區(qū)域中點(i,j)的局部顯著性采用S1Q, j)表示; 步驟5.1.3,計算綜合顯著圖如下, 定義規(guī)范化函數(shù)N(S)如下,
4.根據(jù)權(quán)利要求1或3所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:在檢測區(qū)域內(nèi)進行全局顯著性檢測的實現(xiàn)方式如下, 設(shè)檢測區(qū)域共有N個像素,檢測區(qū)域內(nèi)的RGB平均值如下,
5.根據(jù)權(quán)利要求1所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:步驟6中,根據(jù)形態(tài)信息進行圖像分割,獲取最終的疑似區(qū)域的實現(xiàn)方式如下, 首先,利用形狀信息對分割出的區(qū)域進行HausdorfT距離匹配;之后判斷目標(biāo)是否發(fā)生粘連,如沒有,直接利用多特征約束檢測靠岸艦船目標(biāo),如發(fā)生,利用形態(tài)學(xué)運算進行目標(biāo)分割,然后利用多特征約束檢測靠岸艦船目標(biāo)。
6.根據(jù)權(quán)利要求1所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:步驟6中,利用多特征約束檢測靠岸艦船目標(biāo),包括計算靠岸艦船的置信度如下,

7.根據(jù)權(quán)利要求6所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:設(shè)J=4,根據(jù)預(yù)設(shè)的面積特征證據(jù)置信度Ritoa、紋理特征證據(jù)置信度Ri3、鏈碼特征證據(jù)置信度RiT,靠岸距離證據(jù)置信度Ra和相應(yīng)特征隸屬度P Area> P 3、P T、P y計算靠岸艦船的置信度, a)面積與周長特征隸屬度Ptoa檢測如下,
P Area=80氺area/perimeter"2其中area表示影像面積,perimeter表示影像周長; b)紋理特征隸屬度P3檢測如下,

8.根據(jù)權(quán)利要求1或2或3或5或6或7所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:步驟2取得糾正后的待檢測遙感影像后,進行水體指數(shù)判斷,若糾正后的待檢測遙感影像包含99%以上的海面,則直接進入步驟6,反之進入步驟3。
9.根據(jù)權(quán)利要求4所述先驗地理信息輔助下的光學(xué)遙感影像艦船檢測方法,其特征在于:步驟2取得糾正后的待檢測遙感影像后,進行水體指數(shù)判斷,若糾正后的待檢測遙感影像包含99%以上的海面,則直接進入步驟6,反之進入步驟3。
【文檔編號】G06K9/00GK103886285SQ201410086835
【公開日】2014年6月25日 申請日期:2014年3月11日 優(yōu)先權(quán)日:2014年3月11日
【發(fā)明者】眭海剛, 宋志娜, 付琬潔, 王煜杰 申請人:武漢大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
宝坻区| 松江区| 平潭县| 新竹县| 甘孜| 阳新县| 北辰区| 陆河县| 浙江省| 阿巴嘎旗| 武强县| 平江县| 高雄县| 河东区| 勃利县| 芜湖县| 黄浦区| 田林县| 彰武县| 沽源县| 米泉市| 福鼎市| 天祝| 乳山市| 兴和县| 茂名市| 东城区| 信阳市| 边坝县| 合作市| 义马市| 洛川县| 丹东市| 江源县| 黄山市| 阜平县| 固阳县| 应城市| 若尔盖县| 饶河县| 嵊泗县|