一种从ERS-1SAR海洋图像中检测船舶航迹的算法

简单介绍了船舶航迹的几种模式,分析了单纯运用Ｔａｄｏｎ变换方法检测航迹的４个局限,并针对这些局限提出了一种检测航迹的思想－－先进行斑点噪声的抑制,然后用生理视觉的静态轮廓系统对图像进行处理,最后应用Ｒａｄｏｎ变换的方法来突出航迹的线性特征。我们用ＥＲＳ－１ ＳＡＲ海洋图像进行了测试,结果表明这一方法比单纯应用Ｒａｄｏｎ变换的方法更为前效。     

面向对象的船载激光扫描数据船舶目标检测方法

提出了一种基于对象的船载激光扫描数据内河船舶目标检测方法。该方法基于船舶目标的高程信息和几何特征,利用投影和图像形态学运算方法快速确定包含船舶目标的兴趣区域;然后针对船舶目标数据的空间分布特征,对兴趣区域点云数据进行欧式距离分割和优化处理,生成实体对象,并构建高差、外包围盒和局部密度等特征构成的向量,采用支持向量机进行二元分类,提取出船舶目标。该方法成功地检测出船载激光扫描数据中的船舶目标,船舶目标检测的准确率较高。     

遥感影像船舶检测的特征金字塔网络建模方法

船舶作为海上运输载体,其准确检测在海洋环境保护、海上渔业生产管理、海上交通与应急处置及国防安全应用中都具有重要意义和价值。目前基于目标检测网络的遥感船舶检测方法因末层特征分辨率不足和卷积固定的几何结构,导致网络难以适应小尺度且具有随机朝向、形态多变特征的船舶目标,进而限制船舶检测精度。针对该问题,本文提出一种用于遥感影像船舶检测的特征金字塔网络建模方法。首先引入形变卷积/RoI池化模块,以适应朝向和形态多变的船舶目标;其次借鉴在小目标检测中性能出色的特征金字塔网络的建模思想,采用对称式网络和多尺度特征融合的方式进一步融合高级语义和低级空间信息,提升小尺度目标特征分辨率。在40 000幅、船舶目标67 280余个的遥感影像数据集上的试验结果表明,本文方法能够有效集成形变卷积/RoI池化和多尺度特征融合方法,相较传统CNN船舶检测方法取得明显提升,在准确率、召回率及F_1指标上分别达到85.8%、97.9%和91.5%。     

一种海上非作战目标实时清洗方法

在进行海上作战态势分析时,通常需要剔除目标海域内对态势分析影响较小的非作战目标,只保留参考价值较高、作战相关的目标航迹数据。现有的行为规律挖掘方法大多是基于聚类的思想,作用于非作战目标清洗问题时工作步骤较为复杂、效果较差。结合态势分析需求,基于相似重复记录检测的思想,通过定义多维度记录匹配相似度(multi-dimension record similarity,MDRS),提出了一种海上非作战目标实时清洗方法。通过对多维航迹数据的相似重复检测,实现对非作战目标的实时清洗。在仿真军事场景上进行实验分析,结果表明所提方法能够实时、有效地检测出海上非作战目标。     

无人直升机电力线路巡检自动航迹优化

针对目前关于无人直升机的航迹布设研究大多是讨论从起始点到目标点的,而复杂地形条件下的超低空电力线路巡检还没有一套完整的航迹布设方案这一问题,该文在充分考虑无人直升机性能、传感器参数、任务要求以及电力线路巡检过程中应注意问题的基础上,提出了针对无人直升机超低空电力线巡线的自动航迹布设及优化方案,并系统阐述了航迹分段布设、航迹平滑、航迹异常检测和优化等关键技术算法。实验结果表明,该方案可以为无人直升机进行超低空的电力线巡线设计出安全、可靠的航迹。     

基于深度学习的遥感影像地物目标检测和轮廓提取一体化模型

随着遥感影像的分辨率不断提升,基于可见光遥感影像地物目标检测和轮廓提取的研究越来越受到关注。基于深度学习的方法提出一个利用遥感影像进行地物目标检测和轮廓提取的一体化模型,旨在解决遥感影像地物目标检测和轮廓提取中繁复的手工标注和传统算法效果不佳的难题。以船舶为研究对象,在HRSC2016遥感数据集上进行验证,单类目标检测精度可以达到79.50%,4类目标检测精度为63.45%,轮廓提取精度可以达到97.40%。结果证明,提出的模型可以实现基于遥感影像的自动化、智能化的船舶目标轮廓提取。     

