隨著航天遙感技術(shù)的迅猛發(fā)展,遙感圖像處理技術(shù)被廣泛應(yīng)用于國防建設(shè)和經(jīng)濟民生建設(shè)領(lǐng)域,尤其是遙感圖像的目標(biāo)檢測識別技術(shù)已成為軍事打擊與海洋監(jiān)測的重要手段。遙感圖像分辨率的提高以及成像幅寬的變大使得遙感圖像數(shù)據(jù)量急劇增加,從如此龐大的數(shù)據(jù)中高效準(zhǔn)確地提取出有用的信息成為了解決問題的關(guān)鍵。為了解決復(fù)雜背景提取目標(biāo)困難、增強遙感目標(biāo)檢測識別技術(shù)的可靠性、緩解數(shù)據(jù)傳輸與存儲的壓力,本文圍繞寬幅高分辨率光學(xué)遙感圖像中艦船與飛機目標(biāo)的檢測識別問題展開了研究。基于全色及多光譜光學(xué)遙感圖像,論文分析了遙感圖像中典型目標(biāo)的特點,設(shè)計了相應(yīng)的遙感圖像目標(biāo)檢測算法,并詳細(xì)闡述了各項關(guān)鍵技術(shù)理論,如目標(biāo)潛在場景提取、目標(biāo)定位、感興趣區(qū)域提取、特征提取等關(guān)鍵技術(shù)。本文通過對各項技術(shù)的研究與改進,改善了在寬幅圖像中遙感目標(biāo)檢測算法運算速度慢、檢測率低的問題。根據(jù)先驗知識,艦船會分布在海洋里,飛機會�？吭跈C場中。在進行大幅面下的光學(xué)遙感圖像目標(biāo)檢測識別時,首先對目標(biāo)出現(xiàn)的潛在場景進行提取,可以使目標(biāo)搜索范圍變小。本文對艦船與飛機會出現(xiàn)的潛在場景進行了提取——海陸分離與機場檢測。海陸分離方面,本文針對傳統(tǒng)方法只利用全色... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所)吉林省

【文章頁數(shù)】：134 頁

【學(xué)位級別】：博士

【部分圖文】：

多光譜不同波段遙感圖像

中國科學(xué)院大學(xué)博士學(xué)位論文：寬幅光學(xué)遙感圖像艦船飛機目標(biāo)檢測識別研究體指數(shù)法在目前大部分傳感器的達到的波長范圍內(nèi)對光線具有較強的吸射率，同時隨著波長的增強此特點更加明顯，如圖 2.2 所示。80nm 范圍內(nèi)的光線反射率為 4%-5%左右；隨著波長增加到 5率下降到 2%-3%左右；當(dāng)波長大于 740nm 時，所有入射的光吸收，反射率接近 0[58-60]。所以當(dāng)四譜段多光譜進行分析時，最強，近紅外最弱，表現(xiàn)在圖像中就是藍色譜段圖像水體亮度度最低。但是如果水體中混有一定渾濁物質(zhì)，水體發(fā)射率就會，如泥沙等會使發(fā)射率提高。

?宦畚模嚎矸?庋б８型枷窠⒋?苫?勘曇觳饈侗鷓芯?26對這四幅圖像進行 PCA 變換得到主成分變換后的四幅圖像，如圖 2.6 所示。(a) 第一主成分分量(b) 第二主成分分量(c) 第三主成分分量(d) 第四主成分分量圖 2.6 PCA 變換后的主分量圖像Figure 2.6 PCA transformed main component images從圖 2.6 中可以看到，主成分分量圖像中最明顯的是對比度細(xì)節(jié)的重要部分

