艦船與港口先驗(yàn)知識支持的大型艦船檢測方法
【專利摘要】本發(fā)明屬于遙感影像處理與應(yīng)用【技術(shù)領(lǐng)域】，涉及一種在高分辨率多光譜遙感影像中，檢測萬噸級以上大型艦船目標(biāo)的方法。首先，對影像進(jìn)行基于梯度的影像分割；第二，提取分割對象的幾何特征和色彩特征；第三，利用大型艦船特征先驗(yàn)知識庫，對分割對象進(jìn)行模糊規(guī)則分類，得到大型艦船對象。另外，對于港口區(qū)域的大型艦船的檢測，利用港口先驗(yàn)知識庫中的海陸分界信息進(jìn)行海陸分割，去除港口陸面部分的影響；通過加入后處理步驟，利用港口先驗(yàn)知識庫中的泊位信息，去除非萬噸級以上泊位處檢測到的錯誤結(jié)果。本發(fā)明充分利用高分辨率多光譜遙感影像光譜信息豐富、分辨率高的優(yōu)勢，利用先驗(yàn)知識庫保證檢測結(jié)果較高的可靠性，且檢測過程中人工干預(yù)少。
【專利說明】艦船與港口先驗(yàn)知識支持的大型艦船檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感影像處理與應(yīng)用【技術(shù)領(lǐng)域】，涉及一種在高分辨率多光譜遙感影像中，檢測萬噸級以上大型艦船目標(biāo)的方法。
【背景技術(shù)】
[0002]利用遙感數(shù)據(jù)進(jìn)行艦船目標(biāo)的檢測，目前國內(nèi)外已經(jīng)利用SAR數(shù)據(jù)取得了許多成熟的研究成果。但SAR影像通?？臻g分辨率較低，從檢測結(jié)果中能夠進(jìn)一步提取的信息量少，識別困難；另外SAR影像預(yù)處理十分復(fù)雜，很大程度上影響了檢測的精度和效率。
[0003]隨著光學(xué)影像分辨率的不斷提高，利用高分辨率光學(xué)影像進(jìn)行艦船檢測的方法逐漸發(fā)展起來。
[0004]高分辨率多光譜影像進(jìn)行艦船目標(biāo)檢測通常采用影像分割的方法進(jìn)行[1]。例如汪閩等[4]提出的通過分析影像灰度直方圖并根據(jù)直方圖包絡(luò)分割影像；李開瑞等[3]利用小波變換在小波域提取邊緣檢測目標(biāo)的方法。對于港口區(qū)域?？康呐灤?，分離艦船與港口的方法組要基于港口的幾何特征或地理信息，比如陳琨等[2]提出一種基于幾何特征的艦船與碼頭目標(biāo)分割方法；尤曉健等M利用地理信息引導(dǎo)進(jìn)行海陸分離進(jìn)而檢測目標(biāo)。
[0005]現(xiàn)有利用光學(xué)影像進(jìn)行艦船檢測的方法主要存在以下幾點(diǎn)不足:
[0006](I)檢測艦船的分割方法，僅僅以區(qū)分海面和艦船為目的，常用的閾值分割方法較為簡單。對于高分辨率影像，海面情況復(fù)雜，影像紋理細(xì)節(jié)豐富，簡單的閾值分割方法不利于準(zhǔn)確地檢測艦船。
[0007](2)僅通過幾何信息或光譜信息檢測艦船，信息利用不充分，可能造成檢測結(jié)果中包含的錯檢結(jié)果數(shù)量過多，影響對檢測結(jié)果的后續(xù)使用效率。
[0008](3)對于港口區(qū)域內(nèi)港口與艦船的分離，全自動的算法分離結(jié)果的精度會直接影響檢測結(jié)果；而人工參與過多的方法，又會影響檢測的效率。
[0009]參考文獻(xiàn):
[0010][I]Xiao L., Cao J., Gao X.Detection for Ship Targets in ComplicatedBackground of Sea and Land[J].0pto-Electronic Engineering,2007,34(6):6-10.[0011][2]陳琨，陳學(xué)佺.一種基于幾何特征的艦船與碼頭目標(biāo)分割的新方法[J].計(jì)算機(jī)工程與應(yīng)用，2004，40 (31):197-199.[0012][3]李開瑞，趙友庚，蔣定定等.利用小波變換進(jìn)行海上目標(biāo)識別研究[J].光學(xué)技術(shù)，2003，29 (2):153-155.[0013][4]汪閩，駱劍承，明冬萍.高分辨率遙感影像上基于形狀特征的船舶提取[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2005, 30 (8):685-688.[0014][5]尤曉建，徐守時，侯蕾.基于特征融合的可見光圖像艦船檢測新方法[J].計(jì)算機(jī)工程與應(yīng)用，2005，41 (19) =199-202.
