多特征融合的高分辨率遥感图像海陆分离

为解决目前大多数海陆分离方法仅利用单一特征对图像进行处理,从而导致误分割或存在大量孤立区域,造成后续处理工作难度大或无法开展的问题,提出一种联合灰度、梯度和纹理等多特征的海陆分离方法。针对不同的陆地类型选用不同的特征进行分离,配合形态学处理,基本实现海陆分离;再采用像素标记与纹理聚类策略对结果进行优化,去除孤立区域,得到最终的海陆分离结果;最后利用直方图统计法将陆地屏蔽。此方法的陆地检测率与正确检测率都在99%以上,计算时间仅为其他方法的一半。实验结果表明,该方法与常用的海陆分离方法相比能够快速准确地实现海陆分离并将陆地屏蔽,有利于后续处理的进行。     

基于SLIC超像素分割的SAR图像海陆分割算法

海陆分割在合成孔径雷达(SAR)图像的海面目标检测以及海岸线提取等海洋应用方面具有非常重要的意义。针对合成孔径雷达图像的特点,提出了基于SLIC超像素分割的SAR图像海陆分割算法。首先为抑制SAR图像固有相干斑噪声并较好地保留图像的边缘信息,采用精致Lee滤波对图像进行预处理。然后对图像进行SLIC超像素分割,再将分割后的图像进行FT区域显著性检测以及显著值相似度聚类。最后将处理后的图片二值化得到海陆分割结果。实验结果表明,本文所提海陆分割算法具有很高的处理精度以及较高的处理效率。     

高分三号SAR精准海陆分割的混合策略方法

高分三号（GF-3）是我国第一颗多极化雷达卫星，主要用于海洋遥感和海面监测，其中海陆分割是重要的预处理步骤.文章针对GF-3多极化合成孔径雷达（synthetic aperture radar，SAR）的精准海陆分割，提出了创新的混合策略方法，可提高分割性能对于相干斑噪声、风浪、成像等因素的稳健性.针对不同的极化通道采取三种不同的策略:1）对数混合高斯模型，用于确定海陆比，将纯陆地和纯海洋图像与海陆图像区分开，同时根据混合模型参数对海陆图像进行精细聚类；2）大津法，通过分别在对数域和复数域实现类间方差最大化，产生基于灰度信息的海陆掩膜；3）对数累积量，分析纹理信息，通过对数二阶矩与对数三阶矩之间的联系判断海陆大致分布，用作对投票机制产生的海陆掩膜进行验证与再分割，增强海陆分割精确性.针对大量GF-3数据进行实验，结果均达到理想效果，具备实际应用价值.     

联合多特征提取与内部优化的海陆分离

目前大多数海陆分离方法依靠先验信息或仅利用灰度特征对图像进行处理,对导致的误分割或大量孤立区域无法较好处理,造成后续处理工作难度大。针对这一问题,提出一种联合多特征提取与分离结果优化的海陆分离方法。针对不同的陆地类型提取不同的特征进行分割,对得到的结果采用面积与纹理相结合的方式进行优化,进而得到最终的海陆分离结果。实验结果表明,本文方法与常用的海陆分离方法相比能够快速完整地实现海陆分离并将陆地屏蔽,有利于后续处理工作的进行。     

基于级联网络的复杂大场景SAR图像舰船目标快速检测

合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测紧贴军事和民用需求,为海洋监视提供重要信息支撑。针对复杂大场景SAR图像,本文设计了一种基于级联网络的舰船目标检测框架,该网络框架主要由D-BiSeNet海陆分割、分块区域筛选和CP-FCOS目标检测三部分组成。通过改进双边网络(D-BiSeNet)进行SAR图像海陆分割,增强了图像空间位置信息及网络边缘损失,提高了分割性能。通过海域面积比参数设定进行分块区域筛选,可以有效选择网络处理图像块,提升算法整体检测效率。CP-FCOS网络将Category-Position特征优化模块应用于传统FCOS网络,强化网络特征提取能力,同时改进目标分类和边界框回归方式,提高舰船目标定位效果。基于Sentinel-1和高分三号大场景实测数据实验表明,相比于传统CFAR、Faster-RCNN和RetinaNet方法,本文方法综合检测性能提升25.7%,3.7%和9.9%,同时检测速度提升10.0%以上。      

