论文部分内容阅读
光学遥感图像舰船目标自动识别具有重要的应用价值。舰船目标识别的核心问题在于如何准确地从大量的遥感图像数据中提取出舰船目标。本文以光学遥感卫星海面目标监视应用为背景，围绕多种干扰背景下的海面舰船目标识别展开研究。主要研究内容包括以下四个方面：
1)海面光学遥感图像特性研究，为了实现海面舰船目标识别，首先对所研究的光学遥感图像的目标及背景特性进行了充分研究，本课题研究所采用的是QuickBird和OrbView光学遥感图像，对两种卫星平台下的全色光学遥感图像的背景干扰以及图像特性进行了充分研究；
2)图像分割算法研究，图像分割算法是决定光学遥感图像舰船目标检测率的关键一环，图像分割效果的好坏直接关系到后续舰船检测率和虚警率的高低。本课题通过研究基于阈值的图像分割等研究算法，最终提出了结合极小误差阈值和舰船面积范围的基于组件树的图像分割方法对光学遥感图像进行分割，得到感兴趣的图像区域；
3)目标特征提取与选择，针对图像分割后的感兴趣区域，主要分析了这些区域的形状特征和纹理特征。其中需要分析的形状特征包括感兴趣区域的长宽比、离心率、凸性、紧致性等；分析的纹理特征包括感兴趣区域的灰度共生矩阵的熵、能量、对比度、相关性等，应用顺序前进法选择出能够较好区分舰船目标与其他目标的特征。
4)目标分类识别，对选择出的特征进行计算后得出的数据进行了分析，根据各舰船目标的特征数据，以及与非舰船目标的特征数据的区分度。应用基于样本学习的目标识别方法(Fisher分类器和支持向量机)进行舰船目标识别。
本文最后对研究内容进行了总结并给出了进一步研究方向。