论文部分内容阅读
基于多源（可见光、合成孔径雷达）遥感影像特征级融合的舰船目标分类研究，充分利用可见光传感器和合成孔径雷达(SAR，Synthetic Aperture Radar)传感器的信息互补性，实现船舶目标的精确分类。SAR传感器具备全天时、全天候，高分辨率的特性，有一定的穿透力，能鉴别虚假目标。但在识别目标类型，抗杂波干扰等方面存在一定的缺陷。SAR图像不含光谱信息，而且目标的微波反射特性受频率、反射角和极化方式的影响，导致相同物体的SAR图像呈现不同的表现形式。可见光传感器能较好的获取目标外形特征，但其不具备全天候和发现遮蔽目标的能力。可见光图像易受光照强度变化、天气、云层、成像角度、目标阴影、成像噪声等诸多因素的干扰，故其应用范围受限。舰船分类对海域监测、舰船类别的监视非常重要，利于保障海域安全，实施海上交通管理、渔业监测等。本文的研究工作主要从舰船目标分类问题展开，主要包括以下几方面: 1、针对舰船目标的粗分类，设计了一种基于几何特征的舰船目标粗分类器。该分类器通过设计预处理模块减轻SAR图像目标切片中相干斑噪声和十字交叉现象对几何特征精度的影响。根据军、民船的设计理念不同，选择特征提取方案，采用SVM分类器完成粗分类。实验结果表明，特征的区分度高，分类模型的鲁棒性好，舰船目标的分类效果好，粗分类模型的泛化能力强。 2、针对民船目标中货船和油轮的分类，设计了一种基于单模图像的舰船目标精分类器。该分类器能够较精细的区分民船中的货船和油轮。根据货船和油轮在SAR图像中散射点强度的不同和光学图像中纹理特征的不同，构建了5种特征和特征组合方案。充分考虑数据集规模不均衡、样本集个数较少的情况，对多种分类器的性能进行理论研究，选择了7种进行实验，为基于权值分类器并联融合奠定基础。理论和实验结果表明，此分类器的设计理念符合人工判读的认知模型，在单模图像中，分类效果较好。 3、以基于单模图像的舰船目标精分类研究为基础，设计一种基于多模图像特征级融合、基于权值的分类器并联融合的分类器。该分类器旨在更精细的区分民船中的货船和油轮。充分利用主、被动传感器工作性能的互补性，将多源遥感影像数据整合，扩充基于单模图像相同目标的特征通道。舰船目标分类性能和模型的泛化能力得到有效提升。经过多组对比实验，实验结果证明基于多源遥感影像特征集融合、分类器并联融合的分类方案最优。