【發(fā)明內(nèi)容】
[0015](一)發(fā)明目標(biāo)
[0016]本發(fā)明要解決的技術(shù)問題是:
[0017]針對高分辨率多光譜遙感影像中，海面的復(fù)雜情況，進(jìn)行有效的影像分割，得到完整的大型艦船分割對象，并充分結(jié)合大型艦船幾何和色彩特征規(guī)則的先驗(yàn)知識，將其檢測出來。對于港口區(qū)域的大型艦船，結(jié)合港口的先驗(yàn)知識，在人工干預(yù)少的條件下，完成港口與艦船的高效分離和錯檢剔除。
[0018](二)技術(shù)解決方案
[0019]本發(fā)明的原理是:
[0020]在高分辨率多光譜遙感影像中，艦船邊緣和海面通常存在明顯的梯度變化，利用基于梯度的分割方法，有利于將艦船與海面分割開來。由于大型艦船具有較為相似的形狀，能夠形成明顯的幾何特征，同時，與海面又有明顯的色彩差別，可以結(jié)合幾何特征與色彩特征檢測大型艦船對象。
[0021]另外，由于陸地上地物十分復(fù)雜，常常存在與艦船目標(biāo)特征接近的地物，并且碼頭常常與?？康呐灤B接，對艦船的檢測效果造成較大干擾?？梢酝ㄟ^海陸分割的方法，去除陸地影響，降低檢測難度，提高檢測效果。
[0022]本發(fā)明的基本思路是:
[0023]首先，對海域影像進(jìn)行基于梯度的影像分割；第二，提取分割對象的色彩、幾何特征；第三，利用大型艦船特征規(guī)則對分割對象進(jìn)行模糊規(guī)則分類，從而實(shí)現(xiàn)大型艦船的檢測。
[0024]對于影像內(nèi)存在港口的情況，加入預(yù)處理步驟，即對影像進(jìn)行海陸分割獲得海域影像以排除陸地干擾；同時，加入后處理步驟，即利用港口的泊位信息剔除非萬噸級以上的泊位上檢測到的錯檢目標(biāo)。
[0025]本發(fā)明的技術(shù)方案如圖1所示。
[0026]本發(fā)明的技術(shù)方案由3個主要步驟構(gòu)成:
[0027]步驟S1基于梯度的影像分割
[0028]本步驟將待檢測影像進(jìn)行影像分割，目的是為大型艦船檢測提供可用于提取特征的對象。本步驟由5個子步驟構(gòu)成，各子步驟可描述為:
[0029](S11)計(jì)算待檢測影像的梯度影像。
[0030]首先選用待檢測多光譜影像的所有波段。利用Canny算子，逐波段計(jì)算梯度影像。
[0031]對于單波段像素(X，y)處X，y方向的偏導(dǎo)可用2X2 —階有限差分近似:
[0032]f/ X(x,y) ^Gx= [f (x+1, y)-f (x, y)+f (x+1, y+1)-f (x, y+1) ]/2 (11)
[0033]f y(x,y) ^ Gy = [f (x, y+1)-f (x, y)+f (x+1, y+1)-f (x+1, y) ]/2 (12)
[0034]其中，f(x，y)為(x，y)處的像素值。
[0035]像素(x，y)處的梯度Μ為
[0036]
【權(quán)利要求】
1.一種先驗(yàn)知識支持的高分辨率多光譜遙感影像大型艦船檢測方法，其特征在于，包括的步驟有:步驟S1:基于梯度的影像分割；步驟S2:計(jì)算影像分割得到的對象的幾何特征和色彩特征；步驟S3:對于每個分割對象，根據(jù)大型艦船先驗(yàn)知識庫中的大型艦船特征規(guī)則，進(jìn)行模糊規(guī)則分類，提取艦船目標(biāo)。
2.根據(jù)權(quán)利要求1所述的步驟，針對在港口區(qū)域?？康拇笮团灤?，增加處理步驟，其特征在于:(1)在步驟S1之前，增加預(yù)處理步驟SO:利用港口先驗(yàn)知識庫中的港口歷史影像和相應(yīng)的海陸分界掩膜，對原始影像進(jìn)行海陸分割，去除港口陸面部分對艦船檢測的干擾。(2)在步驟S3之后，增加后處理步驟S4:利用港口先驗(yàn)知識庫中的泊位信息，對于在非萬噸級以上的泊位上檢測到的艦船，判斷為錯誤檢測的目標(biāo)，從結(jié)果中予以剔除。
3.根據(jù)權(quán)利要求1所述的先驗(yàn)知識支持的高分辨率遙感光學(xué)影像大型艦船檢測方法，其特征在于:所述檢測步驟中，需要大型艦船特征先驗(yàn)知識庫支持。大型艦船特征先驗(yàn)知識庫中，記錄的是大型艦船的幾何特征和色彩特征的特征規(guī)則，即各特征適用于大型艦船的取值范圍，相應(yīng)的特征內(nèi)容如下表所示:
4.根據(jù)權(quán)利要求2所述的針對在港口區(qū)域停靠的大型艦船的檢測方法，其特征在于:所述檢測步驟中，需要港口先驗(yàn)知識庫支持。港口先驗(yàn)知識庫相應(yīng)的內(nèi)容如下表所示:
【文檔編號】G06K9/00GK103679138SQ201310566692
【公開日】2014年3月26日 申請日期:2013年11月15日 優(yōu)先權(quán)日:2013年11月15日
【發(fā)明者】汪承義, 孔赟瓏, 陳靜波, 岳安志, 孟瑜 申請人:中國科學(xué)院遙感與數(shù)字地球研究所