论文部分内容阅读
由于遥感图像数据量大且易受天气、光照、海况、成像传感器参数等多种因素的影响,传统的舰船检测算法往往虚警率高、鲁棒性差且不具有实时性,不适合应用于工程中。为了提高舰船目标的检测率且快速实时的提取舰船目标,本文提出了一种光学遥感图像舰船目标检测算法,算法主要由遥感图像的海陆分离和舰船目标检测两个方面组成。海陆分离一直是光学遥感图像舰船检测中最重要的一部分,目前大多数的海陆分离算法都是依靠先验信息或是根据灰度特征的差异对图像进行分割,分割效果不佳,而且会造成误分割,不利于后续处理。针对上述问题,本文提出一种基于改进ROEWA算子与小波变换结合的海陆分离方法。首先利用ROEWA(指数加权平均比率)算子对原始图像进行边缘检测得到边缘的强度,然后根据小波变换的时频特性与多尺度分析的特性对叠加后的图像提取边缘的方向信息,最后对边缘检测后的图像进行区域生长,进而得到最终的海陆分离图像。在对遥感图像进行海陆分离的基础上,展开了对舰船目标检测算法的研究。经过对各种经典的视觉显著性模型的分析,本文采用基于频谱残差的视觉显著性模型与Otsu目标阈值分割相结合以获取舰船目标的形状等轮廓信息,利用sobel梯度算子计算舰船目标的方向信息,接着采用top-hat变换增强舰船目标的细节信息,最后采用SVM的目标识别算法,输出真正的舰船目标。实验结果表明,图像尺寸为8192*8192的光学遥感图像算法的平均运行时间为1.35秒,算法的检测率约为92.21%,虚警率约为11.07%。与传统的舰船检测方法相比,采用本文提出的算法进行舰船目标检测能够有效的降低虚警和漏检,具有很好的鲁棒性和较高的检测率。