RTK技术在航迹、航速测量中的应用与研究

为了确定桥梁的通航标准，给桥跨和桥墩位的设计提供基础资料，需要对各种船舶的航迹和航速进行测量，在比较和研究后选择了利用GPSRTK技术进行测量，经过实践检验，该方法不仅切实可行，而且大大提高了工作效率。     

基于线性矩阵不等式的智能飞行器航迹规划方法

智能飞行器在军用和民用领域发挥着越来越重要的作用. 在飞行过程中经常会出现累积的定位误差并且飞行到达应用场景时有定位精度要求,故需要对飞行轨迹进行适当的位置校正. 为此,提出了一种在复杂条件下的智能飞行器航迹规划方法,利用基于线性矩阵不等式(LMI)的优化方法实现最少校正次数和最短飞行距离的双重目标. 根据可用校正点数量以及它们对飞行器位置的不同影响,首先生成一个0~1三角变量矩阵来表示从点A开始的飞行航迹,以面向目标的方式不重复的遍历一系列校正点,并最终到达目标点;然后对航迹相关矩阵的变量项施加强制性的约束条件,将所有的约束作为一个整体转换和施加到之前定义的变量矩阵中,最后利用基于LMI的优化方法实现双重优化. 通过仿真结果验证了所提出的航迹规划方法在计算资源和优化结果方面比线性规划等其他优化方法更优越.      

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。     

北斗船舶航线监管平台系统设计与实现

针对目前对海上船舶采用传统手段进行监管存在盲区及资费昂贵的痛点,利用北斗卫星导航系统所具有的定位、测速、授时,及其北斗一代所特有的短报文双向通信及功能,设计了一套北斗船舶航线监管平台系统,并将它应用于武汉市港航局所辖的船舶航线的监管工作中。结果证明,该系统在不依赖其它通信技术手段前提下,能够实现船舶实时定位、测速、精密授时、船舶之间、以及船舶与监控中心和授权手机短报文双向通信。另外,还具有防撞报警、航迹偏差告警等功能,以及全天候、无盲区、低资费、高可靠的优势,有较大的实用价值。      

船只衰落尾迹的小波多尺度广义分形特征分析

船只衰落尾迹遥感图像是弱反差纹理图像,检测强尾迹的方法不具有适用性。基于区域特征统计比较的思想,构建了一种会聚衰落尾迹异常的小波多尺度广义分形特征提取方法。该方法由小波多尺度分解、细节图像融合、多尺度基本特征计算、多尺度分形特征计算和广义分形特征计算等5步骤组成。仿真实验表明,该特征能完整表达尾迹并体现强弱差别,是一种有效的船只衰落尾迹检测技术,具有广泛的应用前景。     

天宫一号高光谱数据的船只检测实验

针对检测目标进行基于引力场的船只目标增强,计算船只目标的纹理、光谱等指标,基于支持向量机(SVM)方法,利用天宫一号高光谱数据,得到空间探测信息与地面实际目标之间存在精确的相互关系,进行船只检测实验研究.结果表明:天宫一号高光谱数据能够有效的从海水背景中提取船只信息,但船只类型仍难以有效识别.图像的自动分割对于船只的检测非常重要.传感器的多光谱与高分辨率相结合是今后研制的一个主要方向.     

基于引力场增强的SAR图像舰船检测方法研究

船只检测是实现船只航行安全的重要措施之一,利用SAR图像可实现船只检测。然而,传统的一些方法一般容易受到SAR图像斑噪的影响,在检测结果中产生大量的虚警。为解决这一问题,本文提出了一种基于引力场增强的舰船检测方法。该方法利用像素与其邻域内像素的相互作用可对目标像素增强的效应,有效地抑制了斑噪像素和背景像素的强度,凸显了目标。由于增强后的像素已经不满足对海面区域的均质性假设,因此直接使用恒虚警检测算法对图像进行全局检测并不能够得到很好的效果,据此本文引入了一个基于均质区域自适应分割的改进的K-CFAR检测算法,将图像分割为不同大小的一系列均质区域,并分别对各个均质区域使用一个改进的K-CFAR检测器对船只目标进行检测。最后,使用Radarsat-1数据和Envisat ASAR数据对本文算法进行了验证。实验表明,本文提出的方法能够有效地凸显弱目标,增加检测准确性,降低检测的虚警概率。     

