[发明专利]遥感影像中复杂海面背景下的舰船检测方法

说明书

技术领域

本发明涉及一种遥感影像中复杂海面背景下的舰船检测方法。

背景技术

舰船检测与监视是世界各海岸地带国家的传统任务，随着遥感成像技术的发展，从遥感图像上识别大型移动目标成为可能，舰船目标识别就是在这一背景下提出的。海上舰船检测在舰船的寻找和救助、非法移民、保卫领土等方面有着广泛应用。对于海上舰船检测，传统方法对于较为平静、纹理均匀，且水体呈现较为暗色的图像中效果较好，但对于复杂海面遥感图像，往往表现为大海浪，海面有油，呈现较为亮色，传统分割检测方法通常较难将水体与目标较好的分离，容易出现较多的漏警和虚警。很多研究者引入视觉显著度模型对图像各个位置的显著性进行量化，通过对遥感图像进行多特征提取，显著度计算以及特征显著图融合，从而在显著图上检测出舰船目标，与传统分割方法相比，对于复杂海面情况确实有更好的鲁棒性，但是多特征提取这块引入了大量的冗余信息，严重降低了效率。

发明内容

针对上述问题，本发明的目的是提供一种能检测遥感影像中复杂海面背景下的海上舰船的方法。

对于海上舰船检测，考虑到现今大数据时代，遥感影像分辨率也越来越高，噪声也就越来越多，亮度较暗的舰船容易漏检，较亮的背景容易成为虚警，算法的鲁棒性问题值得关注。针对这些问题，本发明提出一种综合利用遥感数据光谱信息，根据舰船与背景在显著度图像中的不同，采用循环方式剔除背景的目标识别方法。

为实现上述目的，本发明采取以下技术方案，根据本发明实施例的遥感影像中复杂海面背景下的舰船检测方法，包括以下步骤：根据光谱信息对影像数据进行海陆分割而得到最终海面区域；求取所述最终海面区域的水体指数；获得特征显著图；对所述特征显著图进行分块处理且提取大于均值的区域作为候选区域；对所述候选区域进行联通区域标记从而得到初始舰船面斑；以及剔除所述初始舰船面斑中的虚景获得最终检测结果。

示例性地，本发明采取以下技术方案进行海上舰船检测：先对影像数据进行海陆分割；计算海面区域水体指数NDWI的全局显著度，得到特征显著图；对数据采用分块处理的方式，获取舰船候选区域；对整个候选区域进行联通区域标记，对每个联通区域，通过循环剔除的方式，直至该联通区域面积大小符合舰船合理面积范围，得到初始舰船面斑；分别统计每个初始舰船面斑的最小外接矩形的长宽比、面斑实际面积和最小外接矩形面积的比值、面斑与邻域均值比值等特征，根据所求特征筛选出符合要求的目标为最终检测结果。

经过测试，实现的检测结果基本可以满足漏检率要求，有些许误警，可以适当加以人工辅助解译，消除漏检和误警。

利用根据本发明的遥感影像中复杂海面背景下的舰船检测方法，在检测效果和抗噪能力上均获得较为满意的实验结果。

附图说明

图1是海上舰船检测的算法流程图；

图2是两景GF1卫星数据拼接后舰船检测的结果；

图3(a)和图3(c)是对图2中GF1原始影像的局部放大显示，图3(b)和图3(d)是对图2中GF1影像中舰船接触的结果叠加在影像上的显示；

图4为方差统计邻域图；以及

图5为分块方式。

具体实施方式

下面结合附图和实施例对本发明的进行详细的描述。

根据本发明实施例的遥感影像中复杂海面背景下的舰船检测方法，包括以下步骤：根据光谱信息对影像数据进行海陆分割而得到最终海面区域；求取所述最终海面区域的水体指数；获得特征显著图；对所述特征显著图进行分块处理且提取大于均值的区域作为候选区域；对所述候选区域进行联通区域标记从而得到初始舰船面斑；以及剔除所述初始舰船面斑中的虚景获得最终检测结果。

示例性地，如图1所示，根据本发明的遥感影像中复杂海面背景下的舰船检测方法，包括以下示例性步骤，其中图1中输入影像数据为高分多光谱数据(必须含有近红外和红波段)：