论文部分内容阅读
光学遥感图像因其成像清晰、图像细节内容丰富、直观易理解等特点,倍受人们的关注。光学遥感图像目标检测与识别是遥感图像智能理解领域中的热点研究课题,具有非常重要的实际应用价值。舰船作为海上运输载体,是海洋资源开发、海上交通运输、海洋军事行动等海上活动的重要工具,通过光学遥感图像对其进行自动检测具有重大意义。本文提出一种基于素描信息的光学遥感图像舰船检测方法,全文的主要工作如下:(1)提出一种基于素描信息和超像素分割的光学遥感图像海陆分割方法。首先,根据光学遥感图像的素描图生成结构区域图,利用海陆先验信息对结构区域图中的结构区域和非结构区域进行海陆类别标记,得到粗分割结果图;接着,对光学遥感图像进行超像素分割;然后,根据粗分割结果图和超像素的方差与局部海陆信息对超像素进行海陆类别标记;最后,使用提出的超像素二分裂算法对沿海陆地超像素进行二分裂,并对分裂得到的超像素海陆类别重新标记实现海岸线的精确定位,得到最终海陆分割结果。实验表明该方法分割准确率高,对不同场景的光学遥感图像具有很好的鲁棒性。(2)提出一种基于改进Selective Search算法的光学遥感图像舰船无监督检测方法。首先,提出一种基于改进Selective Search算法的光学遥感图像舰船候选区域提取算法,该算法解决了Selective Search算法用于光学遥感图像舰船候选区域提取时存在的候选框数量多、不能分开并排舷靠的舰船、少数候选框不能完全包围舰船等问题,能同时生成离岸和靠岸舰船目标候选区域,召回率高;接着,在得到舰船候选区域的基础上,根据舰船的大小、形状、素描线段分布等先验信息利用投票法对候选框进行判别,剔除虚警,实现舰船的无监督检测。实验表明该方法能有效减少舰船候选框数量,检测效果好。(3)舰船目标检测最终需要实现对舰船目标的精确定位,因此,需要在检测框的基础上实现对舰船轮廓的提取,本文提出一种基于素描分析的舰船轮廓提取算法。该算法首先利用素描线段之间的结构关系和舰船先验对素描线段进行筛选、补充,提取出舰船外围素描线段;再通过素描线段端点互连和图像孔洞填充等操作得到舰船粗糙轮廓;最后通过超像素分割方法对舰船轮廓进行修正,实现舰船轮廓的准确提取。实验表明该算法不受舰船内部物体的影响,能有效提取高质量的舰船轮廓。