详情

原文传递基于光学遥感图像的舰船目标识别研究

论文题名：	基于光学遥感图像的舰船目标识别研究
关键词：	光学遥感图像;舰船目标识别;霍夫变换;粗糙集理论;流形近似度
摘要：	舰船作为海上重要的载体，对其进行自动检测和识别具有重大意义，尤其是随着光学遥感技术的日益发展，如何快速地从大数据光学遥感图像中自动检测和识别出舰船目标是一项极具挑战性的工作。围绕这一主题，本文从舰船目标识别的实际需求出发，以大于4m分辨率的光学遥感图像为研究对象，对基于光学遥感图像的舰船目标识别展开了研究，本文的主要工作和创新点体现在以下几个方面：　　（1）针对舰船目标分割问题，设计了一种基于局部熵驱动的Chan-Vese（CV）分割模型。基于曲线上局部邻域的计算和信息熵作为曲线内外区域在目标能量函数中的权重的表示方式，加快了曲线的演化速度与演化的自主性。在CV模型的初始轮廓提取中，引入了一种基于视觉显著性机制的先验知识的提取方法，改进了霍夫（Hough）圆检测算法。提出了一种基于局部盒滤波技巧的二维最大类间方差（Otsu）阈值分割算法，降低了算法的时间复杂度；改进的Hough变换中，通过自定义的不等式组来对图像轮廓的边缘点进行筛选判断，降低了算法的计算量。　　（2）为选择最具影响力的目标属性，研究了三种属性约简算法，基于信息熵的约简算法、粗糙集约简算法、基于多目标演化方式的约简算法，提出了基于优势关系邻域粗糙集理论的半监督属性约简算法。而基于信息熵的约简算法采用了邻域互信息知识，丰富了算法的可用信息源；基于优势关系邻域粗糙集理论的半监督属性约简算法通过定义优势关系的有序属性集（优势集），节省了算法的计算时间；多目标演化方式的属性约简算法综合运用了复合交叉算子和K近邻赋值策略，加快了算法的收敛速度。　　（3）基于设计高效的目标分类器的考量，研究了两种算法和四种模型。为提高算法的分类精度，引用了基于流形近似度的距离度量标准，提出了基于流形空间表示的近邻传播算法；为避免依靠人为经验值来判断某节点是否停止分裂的主观性，增强算法的自适应性，引用了信息熵的节点分裂度量指标，提出了基于信息熵的层次判别回归算法；为提升模型的分类性能，采用了基于流形近似度的距离度量标准，并对参与后续分类计算的邻居节点的数量进行了限制，提出了基于变分推理的动态概率生成模型；为缩短算法的运行时间，改进了算法初始化计算过程，运用积分技巧的盒滤波技术计算各聚类中心的均值，完善了基于逆狄利克雷分布的有限混合模型；为加速算法的迭代进程，简化计算过程，通过定义基于优势关系的约简规则，构建了有序属性优势集，改进了基于优势关系邻域粗糙集理论的协同分类模型；为提高学习模型的分类性能，改进了样本差异度的计算方式，根据重新定义的基于流形结构表征的样本差异度的概念，完善了基于流形结构表征的主动式学习模型。　　理论分析和实验结果表明，本文提出的算法或模型可有效识别出舰船目标，相信其对今后基于光学遥感图像的舰船目标识别方法的研究具有一定的理论参考意义及应用参考价值。
作者：	郭伟娅
专业：	计算机科学与技术
导师：	夏学知;王小非
授予学位：	博士
授予学位单位：	哈尔滨工程大学
学位年度：	2015
正文语种：	中文