直线特征辅助的靠岸舰船检测

针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。

一种基于可变夹角链码的靠岸舰船目标检测方法

高分辨率遥感图像上靠岸舰船的灰度、纹理特征往往和码头接近,其自动检测相对比较困难,而半米粒状轮廓特征是靠岸舰船检测中区分度较好的特征之一。利用可变夹角链码对靠岸舰船的这种轮廓特征进行描述,具有平移、旋转及缩放相对不变性。改进了可变夹角链码生成算法,并在此基础上提出了一种基于可变夹角链码的靠岸舰船检测方法。实测数据实验证明该方法在一定程度上能够解决靠岸舰船检测问题。

基于港口匹配和海域分割的靠岸舰船检测方法

针对可见光图像中靠岸舰船的灰度、纹理等特征的自动检测比较困难的问题,提出一种基于港口匹配和海域分割的靠岸舰船检测方法.根据飞行器实时返回的姿态信息,将港口模板变换到实时图同一视角下进行港口配准,确定实时图海域部分,再对海域进行分割,检测出舰船.采用基于边缘梯度矢量的港口配准方法,克服岸内边缘干扰,提高匹配精度.提出一种特征融合聚类结合生长的分割算法,解决灰度不均匀导致的分割后舰船断裂现象,优化海陆分割效果.试验结果证明了该方法的有效性和鲁棒性.

高分辨率遥感图像投影分析的靠岸舰船检测

目的高分辨率遥感图像中,靠岸舰船检测有着广泛的应用前景,其主要难点在于舰船与港口陆地在空间上紧邻,在颜色和纹理特征上相似,舰船与港口陆地难以分割。针对这种情况,利用港口岸线平直的几何特点和靠岸舰船多为舷靠的停泊特点,提出一种基于投影分析的靠岸舰船检测方法。方法首先,对原始图像进行预处理,利用K-means聚类算法与区域生长算法相结合的方式得到海陆分割图像,利用Sobel算子与Otsu分割结合的方式获取边缘图像;然后,通过改进的Hough变换提取直线特征,结合港岸几何特性定位港口岸线;再将海陆分割后的二值图像向沿岸线和垂直岸线两个方向进行投影,根据沿岸线方向投影形态确定和分离并靠舰船,根据垂直岸线方向的投影形态定位舰船目标;最后,利用舰船尺寸、长宽比、最小外接矩形占空比特征去除虚警。结果在15个港口场景不同分辨率的遥感图像测试集上,本文方法整体检测率达到85.4%,虚警率达17.2%;限定分辨率范围在2 4 m的情形下,检测率提高到93.5%,虚警率降低至5.3%。结论本文方法简单有效,无需港口先验信息,适用于多尺度和多方向的靠岸舰船目标检测任务,对不同类型舰船形态差异具有鲁棒性,且能够分离并靠舰船。

利用超像素级上下文特征进行靠岸集装箱船检测

高分辨率光学遥感影像中靠岸集装箱船受到岸边建筑、阴影和背景环境的干扰严重,且其船身模式与相邻陆地上集装箱非常相似,较难实现自动化检测。针对这一难题,提出了一种利用超像素级上下文特征进行靠岸集装箱船检测的方法。首先,对图像进行过分割生成超像素,在超像素区域提取颜色、纹理特征并级联邻域超像素特征形成超像素级上下文特征;然后,将目标超像素作为正样本,并自适应地选择较难区分的背景超像素作为负样本来训练分类器,实现对目标、背景超像素的分类;最后,利用全连接条件随机场对分类结果优化,实现对靠岸集装箱船的检测。实验结果表明,该方法能够较为可靠地检测靠岸集装箱船,具有一定的应用前景。