《高分辨率遥感图像中海洋目标快速检测识别技术研究.docx》由会员分享，可在线阅读，更多相关《高分辨率遥感图像中海洋目标快速检测识别技术研究.docx（9页珍藏版）》请在三一文库上搜索。
1、高分辨率遥感图像中海洋目标快速检测识别技术研究杨效余，宋长波，张彬，褚超，于勇，李凉海（北京遥测技术研究所, 100076） 摘要：目前对海洋目标监视手段主要有天基或空基的 SAR/ISAR 雷达、红外、光 学、激光雷达等载荷。载荷获取遥感图像后，通过图像处理与图像理解等方法对 多源图像数据进行目标检测、特征提取与识别，达到对海洋目标的预警监视。为 解决多源图像数据的海洋目标快速检测识别问题，本文采用了目标背景抑制与图 像分割的光学图像目标检测方法和自适应阈值 CFAR 的雷达图像目标检测方法， 通过特征提取与融合鉴别处理实现对目标分类识别。利用粗精检测方法和减少算 法重复计算量，提高算法效率
2、，达到对海洋目标的快速检测识别。仿真实验验证 算法的有效性。关键词：目标检测识别，特征提取，目标分类，图像分割Fast detection and recognition of maritime targets fromhigh-resolution remote sensing imagesYang Xiao-yu, Song Chang-bo,Zhang Bin,Chu Chao, Yu Yong, Li Liang-hai(Beijing Research Institute of Telemetry，Beijing 100076, China) Abstract: Surveillan
3、ce methods of maritime targets are involved with SAR/ISAR payloads, IR payloads, optical payloads, Lidar payloads, and soon. After remote sensing imageriesfeature extraction and recognition image data by image processing andare obtained, target detection,are processed from multiple source image unde
4、rstanding. Therefore,maritime targets are keep under surveillance. In order to resolve fastdetection of maritime targets, background suppression and image segmentation for optical image and adaptive threshold CFAR algorithm for SAR image are used. Finally, target classification and recognition are i
5、mplemented by feature extraction and fusion discrimination. Fast detection and recognition for ocean targets are performed by coarse and fine detection method and decreasing repetition calculation.Keywords：target detection and recognition; feature extraction; target classification; image segmentatio
6、n1、引言目前海洋目标检测算法的研究对象主要是以合成孔径雷达图像为主，并已经开发出了实用系统。尤其 SAR 成像具有全天候、全天时等特点，已经成为一种重 要的海洋监视特别是舰船目标监视手段。在 SAR 图像上进行海上目标检测的研 究非常多，相关文献资源丰富，但由于 SAR 的成像原理，SAR 图像中目标的几何特性提取困难，不像光学遥感图像那样清晰直观，易于检测边缘，且 SAR图像中缺少了很多细节，不利于人类的理解。光学图像虽然有着自身的局限性， 光学传感器成像受气象、云层覆盖和光照等因素限制，实用性有限，不能实现全 天时、全天候的工作，但是保留有较多图像细节，进行图像解译容易，因此应用 光学遥
7、感图像做海上目标检测，可以成为 SAR 目标检测的有益补充。本文采用了目标背景抑制与图像分割的光学图像目标检测方法和自适应阈 值 CFAR 的雷达图像目标检测方法，通过特征提取与融合鉴别处理实现对海洋目标分类识别。2、光学遥感图像海洋目标检测识别光学遥感图像海洋目标检测识别技术如下图所示，主要分为数据获取、预处理、目标检测、目标识别等部分。离岸舰船目标不需要进行海陆分割，无云清晰 图像不需要进行云检测。图 1 光学遥感图像海洋目标检测识别技术Fig.1 The architecture for target detection and recognition in optical image2
