1 引言
舰船监测是各海岸地带国家的传统任务,利用卫星影像对重点海域和重要港口进行监控,可大大提高海防预警以及海运监测管理、调度的能力。利用合成孔径雷达(SAR)图像进行舰船检测的研究和技术开发在海洋遥感领域获得了高度重视,目前已提出了许多舰船检测算法。随着国外WorldView2、WorldView3、中国GF-2等高空间分辨率遥感卫星的发射,基于高分辨率光学遥感影像的信息提取与目标识别逐渐成为新的研究热点,但针对舰船的目标检测与识别算法并不多。
目前,对于遥感影像中的海上舰船目标,由于其背景基本上是以海面为主的自然背景,与舰船目标在灰度、纹理等特征上差别比较明显,因此许多基于自适应阈值、几何模型等的算法均取得了比较好的分割效果。但是对于停靠于港口码头的舰船,由于背景区域不只是自然背景,还有大量人造目标,尤其是码头与停靠舰船灰度特征差别不大,都与港口区域的海面灰度特征对比度明显,一般的自动阈值分割将使码头与舰船被标记为同类区域,而且目前大部分舰船检测算法的实现均需要依靠先验的港口模板或者港口信息,因此,港口停靠舰船的自动提取面临着很大的困难。
针对这一难题,航天宏图技术人员针对在高分辨率光学遥感影像中的靠港大型舰船的自动检测问题进行了深入研究,提出了一种沿海岸线缓冲区检测舰船的算法——PIE港口停靠舰船自动检测算法,可以完全摆脱了对港口先验模板的依赖。
2 技术路线
PIE港口停靠舰船自动检测算法主要分为两大步:第一步是沿海岸线取缓冲区,同时对缓冲区进行分块,以便检测靠港的舰船。第二步是对每一小块图像进行舰船检测。其技术流程如下图所示。
图1 舰船目标检测数据流图
2.1
确定海岸线
利用PIE港口目标检测算法进行海岸线的提取。
2.2
提取缓冲区并分块
由于此处获得的海岸线是使用港口检测中提取出的海岸线轮廓,而事实上,这条海岸线将靠港的舰船也一并归入海岸线,鉴于海岸线的不精确性,因此我们沿着海岸线提取缓冲区,最后在缓冲区里根据舰船的特征进行筛选舰船。
根据舰船的大小,将原始影像沿海岸线取正方形图片切片用于检测舰船。影像的切片之间有重叠,这是为了避免舰船被边缘切断,保证舰船的完整性。海岸线缓冲区切片如图2所示。
图2 海岸线缓冲区切片效果图
2.3
轮廓提取
对每一个影像切块进行轮廓提取。一个轮廓一般对应一系列的点,这一系列点连接起来形成一个闭合区域。轮廓提取是针对每一个切片进行的,首先将切片由彩色图像变为灰度图像,然后使用Canny算子得到仅带有形状边缘的二值图,如图3所示。
然后,在该图中将相邻的像素点进行连接,则可以不同的连线,对连线进行闭合判断,将没有闭合的连线删去,剩余的则是闭合的轮廓。在此处,轮廓代表的实际物体有很多种情况,有舰船轮廓,也有舰船上的细节物体的轮廓,也有陆地或海岸线的轮廓,有待于进一步筛选。
图3 切片边缘提取效果图
2.4
目标筛选
对生成的轮廓进行筛选:首先将陆地上的轮廓排除,通过实际计算,舰船的宽度不超过30米,因此,若求得轮廓距离海岸线的距离大于30米,则可排除靠港舰船的可能性。
然后,依次对轮廓的长度和长宽比进行计算,根据前面特征分析的结果,对不符合靠港舰船的情况进行排除。
之后,将所有切片中的轮廓放置在原始图像中,将重复检测到的目标消除冗余,剩余的便是最后的疑似舰船目标。筛选过程的参数可以用户自行设定。
3 检测效果展示
舰船目标检测效果如图4所示,从图中可以看出,该算法将沿港口岸边的舰船均已提取出来,但是有一定的误警率(如图5所示),这是因为岸上有一部分人工建筑物干扰,所以需要进一步人工辅助解译。此算法克服了对港口先验模板的依赖,但算法精度有待进一步提高。
图4 舰船目标检测算法效果图
北京航天宏图信息技术股份有限公司
地址:北京海淀区杏石口路益园文化创意产业基地C区5 楼三层
电话:010-82556925
传真:010-82556924
址:http://www.piesat.cn
欢迎加入PIE遥感技术交流QQ群:166125728
科技服务 会 遥感走进生活
国内领先的卫星应用系统服务商
声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!