基于混合模型的SAR影像海陆分割算法

合成孔径雷达(SAR)影像的海陆分割是诸如海洋目 标检测和识别等基于海洋区域SAR影像解译的基础和关键环节之一。为解决复杂背景下遥感 影像海陆分割问题,提出一种基于混合概率模型的海陆分割算 法。首先利用Harris角点检测算法检测出影像中包含角点 的图像子块,进而通过均值漂移(MS,mean-shift)算法对图像子块进行聚类分析得到陆地 区域的 像素样本;然后利用陆地的像素样本,通过最大期望(EM,expectation maximization)迭代 算法拟合出混合模型概率 密度分布的相关参数;最后通过混合概率模型检测出陆地前景区域,得到 海陆分割结果。实验证明,本文方法能够对包含海陆的异质遥感影像实现有效的海陆分割。     

红外遥感图像舰船目标检测

红外遥感图像舰船目标检测在军舰探测、精确制导等军用领域以及海面搜救、渔船监测等民用领域具有极其重要的战略意义。本文回顾了红外遥感图像的发展历程,总结了舰船遥感图像的特点及其图像处理的难点。着重分析了海陆分割和海洋背景图像预处理的研究现状,对舰船检测算法进行了总结和归纳,在此基础上对各种算法进行比较并指出其适用性和优缺点,最后对其未来发展趋势进行了展望。     

基于多特征动态融合模型的海陆分割算法

海陆分割是遥感图像中进行海上目标检测、监视的关键技术.传统的基于灰度的海陆分割算法没有充分利用图像中的梯度、纹理等灰度变化及空间分布信息;而基于梯度或纹理的海陆分割算法又没有考虑到图像本身灰度特性.由此提出基于多特征动态融合模型的海陆分割算法,该算法通过动态融合模型提取多种图像特征,生成综合特征图,并对综合特征图进行分...     

基于偏振信息融合的海洋背景目标检测

针对海洋背景目标检测,提出了一种基于偏振信息融合的海洋背景目标检测方法。该方法根据目标与水体偏振信息的差异性以及偏振图像能很好弱化背景噪音的特点,设计了一组图像融合规则,并通过该组规则来融合强度、偏振度和偏振角等各分量图像。最后,对融合结果采用基于轮廓层次树的目标检测方法进行测试。实验结果表明,融合后的图像能很好地抑制海面波纹噪音,同时增强了目标的边缘轮廓和纹理细节信息,以及提高了目标与背景的对比度,使目标更易于被检测出来。     

基于多通道海洋激光雷达的海陆波形分类

针对国产机载激光雷达测深系统海陆波形分类识别的需求,基于多通道海洋激光雷达波形数据的特点,通过提取多通道波形的特征参数,采用支持向量机的方法构建分类模型对海陆波形进行分类。通过检验结果证明,该分类方法总体精度和Kappa系数分别达99.03%和0.9805。该方法海陆波形分类精度满足工程应用需求,适用于国产机载激光雷达测深系统的波形分类处理,为后续深度计算过程中水体介质光速校正和潮汐波浪改正奠定基础。     

基于NOAA/AVHRR数据信息的海陆边界大气校正方法探索

考虑到同一幅NOAA卫星图像形成的条件和时间相同,本文尝试了选取临近海域大气辐射对海陆边界进行大气校正的方法,校正过程中,4和5通道辐射率分别采用海域水体值0.990和0.985,大气透过率采用两个经验公式并结合海陆边界实测大气水汽压计算得出,并选取NOAA卫星图像中台海边界区域对该方法进行反演试验,使用MODTRAN大气辐射传输模型软件进行了算法间的对比分析,得出试验结果与理论分析相符。     

