论文部分内容阅读
对海洋船舶进行监测与识别是每个沿海国家的重要任务,在海洋资源保护、渔船监测与管理、打击走私偷渡等方面均起到了重要作用。传统的海上船舶监测手段通常为飞机或者快艇,并且辅以船舶监测系统(Vessel Monitoring System,简称VMS系统)和船舶自动识别系统(Automatic Identification System,简称AIS系统)。但是VMS和AIS是一种基于GPS收发机制的系统,无该系统的船舶不受监视。星载SAR具有全天时全天候,大范围观测的特点,是弥补VMS和AIS缺陷的首选技术手段,基于此本文对高分辨率TerraSAR-X和Cosmo-SkyMed中船舶识别方法展开了研究,具体研究内容如下:
(1)基于船舶几何结构特征的识别方法研究。首先对TerraSAR和Cosmo-SkyMed图像中船舶的散射结构特性进行了详细分析,然后总结出货船和油船的结构特征,在此基础上提出了一种基于船舶几何结构特征图的识别方法,实验结果表明货船识别精度为88.89%,油船识别精度为78.57%,识别总精度为85.36%。
(2)基于船舶频域结构特征的识别方法研究。首先对Cosmo-SkyMed图像预处理后的船舶切片进行二维小波分解、去除高频保留低频、进行低频小波图像重构,然后对所重构的小波图像进行了二维傅里叶变换,分析了货船和油船在频谱图中的不同表现特征,根据其特征差异进行了货船和油船识别实验,实验结果表明货船识别精度为93.75%,油船识别精度为66.67%,识别总精度为86.36%。
(3)基于船舶区域描述的识别方法研究:首先详细介绍了在SAR目标识别中常用的五种不变矩特征,分别为Hu矩、Zernike矩、Pzernike矩、Wavelet矩、MSA矩;之后利用类内类间距离比对这五种特征矩的可分性进行了比较,得出在TerraSAR和Cosmo-Skmed图像中Hu矩特征的可分性最强的结论;最后提出了基于Hu矩特征的高分辨率SAR船舶目标识别方法,并且对不同对象进行了Hu矩提取并利用SVM进行了分类。结果表明,利用船舶二值图像的峰值点进行Hu矩识别时,识别率最高,达到87.23%。