搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
高分辨率SAR图像船舶目标检测与分类
0.00    
图书来源: 浙江图书馆(由图书馆配书)
  • 配送范围:
    全国(除港澳台地区)
  • ISBN:
    9787030389343
  • 作      者:
    王超等著
  • 出 版 社 :
    科学出版社
  • 出版日期:
    2013
收藏
内容介绍
  《高分辨率SAR图像船舶目标检测与分类》基于高分辨率、全极化等多种新型SAR数据源,对海洋表面目标船舶、尾迹等进行了以“检测与识别”为主的方法及算法应用研究论述。除较全面地论述当前常用的目标检测方法外,《高分辨率SAR图像船舶目标检测与分类》创新性地将模式识别技术引入海洋目标的识别问题中,解决了商船、油船等常见船舶的分类问题,并利用AIS数据对本书所论述的技术方法进行验证。
  《高分辨率SAR图像船舶目标检测与分类》供从事模式识别、遥感、测绘、海洋、海事、交通等学科领域的科研和工程技术人员参考。本书是近年来作者王超在该领域全新研究成果的阶段性总结。
展开
精彩书摘
  3.1.2  成像区域环境对检测性能的影响
  成像区域环境同样对船舶检测结果也会产生较大的影响。环境因素包括海洋表面的海况,海面气候,海面大面积的人为/自然薄膜、人工建筑、海冰、海洋礁石以及海底地形变化等。
  海洋表面海况是影响海洋船舶检测的最重要因素,它包括海面的风速和浪高两方面因素的影响。一般来说,海洋表面的波浪和洋流会造成海洋表面粗糙度的变化,从而使得海洋表面的后向散射增强,造成船舶目标的回波被海洋背景杂波淹没,产生漏检。同时由于波浪成像的流体调制和速度聚束作用,部分海浪的浪峰在SAR图像上表现为高亮的图斑,从而在检测结果中可能混入大量的虚假目标。而海洋表面的风场是引起海洋表面波浪的最主要原因之一。由于海洋表面波浪的持续时间一般较短,可以认为海洋表面的波浪直接反映了海洋表面风场的特性。因此较大的海洋表面风速将会产生粗糙的海洋表面,进而产生强烈的Bragg散射,使得海洋表面的后向散射大大增强;较小的风速,则会使得风场控制区域的海洋表面相对较为平滑,从而具有较小的后向散射强度。在其他条件一定时,船舶检测能力以及最小可检测的海面船舶长度随着海洋表面风速的增加而减小。
  然而,与海面总体海况相比,海洋表面局部海况的变化有时对船舶检测的结果影响要大得多。这是由于海洋表面的局部剧烈气候变化导致海面局部海况发生变化,从而对船舶检测能力产生影响。例如,局部海区的暴风雨,使得局部区域内的海面粗糙度大大增加,从而在SAR图像上形成局部的高亮区域,使得在该区域内以及周边区域进行船舶检测时,可能出现大量的漏检和虚警。
  海面人工薄膜,如海面的大面积海洋溢油,可能会使得局部海域的表面后向散射系数低于周边区域,导致海洋表面的后向散射系数发生变化,从而在海杂波统计特性和检测阈值时出现误差和错误,造成虚警和漏检。而海藻等自然薄膜的作用则恰恰相反,海面海藻的聚集使得海洋表面的后向散射系数可能高于无海藻或海藻稀疏区域,从而导致统计参数和阈值的错误造成虚警和漏检。海冰、海面人工目标(如海面钻井平台、海产养殖区域的养殖笼网等),以及海面礁石等由于具有较强的后向散射系数,在SAR图像上表现为高亮的点目标或硬目标,从而在检测船舶目标时被误判为船舶目标,在最终的检测结果中造成虚警。海底地形对检测性能的影响相对较小,也不常见,但是当海底地形的变化极为剧烈,如出现数百米的骤降或是骤升,同时海洋表面的水深较浅且具有较强的海洋表面波时,海底地形的剧烈变化将会造成海洋表面波浪的局部变化,从而在图像上表现为海洋局部的明暗变化。这种变化同样也可能造成统计参数和阈值的计算错误,产生虚警和漏检。
  ……
展开
目录

前言
第1章  绪论
1.1  高分辨率星载SAR系统
1.2  星载SAR图像船舶检测
1.3  星载SAR图像船舶分类与识别
1.4  星载SAR船舶监测项目及系统
1.4.1  国外星载SAR船舶监测项目
1.4.2  星载SAR船舶监测系统
参考文献
第2章  面向船舶检测识别的SAR图像预处理
2.1  海陆分割方法
2.1.1  GIS辅助的海陆分割
2.1.2  基于Snake模型的海陆分割
2.2  海洋目标SAR图像增强方法
2.2.1  引力场增强
2.2.2  静态小波增强
2.3  船舶目标在SAR图像中的地理定位方法
2.3.1  几何光学模型
2.3.2  R-D模型
2.3.3  有理多项式模型
2.3.4  小结
参考文献
第3章  高分辨率SAR图像船舶目标检测
3.1  船舶检测性能分析
3.1.1  SAR系统特性对检测性能的影响
3.1.2  成像区域环境对检测性能的影响
3.1.3  船舶目标特征对检测性能的影响
3.1.4  SAR图像处理和检测方法对检测性能的影响
3.2  基于统计模型的CFAR目标检测
3.2.1  CFAR检测理论基础
3.2.2  SAR图像海洋杂波常用统计模型
3.2.3  分布模型的参数估计
3.2.4  基于各种统计模型的CFAR检测器
3.3  SAR船舶检测几种经典算法
3.3.1  双参数CFAR检测算法
3.3.2  基于K分布的CFAR检测算法
3.3.3  基于模板匹配的SUMO检测算法
3.3.4  小结
3.4  基于联合分布的SAR图像船舶检测
3.4.1  算法原理与流程
3.4.2  实验与分析
3.5  基于多特征优化的高分辨率SAR船舶检测方法
3.5.1  算法原理与流程
3.5.2  实验与分析
3.6  基于长度归一化扫描的SAR图像尾迹检测方法
3.6.1  尾迹检测方法概述
3.6.2  算法原理与流程
3.6.3  实验与分析
3.7  基于主成分分析的SAR图像商用船舶航向提取方法
3.7.1  算法原理与流程
3.7.2  实验与分析
参考文献
第4章  高分辨率SAR图像船舶特征分析
4.1  船舶特征概述
4.2  SAR图像船舶目标特征分析
4.2.1  船舶SAR图像特征
4.2.2  典型类别船舶SAR图像特征
4.3  SAR图像船舶特征点提取分析
4.3.1  船舶峰值特征点
4.3.2  船舶SIFT特征点
4.4  船舶SAR图像模拟
4.4.1  SAR图像模拟方法
4.4.2  船舶SAR图像模拟分析
参考文献
第5章  高分辨率SAR图像船舶目标分类识别
5.1  基于散射矩阵的船舶分类识别方法
5.1.1  算法原理与流程
5.1.2  实验与分析
5.2  基于几何结构的船舶分类识别方法
5.2.1  算法原理与流程
5.2.2  实验与分析
5.3  基于结构特征的船舶分类识别方法
5.3.1  算法原理与流程
5.3.2  实验与分析
5.4  基于几何和散射特征联合的船舶分类方法
5.4.1  算法原理与流程
5.4.2  实验与分析
参考文献
彩图
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证