针对高分辨率遥感图像的舰船检测技术研究

• 作 者: 王晓宇
• 出 处: 河北工业大学
• 发表日期: 2019年01期
• 关键词: 舰船目标检测 显著性 Grabcut SLIC 特征金字塔 MSRPS-ROI

近些年,随着遥感对地观测技术中的快速发展,光学遥感成像和无人机航空影像技术日趋成熟,为海洋目标检测和识别提供了极为丰富的数据源,遥感图像中的舰船检测技术在军用和民用领域都有着重要的经济和军事价值。由于传统的舰船检测技术易受云雾、杂波干扰,检测精度较低,而新型的深度学习技术处理高分辨率遥感图像需要庞大的计算能力。针对目前光学遥感图像中舰船目标综合检测能力不足的问题,本文主要提出了一种融合了改进的Grabcut与显著性的舰船目标分割算法,和一种多尺度旋转区域的特征金字塔舰船检测框架,在利用神经网络处理之前,本文针对遥感图像的特点和舰船目标的特性,通过一系列遥感图像预处理方法和一种对包含舰船目标的高分辨率图像实现分割从而降低复杂度的样本提取方法,它既能有效地集成低级位置信息和高级语义信息,又能为目标检测提供更具体详细的特征信息;对相关算法进行了实验对比。结果表明本文模型的综合性能对比其他检测模型有着显著的提高和改善。具体的研究内容如下:(1)针对遥感图像的特点和舰船目标的特性改进了一系列的遥感图像预处理方法;通过改进的融合高斯加权的自适应中值滤波过滤背景的噪声;通过改进的MASK和Split-Merge方法完成遥感图像的匀光处理;通过改进一种暗通道先验的遥感图像消除云雾干扰算法消除薄云雾的影响;对于较暗海洋遥感图像进行了细节增强处理。(2)针对高分辨率遥感图像中冗余区域较多,数据集样本尺寸较大导致的计算复杂的问题,提出了一种基于显著性检测融合改进Grabcut算法与SLIC超像素分割的舰船目标分割算法,可以用于遥感图像目标检测识别研究的预处理图像和分割阶段,分割得到的样本集将作为舰船目标检测、分类和船头方向预测的训练网络输入。(3)针对传统舰船目标检测算法综合性能较差的问题,提出了一个新的舰船检测框架,这是一种基于区域建议改进的多尺度特征金字塔舰船检测模型,模型中包含了多层融合的特征金字塔网络、改进RPN网络、改进的非极大值抑制和多尺度RPS-ROI对齐,它既能有效地集成低级位置信息和高级语义信息,又能为目标检测提供更具体详细的特征信息。(4)实验结果表明:本文算法针对舰船检测有很好的鲁棒性和适应性,通过实验对比得到在综合性能上至少提高了3.1%以上,时间上提高了15%以上,对于目标特征不明显的样本和多尺度高密集的目标样本都体现了很出色的性能。