基于已知传播模式数目的海杂波抑制方法研究

天波超视距雷达海杂波谱受电离层多模传播影响大幅展宽, 需进行杂波抑制才可实现舰船目标检测, 利用电离层返回散射探测可获得海杂波谱先验模式数目信息.针对常用的两种海杂波抑制方法——特征值分解法和循环对消法, 仿真分析了传播模式数目识别准确性对海杂波抑制效果的影响.结果表明:若传播模式数目识别错误, 则会造成目标漏检或虚警.在传播模式数目已知的前提下, 利用仿真和试验数据研究了目标与一阶海杂波多普勒相对位置和多普勒分辨率对上述两种方法海杂波抑制效果的影响.目标与一阶海杂波越接近, 海杂波抑制效果越差, 当二者相对多普勒位置小于分辨率时, 两种方法均失效; 多普勒分辨率越低, 海杂波抑制效果越差; 目标与海杂波越接近, 对多普勒频率分辨率要求越高.     

高频天/地波雷达海面风向、洋流反演试验研究

高频天/地波雷达是近年来提出的一种新的雷达探测体制, 其海杂波包含丰富的海态信息.为研究该体制雷达在海态探测中的应用, 在海面风向、洋流反演方法研究基础上, 利用高频天/地波探测试验系统开展海态反演试验研究,依据接收到的海杂波信息, 获得海面风向和径向洋流信息, 并与海上实测资料进行对比.对比试验结果表明两者具有较好的一致性,高频天/地波雷达用于海洋状态观测具有一定的可行性.     

Summary and future development of marine target surveillance based on spatial information network

The space information network is indispensable for marine target surveillance.Multi-satellite information fusion methods which are based on spatial computing mode can improve the ability of wide-area scanning,accurate recognition,persistent tracking and rapid responding.The mode of on-board information fusion for sea target surveillance needs to be further studied.Firstly,the developments of spatial information network and satellite for sea surveillance were discussed and the existing problems were summarized.Then the architecture of marine target surveillance based on spatial computing was put forward.The key technology and future development of on-board computing for ocean target surveillance were studied and discussed in the fields of spatial networking and information fusion.     

多高斯模型特征空间覆盖学习的海洋航摄图像分割

本文提出了一种新的基于多高斯特征空间覆盖学习的航摄海洋图像分割方法.通过分析,发现在RGB三维色空间中,海水背景像素点的分布尽管在不同成像条件下具有不同的分布特性,但其具有的共同特性是具有集聚性,可以被一个或多个椭球所覆盖.因此,本文在色空间中基于贝叶斯最大后验概率和3δ准则对海水背景进行多高斯分布模型覆盖建模,自学习得到其高斯分布个数并建立相对应的多高斯分布模型.最后,根据上述学习结果,从航拍海洋的图像中分离出海水背景,实现航拍海洋图像中背景和目标的分割.实验证明,该方法具有良好的背景学习性能,能够准确有效地得到海水背景多高斯分布覆盖模型.基于该背景学习模型的海洋图像分割,具有较高的正确率和较低的误差,且算法花费的时间较少,具有较好的稳定性和实时性.     

复杂动态海面与目标电磁散射及回波仿真研究现状与展望

海洋表面是一种高度不规则和时空不重复的复杂动态体系。海杂波是雷达电磁信号照射到海面产生的大量散射体回波的叠加,受风力、洋流、海浪等的影响呈现非均匀性和非平稳性。海杂波信号对海上目标的探测具有一定的干扰作用,尤其是高海情条件下,海浪起伏更加剧烈,目标信号极易淹没在强海杂波信号中,严重限制着雷达对海上目标的检测能力。海杂波及目标电磁散射特性研究是提升复杂海洋环境下目标检测能力的基础,以电磁波与实际复杂动态海面及目标电磁散射机理为基础,形成实际海洋环境下目标回波数据,对海杂波及目标雷达回波特征分析,实测数据集的补充,均存在重大意义。为了让更多相关研究者获得基于物理机理的复杂海环境与目标回波仿真方法近些年的发展和未来趋势,该文总结了回波仿真的3类方法,并针对海面与目标仿真场景特点,分析了3类方法的优劣和适应性,给出了部分仿真结果;还介绍了一些基于实测的回波数据集,可方便学者对回波特性进行分析;最后对复杂海面与目标回波仿真方法和特性研究的发展趋势进行了展望。