本文關(guān)鍵詞：高分辨率光學(xué)遙感圖像中典型人造目標(biāo)檢測(cè)技術(shù)研究　出處：《中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 高分辨率遙感 人造目標(biāo)檢測(cè) 顯著性檢測(cè) 艦船檢測(cè) 多類目標(biāo)檢測(cè) FPGA

【摘要】：近年來(lái),隨著圖像傳感器技術(shù)和航空航天事業(yè)的高速發(fā)展和進(jìn)步,高分辨率遙感圖像被廣泛應(yīng)用于分別以軍事安全和民用服務(wù)為目的的不同領(lǐng)域中,逐漸成為計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域的研究熱點(diǎn)。遙感衛(wèi)星數(shù)量的急劇增多,和衛(wèi)星重訪周期的縮短使得獲取的遙感圖像數(shù)據(jù)量劇增,而遙感圖像分辨率的顯著提高,在為用戶提供更多感興趣目標(biāo)信息的同時(shí),也帶來(lái)了更復(fù)雜的背景信息。因此,如何高效準(zhǔn)確的從高分辨率遙感圖像中提取出感興趣的目標(biāo)—尤其是與人類活動(dòng)密切相關(guān)的人造目標(biāo),成為影響遙感圖像應(yīng)用的至關(guān)重要而又亟待解決的難題。由于傳統(tǒng)的人工判讀方式提取人造目標(biāo)的方法,無(wú)論是在檢測(cè)效率上還是在檢測(cè)精度上都無(wú)法滿足當(dāng)前應(yīng)用的需求,因此,利用可靠的目標(biāo)檢測(cè)算法,實(shí)現(xiàn)遙感圖像中人造目標(biāo)的自動(dòng)檢測(cè),是當(dāng)前遙感圖像處理的主要發(fā)展方向,具有重要的理論意義和實(shí)際應(yīng)用價(jià)值。本文首先對(duì)現(xiàn)有的人造目標(biāo)檢測(cè)方法進(jìn)行分析和歸納,并比較和總結(jié)了當(dāng)前主要檢測(cè)方法的優(yōu)缺點(diǎn),以高分辨率光學(xué)遙感圖像為研究對(duì)象,深入研究了有關(guān)典型人造目標(biāo)的目標(biāo)特性,實(shí)現(xiàn)了大幅面高分辨率遙感圖像中人造目標(biāo)的快速自動(dòng)檢測(cè),取得了一些有價(jià)值的研究成果。本文主要的創(chuàng)新性研究工作及研究成果如下:1.研究分析了高分辨率光學(xué)遙感圖像及其典型人造目標(biāo)的特點(diǎn),總結(jié)了遙感圖像目標(biāo)檢測(cè)算法的一般流程,并詳細(xì)闡述了檢測(cè)流程中的各項(xiàng)關(guān)鍵技術(shù),如候選目標(biāo)區(qū)域的提取,特征提取以及目標(biāo)的判別確認(rèn)等,為典型人造目標(biāo)檢測(cè)算法的提出提供了理論參考依據(jù)。2.在對(duì)特定目標(biāo)的單類人造目標(biāo)檢測(cè)算法研究中,本文重點(diǎn)研究了大幅面光學(xué)遙感圖像中的艦船檢測(cè)問(wèn)題,提出了一種快速精確的艦船目標(biāo)檢測(cè)方法。該方法首先在基于最大對(duì)稱環(huán)繞顯著性檢測(cè)的基礎(chǔ)上,結(jié)合一種基于元胞自動(dòng)機(jī)的同步更新機(jī)制完成目標(biāo)候選區(qū)域的提取;然后,根據(jù)艦船目標(biāo)的固有特性,對(duì)方向梯度直方圖特征進(jìn)行改進(jìn),提出一種新的表征艦船特性的邊緣-方向梯度直方圖特征(Edge Histogram Orientation of Gradient,簡(jiǎn)稱E-HOG特征),將其與形狀特征相融合構(gòu)造了一種與艦船目標(biāo)尺寸無(wú)關(guān)的特征向量,對(duì)艦船目標(biāo)進(jìn)行描述,最后,通過(guò)Ada Boost分類器完成目標(biāo)的最終判別確認(rèn)。在大量的實(shí)際遙感圖像數(shù)據(jù)中進(jìn)行實(shí)驗(yàn),結(jié)果表明,本文的檢測(cè)算法,不僅能夠快速的檢測(cè)出大幅面光學(xué)遙感圖像中的艦船目標(biāo),且檢測(cè)精度為97.2%,檢測(cè)性能優(yōu)于目前主流的艦船檢測(cè)算法。3.針對(duì)高分辨率光學(xué)遙感圖像中多類人造目標(biāo)的檢測(cè)問(wèn)題,根據(jù)自然物體和人造目標(biāo)在幾何外形上表現(xiàn)出的不同特性,在對(duì)傳統(tǒng)的相位編組直線段提取算法和k-means聚類算法改進(jìn)的基礎(chǔ)上,提出了一種K-means聚類和幾何特征相結(jié)合的檢測(cè)方法。首先,改進(jìn)基于區(qū)域生長(zhǎng)的相位編組算法,提出了一種快速的直線段提取和處理算法,并將其用于人造目標(biāo)的幾何特征提取;然后,針對(duì)K-means聚類算法容易受到初始聚類中心影響,以及無(wú)法根據(jù)實(shí)際應(yīng)用需求自動(dòng)確定聚類個(gè)數(shù)K值的問(wèn)題進(jìn)行改進(jìn),并將改進(jìn)后的K-means聚類算法對(duì)提取的直線段進(jìn)行密度聚類,得到人造目標(biāo)的候選區(qū)域;最后,根據(jù)每個(gè)類中的直線段數(shù)目和構(gòu)成的幾何基元情況,進(jìn)行人造目標(biāo)的判定。4.針對(duì)多類人造目標(biāo)檢測(cè)算法的硬件實(shí)現(xiàn)進(jìn)行了研究與探索。首先根據(jù)FPGA的芯片特點(diǎn)對(duì)檢測(cè)算法的各個(gè)部分進(jìn)行了優(yōu)化與重構(gòu),然后設(shè)計(jì)了一種以Xilinx公司Virtex-5系列FPGA(XC5VSX95T)為核心處理器的的算法實(shí)現(xiàn)方案。硬件實(shí)現(xiàn)方案主要包括圖像預(yù)處理模塊,區(qū)域生長(zhǎng)與直線段提取模塊,直線段判別模塊,直線段分類模塊,目標(biāo)判定模塊和DDR2 SDRAM調(diào)度模塊;該方案把輸入的相鄰幀圖像分別存入不同DDR2 SDRAM中,并且每一片外掛的DDR2 SDRAM都有獨(dú)立的數(shù)據(jù)處理模塊;數(shù)據(jù)處理中涉及到三角函數(shù)與反三角函數(shù)的運(yùn)算,采用CORDIC算法和查找表相結(jié)合的方法,保證了算法實(shí)現(xiàn)過(guò)程的計(jì)算精度和實(shí)時(shí)性。
[Abstract]:In recent years , with the rapid development and progress of image sensor technology and aerospace industry , high - resolution remote sensing images have been widely used in the field of computer vision and pattern recognition . This paper presents a method for detecting multi - class artificial targets in high - resolution optical remote sensing images , which includes image preprocessing module , region growing and line segment extraction module , straight segment discrimination module , straight segment classification module , target decision module and DDR2 SDRAM scheduling module .