【參考文獻】：
期刊論文
[1]利用高斯混合模型的多光譜圖像模糊聚類分割[J]. 李玉,徐艷,趙雪梅,趙泉華.  光學(xué)精密工程. 2017(02)
[2]結(jié)合KL散度和RSF模型的主動輪廓圖像分割方法[J]. 劉琳,程丹松,何仕文,石大明,吳銳,王君.  哈爾濱工業(yè)大學(xué)學(xué)報. 2016(05)
[3]基于熵結(jié)合的活動輪廓分割模型[J]. 劉樂,徐玉蕊,王剛剛,侯阿臨.  吉林大學(xué)學(xué)報(信息科學(xué)版). 2016(02)
[4]國家航空航天遙感影像獲取現(xiàn)狀及發(fā)展[J]. 李明,趙俊霞,胡芬.  測繪通報. 2015(10)
[5]面向海上目標(biāo)的海陸分離方法研究[J]. 劉思彤,程紅,孫文邦,于光.  電子設(shè)計工程. 2014(15)
[6]基于稀疏表示的可見光遙感圖像飛機檢測算法[J]. 林煜東,和紅杰,尹忠科,陳帆.  光子學(xué)報. 2014(09)
[7]基于骨架特征的多光譜遙感影像飛機目標(biāo)識別方法研究[J]. 蔡棟,陳焱明,魏巍.  測繪通報. 2014(02)
[8]結(jié)合視覺顯著性和空間金字塔的遙感圖像機場檢測[J]. 郭雷,姚西文,韓軍偉,程塨,錢曉亮.  西北工業(yè)大學(xué)學(xué)報. 2014(01)
[9]基于空間語義模型的高分辨率遙感圖像目標(biāo)檢測方法[J]. 馮衛(wèi)東,孫顯,王宏琦.  電子與信息學(xué)報. 2013(10)
[10]基于邊緣輪廓特征匹配的飛機目標(biāo)識別[J]. 申海洋,李月娥.  測試技術(shù)學(xué)報. 2013(03)

博士論文
[1]高分辨率光學(xué)遙感圖像中典型人造目標(biāo)檢測技術(shù)研究[D]. 王慧利.中國科學(xué)院長春光學(xué)精密機械與物理研究所 2017
[2]基于局部不變特征的遙感圖像星上目標(biāo)識別技術(shù)研究[D]. 陳彥彤.中國科學(xué)院長春光學(xué)精密機械與物理研究所 2017
[3]復(fù)雜背景下的光學(xué)遙感圖像目標(biāo)檢測算法研究[D]. 林煜東.西南交通大學(xué) 2017
[4]圖像去噪中幾種優(yōu)化算法的相關(guān)研究[D]. 楊昊.電子科技大學(xué) 2016
[5]合成孔徑雷達圖像特征提取的方法研究[D]. 魏倩茹.西安電子科技大學(xué) 2016
[6]多光譜成像系統(tǒng)圖像處理關(guān)鍵技術(shù)研究[D]. 張艷超.中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所) 2015
[7]引入上下文信息的可見光遙感圖像目標(biāo)檢測與識別方法研究[D]. 郭軍.國防科學(xué)技術(shù)大學(xué) 2014
[8]基于序關(guān)系特征描述的高分辨率遙感影像識別研究[D]. 黃為.國防科學(xué)技術(shù)大學(xué) 2014
[9]成像光譜儀光學(xué)系統(tǒng)設(shè)計與像質(zhì)評價研究[D]. 方煜.中國科學(xué)院研究生院（西安光學(xué)精密機械研究所） 2013
[10]大幅面可見光遙感圖像典型目標(biāo)識別關(guān)鍵技術(shù)研究[D]. 韓現(xiàn)偉.哈爾濱工業(yè)大學(xué) 2013

碩士論文
[1]基于遙感影像水體提取方法研究[D]. 張艷超.西北大學(xué) 2016
[2]基于特征融合的遙感圖像飛機目標(biāo)識別研究[D]. 付俊.南昌航空大學(xué) 2014
[3]直線提取算法研究[D]. 王旭.國防科學(xué)技術(shù)大學(xué) 2013
[4]快速凸包計算實現(xiàn)及其應(yīng)用[D]. 毛鵬.西安電子科技大學(xué) 2013
[5]基于選擇性視覺注意機制的遙感圖像機場檢測[D]. 王鑫.復(fù)旦大學(xué) 2012
[6]基于多光譜海洋遙感圖像的地物分離方法研究[D]. 吳迪.哈爾濱工程大學(xué) 2012
[7]基于光學(xué)遙感圖像的艦船目標(biāo)自動檢測技術(shù)[D]. 施鵬.中國科學(xué)技術(shù)大學(xué) 2010
[8]高分辨率可見光遙感圖像港口及港內(nèi)目標(biāo)識別方法研究[D]. 張振.中國科學(xué)技術(shù)大學(xué) 2009
[9]遙感影像中的機場目標(biāo)檢測[D]. 王永剛.解放軍信息工程大學(xué) 2009
[10]中低分辨率光學(xué)遙感圖像艦船目標(biāo)檢測算法研究[D]. 李文武.國防科學(xué)技術(shù)大學(xué) 2008



本文編號：3280129