高分辨率SAR图像船舶检测与分类方法研究

《高分辨率SAR图像船舶检测与分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：——中国科学院大学UniversityofChineseAcademyofSciences硕士学位论文直登辨室S△壁图像船舶撞捌量筮差左蓬硒窥作者姓名：整尘挂指导教师：王超班宜虽竖盛皇熬主垫墼班嚣压韭红班宜虽受盛皇煎主地蔓班珏压学位类别：王捏亟±学科专业：电王皇通揎王莛培养单位：主国越坐院置盛量数芏丝韭班基压二零一三年五月ByJiangShaofengADissertationSubmittedtoTheUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeof

2、MasterofEngineeringInstituteofRemoteSensingandDigitalEarth，CASMay，2013㈣0m7㈣9iiin●I㈣8洲3㈣2舢Y学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。⋯轹锁日期：2．o年6月／己学位论文使用授权说明本人完全了解培养单位关于收集、保存、使用学位论文的规定，即：按照培养单位要求提交学

3、位论文的印刷本和电子版；培养单位有权保存学位论文的印刷本和电子版，并提供目录检索与阅览服务；培养单位可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的的前提下，培养单位可以公布论文的部分或全部内容。(保密论文在解密后遵守此规定)作者签名‘琴尹嗜V气导师虢互盏隰圳鳞6月『7日致谢本课题得到国家863计划资助项目(2009AAl22139)和国家自然科学基金资助项目(40871191)资助，实验数据得到意大利宇航局(AgenziaSpazialeItaliana，ASI)Cosmo—SkyMed科学项目(项目号2247)支持，在此表示衷心的感谢!蒋少峰2013年5月摘

4、要船舶检测与分类识别对于海洋交通运输的监测与管理具有重要意义。近年来，利用合成孔径雷达图像进行海洋目标检测、监视与分类识别的研究和技术开发在海洋遥感领域受到高度重视。本文利用COSMO．SkyMed、Radarsat．2和TerraSAR-X三种高分辨率单极化SAR数据，深入地研究了船舶检测与船舶分类识别的方法及应用。1．对SAlt图像船舶检测的算法进行系统的概述，其中包括分析了船舶检测影响的因素，比较了常用的海杂波模型。提出了快速分块的CFAR检测器，改进了常规的CFAR算法，使其适用于高分辨率SAR图像。2．提出了船舶结构特征分析的优化模型。利用层次分析法综合了核密度估计、长

5、宽比和像元点数三种特征，获取归一化的船舶置信度。最终实现高分辨率单极化SAR图像下，省时、高检测率、低虚警率、低漏检率的船舶检测，适合工程应用。3．对SAR图像船舶分类的算法进行系统的概述，其中包括分析了船舶分类的影响因素和归纳了货船、集装箱船和油船在SAR图像下散射结构特征，比较它们的差异之处，为特征提取，分类算法设计提供依据。4．对船舶切片进行定标、去旁瓣、主轴提取、最小外接矩形提取的预处理。提取显著的船舶主要结构特征，包括核密度估计值、左右比、极值比、正负像素比、积分主轴与中轴比、主轴位置和左中右三部分积分比例。5．基于船舶结构特征，进行了特征分析法，最小距离法，最邻近法和

6、支持向量机法的船舶分类实验，平均精度达到85％以上。6．基于船舶上层建筑在船尾的先验知识及其在SAR图像中表征的结构特点，本文提出了一种新的航向提取方法，利用主成分分析法提取船舶主轴方向，核密度估计和质心分析确定船舶尾部，从而计算出船舶航向。基于COSMO．SkyMed的数据实验表明，本方法可以实现80％以上精度的航向提取。关键词：SAR，船舶检测，船舶分类，航向提取中国科学院硕士学位论文——高分辨率SAR图像船舶检测与分类方法研究ABSTRACTShipdetectionandclassificationisofgreatsignificanceforseatrafficsur

7、veillanceandmanagement．Inrecentyears，seriousattentionispaidtoshipdetection，monitoringandclassificationbyusingSARimagesinthefieldofoceanremotesensing．Thispaperfocusesontheshipdetectionandclassificationinsingle-polarizationSARimages．Wecarryoutt