8、.1 云检测处理海域环境受海洋性气候影响，多云雨天气，相应的光学遥感图像中往往存在着云块。目标在图像中经常被云覆盖，而且随太阳角度、云层厚度的不同，图像中的云反射阳光的能力不同，呈现较大差别。目标可能被云覆盖，目视隐约可见，或完全被云湮没。在海洋目标检测前需要进行去云处理。 对所获得的遥感图像中云层进行云图特征提取与选择，提取出云图的纹理及统计特征，建立云特征向量模型。通过分类器对云图进行聚类处理，检测出云域。图 2 云图聚类算法流程Fig.2 Schematic diagram of cloud classification2.2、光学遥感图像海洋目标检测光学图像成像机理与 SAR 成像机理
9、不同，在具体目标检测方法上有所差异，光学图像由于受气候条件、太阳角度、天气状况、海面状况等因素的影响，海域 灰度分布复杂，波浪、尾迹、云块（尤其是碎云块）、阴影的干扰使得海域情况 极其复杂，难于建立背景统计模型，图像中目标与背景灰度差异性不一致，目标 灰度比背景亮和暗两种情况都存在。如何排除这些干扰对检测的影响是需要解决 的问题，通过滤波的方法滤除低频云干扰，处理的重点为图像预处理、复杂海域 背景的目标检测等。2.2.1 背景抑制与图像分割光学图像中目标与背景灰度差异性不一致，目标灰度比背景亮和暗两种情况都存在，因此，首先进行非线性滤波，抑制海浪、干扰等杂波背景，然后在对图 像作分割处理，可以
10、采用自适应 CFAR 阈值分割，KSW 阈值分割，局部 OTSU 等分 割方法进行处理。2.2.2 选择性注意机制的目标鉴别将选择性注意机制引入高分辨光学图像海上目标检测问题中，通过分析特征的显著性并依据特征显著性的大小关系来引导目标检测过程。在高分辨率的条件 下，通过分析发现，背景与目标间因灰度差异而界限明显，依靠灰度能很直观地 将二者分离，因此灰度特征在目标检测中的显著性最大；其次，大块陆地、海岛 等前景与海洋目标在面积上存在较大差别，利用面积可以方便地进行区分，因而面积特征的显著性次之；在区分如舰船目标时，舰船目标一般都存在由船舷形成的平行结构，结合各类特征量的显著性分析，我们将目标的灰
11、度和面积作为主要 的显著特征来引导去除 背景中太大或太小的区域，进行舰船目标区域的粗提取。 获得目标区域的 ROI 切片，目标可能是舰船，也可能是其它干扰，需要对其进 一步分析，目标轮廓、平行线、长宽特征是目标的精细特征，综合这些精细特征 可以较准确地来判定目标。通过选择注意机制的引导，我们便将对整幅大图的处 理转化成对局部区域的处理，大大降低了虚警率。3、雷达遥感图像海洋目标检测识别SAR 遥感图像海面目标检测识别系统的流程图如下图所示。主要包括数据获取、预处理、目标检测、目标识别四个步骤。图 3 SAR 遥感图像海洋目标检测识别技术Fig.3 The architecture for ta
12、rget detection and recognitionin SAR image3.1、SAR 图像海洋目标检测舰船目标主要由金属制成，其上层建筑构成了许多角反射器，使得舰船成为一种极强的雷达反射器，在 SAR 图像上形成非常亮的目标。另一方面，海杂波在 SAR 图像上一般呈现为暗黑色。因此，舰船检测是暗背景条件下亮目标检测问题。 舰船目标检测过程主要包括预处理、背景估计，自适应阈值 CFAR 的应用，目标像素的聚类，特征提取与虚警目标的去除。图 4SAR 图像海洋目标检测流程图Fig.4 The architecture for target detection in SAR image
13、3.2、海洋目标特征提取与鉴别由于 CFAR 检测算法得到异常像素集合中存在大量的海浪杂波和尾迹形成的虚警，将极大增加后续 ROI 切片定位、提取、鉴别和目标分类的计算负担。为了 降低检测结果中过多的虚警，减少待鉴别 ROI 切片数目，对检测结果的二值化图 像做进一步的处理。该过程包括形态学的填充、连通和去除孤立点等，以改善检 测结果图像中目标区域的连通性。SAR 图像目标特征提取包括几何特征和散射特 征等。其中几何特征是在区域分割形成的二值化图像上提取的一类目标特征，它 能较好地反映该类目标的轮廓、边缘、长宽尺寸以及目标像素的空间聚合程度等 属性，是 SAR 图像鉴别阶段常用的特征。目标特征
14、提取后进一步进行目标鉴别， 利用目标的面积特征等先验信息，对异常像素集合进行筛选，来消除像素数目过 小或过大的集合，最终输出面积特征上类似机动目标的 ROI 切片。我们可以由目 标实际的长、宽尺寸、SAR 图像数据的分辨率和其它成像参数来对图像中目标的长、宽和面积的像素数目进行估计，以此设定面积特征的判决阈值。去除虚警目标，达到更好的目标分类识别结果。4、快速遥感图像海洋目标检测在海洋目标监视系统中，一般要求对海洋目标和海域动态实现近实时性观测，这就对海洋目标检测算法的效率具有很高的要求，在保证算法的检测性能基 础上，尽可能提高算法的效率。通过对各种基于统计模型的 CFAR 方法分析易得，采用
15、滑动窗口的自适应阈 值 CFAR 方法的计算量主要集中在取滑动窗中的背景数据估计杂波分布模型的参 数，如高斯分布的均值和方差、K 分布的尺度参数和形状参数等。当参考滑动窗 进行遍历时，参考滑动窗向右或向下平移一个像素，相邻的两个测试像素对应的 参考滑动窗口区域像素大量重合，采用递归计算，避免重复计算，可以极大地提 高算法的速度。采用降采样率方法，在低分辨率图像中进行粗检测处理，利用计算较为简单 CFAR 统计模型进行参数估计和阈值计算，在粗检测结果基础上，对高分辨率图像采用拟合性能好的统计模型估计参数，获得较好的检测结果。5、多源遥感图像海洋目标融合分类识别利用单一图像源进行解译，获取目标情报