【學(xué)位授予單位】：中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙春波;范新南;劉樺;;復(fù)雜自然背景下的人造目標(biāo)檢測(cè)[J];河海大學(xué)常州分校學(xué)報(bào);2007年01期

2 楊紹清;劉松濤;林洪文;劉天華;;分?jǐn)?shù)布朗運(yùn)動(dòng)模型的人造目標(biāo)檢測(cè)[J];火力與指揮控制;2008年02期

3 曾鵬鑫;么健石;朱琳琳;徐心和;;基于分形的人造目標(biāo)與自然物體區(qū)別[J];東北大學(xué)學(xué)報(bào);2006年03期

4 王仁生,賈曉光,周建林;從空間遙感圖象的自然背景中提取人造目標(biāo)的研究[J];中國(guó)圖象圖形學(xué)報(bào);1997年07期

5 蔣詠梅,匡綱要,梁甸農(nóng);UWB SAR葉簇覆蓋人造目標(biāo)檢測(cè)[J];信號(hào)處理;1999年02期

6 鄒斌;蔡紅軍;張臘梅;王國(guó)喜;;森林覆蓋下人造目標(biāo)PolInSAR圖象的參數(shù)反演模型[J];宇航學(xué)報(bào);2007年04期

7 蔣詠梅,梁甸農(nóng);穿透葉簇UWB雷達(dá)人造目標(biāo)簡(jiǎn)化電磁模型[J];微波學(xué)報(bào);2000年S1期

8 蔣詠梅,匡綱要,梁甸農(nóng);UWB葉簇覆蓋SAR人造目標(biāo)特征信號(hào)[J];國(guó)防科技參考;1999年03期

9 陳文頡;竇麗華;陳杰;張宇河;;復(fù)雜自然背景中人造目標(biāo)的分割研究[J];火力與指揮控制;2006年03期

10 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 楊紹清;趙曉哲;徐瑜;林洪文;;一種實(shí)用的人造目標(biāo)分形特征提取技術(shù)[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

2 ;紅外偏振圖像的融合算法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會(huì)論文（摘要）集[C];2013年

相關(guān)博士學(xué)位論文 前3條

1 王慧利;高分辨率光學(xué)遙感圖像中典型人造目標(biāo)檢測(cè)技術(shù)研究[D];中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所;2017年

2 邢世其;人造目標(biāo)極化雷達(dá)三維成像理論與方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

3 陳愛(ài)軍;典型人造目標(biāo)自動(dòng)識(shí)別算法研究[D];哈爾濱工業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前6條

1 張鋒;基于分形特征的人造目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

2 蔡飛;輔助無(wú)人機(jī)飛行控制的人造目標(biāo)檢測(cè)技術(shù)[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

3 趙春波;自然背景下人造目標(biāo)檢測(cè)與識(shí)別的分形方法研究[D];河海大學(xué);2007年

4 蔡紅軍;森林覆蓋下人造目標(biāo)PolInSAR圖象的參數(shù)反演模型研究[D];哈爾濱工業(yè)大學(xué);2007年

5 王培;SAR圖象中船舶目標(biāo)的提取及分形方法在SAR圖象分類中的應(yīng)用[D];中國(guó)科學(xué)院電子學(xué)研究所;2000年

6 王瀟;面向電磁計(jì)算的典型陸地場(chǎng)景描述方法研究[D];哈爾濱工業(yè)大學(xué);2013年

，

本文編號(hào)：1391007