原文传递
SAR图像舰船检测与分类方法研究
| 论文题名： | SAR图像舰船检测与分类方法研究 |
| 关键词： | 舰船检测;舰船分类;合成孔径雷达图像;特征提取 |
| 摘要： | 合成孔径雷达(Synthetic Aperture Radar，SAR)图像舰船检测与分类是SAR图像解译技术关键问题之一，也是海洋遥感应用的重要研究方向，在渔业管理、海上交通管控、海洋资源开采、海洋环境监控等方面具有重要意义。近年来，我国大力发展航天遥感事业，一方面为SAR舰船监测带来了海量数据基础，另一方面对高效率、高精度的SAR图像解译技术提出需求。因此，研究SAR图像舰船检测与分类技术具有十分重要的理论意义和实际价值。 本文立足于SAR舰船监测技术的发展，分析了当下舰船检测与分类面临的挑战，重点研究了SAR图像舰船目标检测、高分辨率SAR图像舰船目标特征提取与分类识别等关键技术问题。主要研究成果如下: (1)针对现有SAR舰船检测算法运算时间过长以及泛化能力较差的问题，研究提出一种基于深度神经网络的SAR图像舰船目标检测算法。首先，针对SAR图像舰船目标特点，采用无监督训练方法搭建深度神经网络构架;其次，利用小波变换得到舰船目标不同尺度特征，分别对不同深度网络进行训练;最后将深度网络输出进行特征融合并对SAR图像中的舰船目标进行检测。基于TerraSAR-X数据对算法性能进行了验证和评估，结果表明本算法在取得较高检测准确率的同时降低了检测时间，并对沿海区域极端海况具有一定鲁棒性。 (2)针对现有SAR舰船分类技术发展不完善和分类准确率较低的问题，研究提出基于上层建筑后向散射特征的SAR图像舰船目标分类算法。首先研究了舰船目标上层建筑结构特征，分析了不同结构的后向散射特征;其次，针对SAR图像的旁瓣模糊特性，研究了基于峰值特征的舰船分割算法，用以提高特征提取算法的有效性和准确性;在此基础上，提出了舰船目标的维度比特征，并采用SVM分类思想实现SAR图像舰船目标分类。基于RadarSat-2数据对算法性能进行了验证和评估，结果表明本算法有效地描述了舰船目标特征，相比现有算法表现出较高的分类准确率。 |
| 作者： | 蒋明哲 |
| 专业： | 信息与通信工程 |
| 导师： | 孟俊敏;杨学志 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