16、信息具有极大的不可靠性和不确定性，因此，寻求能有效利用多个图像源信息的处理技术。信息融合是把来自多个 传感器和信息源的数据加以联合、相关和组合，具有降低虚警率，提高目标探测、 识别和跟踪能力，增强系统容错和生存能力等优势。利用多源信息融合技术不仅 能够对单个传感器信息进行有效的分析、提炼，而且还能够利用多源信息的冗余 和互补特性，减少信息的不确定性和理解的模糊性，提高信息利用率。本文从 SAR 图像和光学图像中检测识别出海洋目标，SAR 遥感图像具有全天候、全天时 工作等特点，但 SAR 图像中缺少了很多细节，不利于人类的理解。光学遥感图 像虽然不能实现全天时、全天候的工作，但是保留有较多图像
17、细节，进行图像解 译容易，因此应用光学遥感图像做海上目标检测，可以成为 SAR 目标检测的有 益补充。其融合识别过程如下图所示。图 5 多源图像数据融合目标识别Fig.5 target recognition by fusion in multiple remote sensing images6、目标检测仿真实验图 6 为海面舰船目标的 SAR 高分辨率图像，对该图进行快速 CFAR 检测，其检测结果如下图 b 所示，对得到的二值化图像进行感兴趣区像素聚类处理与连接 填充等目标鉴别处理，其处理结果如下图 c 所示，该仿真实验验证 SAR 图像中 舰船目标检测效果。(a)原始 SAR 图像(b
18、) CFAR 检测结果图像图 6 SAR 图像目标检测结果(c) 目标鉴别结果图像Fig.6 The result of target detection from SAR image.(a) original SAR image; (b) Theresult of target detection; (d) The result of target Discrimination图 7 为海面舰船目标的光学高分辨率图像，对该图进行快速目标检测，其检 测结果如下图才 c 所示，对得到的二值化图像进行感兴趣区像素聚类处理、目标 连接填充等目标鉴别处理，其处理结果如下图 d 所示，仿真实验验证光学图
19、像中舰船目标检测效果。(a)原始光学图像(b) 非线性增强结果图像(c)目标检测结果图像图 7(d) 目标鉴别结果图像光学图像目标检测结果Fig.7 The result of target detection from optical image.(a) original image; (b)Theresult of nonlinear enhance; (c) The result of target detection; (d) The result of target Discrimination7、结论本文采用了目标背景抑制与图像分割的光学遥感图像目标检测方法和自适应阈值 CFAR
20、的雷达图像目标检测方法，通过特征提取与融合鉴别处理实现对海 洋目标分类识别。利用粗精检测方法和递归计算，减少算法计算量，提高算法效 率，达到对海洋目标的快速检测识别。仿真实验验证算法的有效性。参考文献:1 雷琳. 多源遥感图像舰船目标特征提取与融合技术研究D. 国防科学技术大学研究生院博士学位论文.2008Lei Lin. Ship feature extraction and fusion in multiple remote sensing imagesD. A dissertation for degree of doctor of philosophy in engineering g
21、raduate school of national university of defense technology.20082 陈海亮. 基于特征的光学遥感图像舰船目标检测技术研究D. 国防科技大学硕士学位 论文.2010Chen Hailiang. Detection of ship target in optical remote sensing image based on feature D.A dissertation for degree of master of engineering graduate school of national university of def
22、ense technology.20103 邢相薇. SAR 图像舰船目标检测方法研究D. 国防科技大学硕士学位论文.2009Xing Xiangwei. Study on the methods of ship detection in SAR imageyD.A dissertation for degree of master of engineering graduate school of national university of defense technology.20094 CORBANE,C., NAJMAN, L. and PECOUL,E. A complete pr
23、ocessing chain for ship detection using optical satellite imageryJ. International Journal of Remote Sensing, Vol. 31, No. 22, 2010, 5837-5854.5 Crisp D.J., “The State-of-the-Art in ship detection in synthetic aperture radar imagery”,Australian government, department of defence, 2004.作者简介：杨效余，1975，男，博士，高工，主要从事图像处理、目标识别领域研究。