基于Radon变换的星载SAR图像窄V尾迹检测

在Radon变换的基础上,提出了一种在Radon变换域附加检测规则对星载SAR图像中窄V尾迹进行检测的方法。附加的规则由去除短线规则和去除孤立点规则组成,将该方法应用于星载SAR图像中不同表现形式下的窄V尾迹,实验表明,该方法具有一定的普遍适用性。     

一种频域高分辨率遥感图像线状特征检测方法

高分辨遥感图像中线状特征等的自动识别与提取是进行遥感图像分析与理解等高层次图像工程的前提和基础,但由于高分辨率遥感图像中细节信息异常丰富,这给特征的提取带来很大干扰。本文引入了一种基于方向和频率特征的遥感图像频域线状特征检测方法,该方法首先通过傅氏变换将图像变换到频率域,在详细分析线状特征和谱线的关系,线状特征和图像频率之间关系的基础上,基于分析得到的方向和频率的参数构造Gabor滤波器进行图像线状特征的提取。并以Quick bird高分辨率遥感图像进行相关提取实验,实验结果表明该方法较好地提取了图像的线状特征,为基于具体频谱分析的高分辨率遥感图像特征的精确提取提供了新思路和方法上的借鉴。     

一种利用SAR图像检测船舶尾迹的方法

给出了一种检测星载SAR(合成孔径雷达)图像中船舶尾迹的方法,该方法主要特点是将Radon变换局部化,即在对像素灰度值积分过程中沿着线性特征被分割后的若干短线段进行积分,而非对整张图像进行积分.该方法克服了Radon变换方法的局限性,使尾迹信号在背景噪声较强时依旧能被检测出,并且能检测出相对于整幅图像的尺寸较短小的尾迹.     

Fast algorithm for maneuvering target detection in SAR imagery based on gridding and fusion of texture features

Designing detection algorithms with high efficiency for Synthetic Aperture Radar (SAR) imagery is essential for the operator SAR Automatic Target Recognition (ATR) system. This work abandons the detection strategy of visiting every pixel in SAR imagery as done in many traditional detection algorithms, and introduces the gridding and fusion idea of different texture features to realize fast target detection. It first grids the original SAR imagery, yielding a set of grids to be classified into clutter grids and target grids, and then calculates the texture features in each grid. By fusing the calculation results, the target grids containing potential maneuvering targets are determined. The dual threshold segmentation technique is imposed on target grids to obtain the regions of interest. The fused texture features, including local statistics features and Gray-Level Co-occurrence Matrix (GLCM), are investigated. The efficiency and superiority of our proposed algorithm were tested and verified by comparing with existing fast detection algorithms using real SAR data. The results obtained from the experiments indicate the promising practical application value of our study.     

Fast algorithm for maneuvering target detection in SAR imagery based on gridding and fusion of texture features

Designing detection algorithms with high efficiency for Synthetic Aperture Radar(SAR) imagery is essential for the operator SAR Automatic Target Recognition(ATR) system.This work abandons the detection strategy of visiting every pixel in SAR imagery as done in many traditional detection algorithms,and introduces the gridding and fusion idea of different texture fea-tures to realize fast target detection.It first grids the original SAR imagery,yielding a set of grids to be classified into clutter grids and target grids,and then calculates the texture features in each grid.By fusing the calculation results,the target grids containing potential maneuvering targets are determined.The dual threshold segmentation technique is imposed on target grids to obtain the regions of interest.The fused texture features,including local statistics features and Gray-Level Co-occurrence Matrix(GLCM),are investigated.The efficiency and superiority of our proposed algorithm were tested and verified by comparing with existing fast de-tection algorithms using real SAR data.The results obtained from the experiments indicate the promising practical application val-ue of our study.     

尺度分层多阈值结合SVM分类的热红外舰船识别

针对尺度自适应选择分层多阈值方法,有时检测目标不完整且存在较多虚警目标等问题,提出了一种基于尺度分层多阈值和SVM分类相结合的舰船目标检测与识别方法。首先使用尺度自适应分层多阈值方法进行初检测;其次根据样本学习生成舰船目标特征及最佳分类特征组合;最后使用SVM样本学习分类实现舰船目标检测与识别。实验结果表明,该方法比单一使用样本分类法降低了虚警率,提高了检测效率,能在近岸舰船目标与背景对比度较低的情况下实现虚假目标有效剔除,且在突堤式码头停放的舰船目标识别中更有效和更稳定。