利用超像素级上下文特征进行靠岸集装箱船检测

高分辨率光学遥感影像中靠岸集装箱船受到岸边建筑、阴影和背景环境的干扰严重,且其船身模式与相邻陆地上集装箱非常相似,较难实现自动化检测。针对这一难题,提出了一种利用超像素级上下文特征进行靠岸集装箱船检测的方法。首先,对图像进行过分割生成超像素,在超像素区域提取颜色、纹理特征并级联邻域超像素特征形成超像素级上下文特征;然后,将目标超像素作为正样本,并自适应地选择较难区分的背景超像素作为负样本来训练分类器,实现对目标、背景超像素的分类;最后,利用全连接条件随机场对分类结果优化,实现对靠岸集装箱船的检测。实验结果表明,该方法能够较为可靠地检测靠岸集装箱船,具有一定的应用前景。     

高分辨率、多时相SAR图像数据集的构建

近20年来,SAR图像理解与信息反演是一个得到广泛、深入研究的世界性难题。即使在高分辨率条件下,由于相干斑噪声、结构极度敏感性、几何畸变、成像系统干扰等原因,SAR图像的高可信解译依然非常困难。SAR测试样本数据集是发展SAR图像解译与目标认知技术的基础与支撑。但SAR数据集并不是各种SAR数据的简单收集,而是要根据研究内容的需要,制定试验方案,科学地选择样本并进行样本真值标注,并且尽可能收集各种多源辅助数据以相互验证。笔者以上海交通大学闵行校区为场景,构建了一个以高分辨率、多时相SAR图像为主的试验数据集,其由高分辨率SAR数据、地表真值标注、多源辅助数据3个主要的部分组成。笔者认为,该数据集的构建能够为高分辨率SAR图像解译、信息反演和目标识别提供高可信的、实时的、丰富的地表和目标真值信息,能够促进这些研究和相关测试工作的进展。