基于视觉显著性的高分辨率遥感影像舰船检测

通过研究、分析现有基于遥感影像的舰船检测算法,提出了基于Itti视觉显著度模型改进的高分辨率遥感影像海面舰船检测方法,该方法利用海面舰船相对于海面背景信息视觉关注高的特点,参考视觉显著度模型计算原理,对高分辨率遥感影像中的颜色、亮度、方向、纹理等特征进行有效提取,然后利用归一化方法将不同特征融合,形成有利于舰船目标提取得视觉显著度图,最后对生成的视觉显著度图进行阈值分割和精细化处理获得最终的舰船检测结果。与传统舰船检测算法相比,本文算法能够有效检测复杂海面背景下的舰船目标,减少了单一特征变化对检测精度的影响,提高了检测准确率,具有较好的抗噪性和较强的鲁棒性。     

基于FRFT域空间分形特征差异的海面弱目标检测

针对传统分形方法在海杂波研究中的局限性,为了有效检测海面弱小目标,本文提出一种分形理论与时频分析相结合的海面弱目标检测算法。首先通过分数阶Fourier变换(FRFT)将时域回波信号变换到时频联合域,在FRFT的最佳变换域,信号的能量得以聚集、信杂比得以提高。然后提取改进的空间分形特征差异作为检测统计量,将其作为目标检测的依据。利用IPIX雷达实测数据进行验证,实验表明本文的算法可以有效避免门限效应的影响,克服了传统方法中使用固定分数维门限检测效果不佳的缺陷,提高了海事雷达的弱目标检测性能。     

基于改进的Hough变换ASAR图像船只尾迹自动识别算法

文章提出了一种基于改进的Hough变换先进合成孔径雷达(ASAR)图像船只尾迹自动识别算法。算法首先检测出船只并将船只部分用图像灰度均值代替,然后设定阈值修正Hough变换域中的峰值检测,再通过改进的Hough变换自动实现了船只尾迹的检测和识别,最后利用约束条件来确定尾迹的起点和终点。实验结果表明,文中算法能够自动检测到船只尾迹,并且能识别出尾迹的类型,反演出尾迹的起始点,对海洋监测和管理具有重要的意义。     

基于复contourlet域隐马尔科夫树模型的海面溢油合成孔径雷达图像相干斑抑制

海面溢油SAR图像中的相干斑噪声严重影响了后续的图像分割、特征提取和分类.为了更有效地抑制海面溢油SAR图像相干斑,文中提出了一种基于复contourlet域隐马尔科夫树模型的海面溢油SAR图像相干斑抑制方法.首先对观测图像取对数并进行复contourlet变换;然后在复contourlet域中用隐马尔科夫树模型对相邻尺度间的带通方向子带系数进行建模,并依据贝叶斯最小均方误差准则估计无噪系数;最后进行逆复contourlet变换和指数变换,得到相干斑抑制后的图像.大量实验结果表明,与Lee、Kuan、Frost及Gamma Map等4种经典滤波方法以及小波域和contourlet域隐马尔科夫树模型方法相比,文中方法从主观视觉和客观定量评价两方面来看综合性能更为优越,是一种行之有效的SAR遥感图像海面溢油检测的预处理方法.     

基于DeepLabv3架构的高分辨率遥感图像分类

针对目前使用机器学习解决高分辨率遥感图像分类主要存在下采样导致的细节信息丢失问题,提出了一种基于DeepLabv3架构的小波域DeepLabv3-MRF(Markov random field,MRF)算法。选择当前较为普遍的DeepLabv3架构分类算法,能够获得更为精确的分类结果;采用小波域DeepLabv3-MRF算法,还能够获得更为清晰的边缘细节信息。选取南方某地区高分辨率无人机遥感图像进行分类实验,通过小波变换的方向性、非冗余性以及MRF变换像素空间的交互性这三个方面,将分类结果与原始DeepLabv3架构分类结果对比分析。结果表明,所提出的分类方法精度明显高于原始DeepLabv3架构分类算法的精度,总体精度可提升3%左右,并且可以充分表达高分辨率遥感图像细节信息。     

基于影像纹理特征和外部风向的星载 SAR 海面风场反演研究

在合成孔径雷达(Synthetic Aperture Radar,SAR)海面风场反演中,基于风条纹影像纹理特征的海面风向反演方法精度高,但是依赖于图像风条纹的存在,而外部风向信息与SAR资料时空分辨率不易匹配、精度较低,从而影响大面积、高分辨率海面风场反演的精度。针对此问题,提出一种将SAR图像风条纹线性纹理特征与外部风向信息相结合的星载SAR海面风向获取方法,在SAR影像线性纹理特征明显的区域采用二维连续小波变换得到高精度的海面风向,其余区域采用与之时空相匹配的数值预报模式风向填充;并利用地球物理模型函数进一步得到海面风速,进而实现高精度、大范围海面风场的反演。为验证本文方法的有效性,利用ENVISAT/ASAR数据进行风场反演试验,并将反演结果与浮标实测数据进行比对。结果表明:在线性纹理特征明显的区域,小波方法的反演精度优于快速傅里叶变换(FFT)法和数值预报模式风向;外部风向精度略低,但与SAR观测资料时空匹配性较好,弥补了风条纹风向的不足。二者的结合为星载SAR海面风场反演的业务化应用提供了支持。     

基于小波分层原理的机载激光雷达数据滤波

分析了小波变换的基本原理并把小波变换引入到了机载激光雷达数据滤波中,实现了DSM数据的快速、高精度的滤波。在文章的最后,利用英国Birmingham地区的实验数据对基于小波分层原理的数据滤波方法进行了验证,结果表明基于小波分层原理的数据滤波方法的正确率优于94%,精度优于±0.71m。     

侧扫声纳图像海面线检测和消除方法研究

海面线是影响侧扫声纳图像海底线跟踪和海底目标检测识别的重要因素,识别并处理海面线是侧扫声纳图像处理的主要内容。考虑到海面风浪影响及拖鱼姿态变化,提出了一种基于移动最小二乘法的侧扫声纳海面线拟合提取方法。首先根据侧扫声纳Ping回波强度的分布特征,利用迭代收敛算法得到海面线概略拟合结果;然后利用移动最小二乘法实现海面线的精确拟合;最后依据得到的海面线,抑制海面线强度,以实现消除海面线。实验结果表明：本文所述方法精度高、误差小、拟合效果佳,能很好地消除海面线。     

基于支持向量回归的海面高度统计预报方法研究

本文提出一种基于支持向量回归的统计预报方法,通过经验正交分解对原始数据矩阵进行时空分解,提取出空间模态和时间系数。由于海面高度变化具有非线性、大惯性的特点,对时间系数进行小波分析,能有效滤除其中的高频信号,得到表征海面高度变化的低频信号。利用支持向量回归方法对小波分解后的低频信号构建预报模型。最后,进行小波重构,还原时间序列长度,实现未来7天的海面高度预报。通过黑潮附近海域的海面高度预报结果验证,该预报方法的预报效果优于整合滑动平均自回归预报方法。本文通过机器学习的算法实现了海面高度的预报,为海洋预报方法提供了新的思路。     

滨海湿地稀疏采样重构高光谱图像分类精度评价

高光谱遥感影像维数高、数据量大、波段之间的相关性强,分类时易出现"Hughes"现象,因此在分类过程中如何有效减小数据处理过程中的计算量,又保证原始数据重要的地物信息不丢失具有重要的意义。压缩感知理论可通过远低于耐奎斯特的采样率和少量观测数据实现信号的精确重构,具有对硬件读写要求低、图像恢复效果好等优势。通过利用基于小波变换的压缩感知算法对黄河口地区的高光谱影像进行图像重构,然后分别采用SVM算法、最大似然法以及神经网络分类法对重构后的影像进行分类,并对分类结果的精度分别从空域和小波域、不同的测量值等维度进行了分析和比较。结果表明:(1)压缩感知理论重构后的影像保留了原始影像的基本信息,保证了分类精度;(2)SVM算法的分类精度最好,空域和小波域的分类精度基本一致;(3)分类精度随测量值的增加先逐渐提高,然后趋于稳定。