吉林大学学报(工学版) ›› 2019, Vol. 49 ›› Issue (4): 1369-1376.doi: 10.13229/j.cnki.jdxbgxb20171005
• • 上一篇
Chao DONG1,2(),Jing⁃hong LIU1(),Fang XU1,Ren⁃hao WANG3
摘要:
针对当前的光学遥感图像舰船检测算法无法适用于不同复杂背景的问题,根据人造目标和自然景物的亮度、颜色、边缘特征,提出了基于区域协方差特征值的显著性检测方法,讨论了单一特征值对图像显著性做出的贡献,并使用图像信息熵来度量显著图的有效性。在没有后续虚警目标剔除过程的前提下,对云、雾、海杂波、存在岛屿等复杂背景下的舰船进行检测试验,结果表明:算法能够成功检测出舰船目标,有效抑制虚警,而且本文算法简单高效,适合于工程应用。对获得的包含舰船目标的光学遥感图像进行了试验测试,表明在AUC评价指标上也优于其他5种典型显著性算法。
中图分类号:
1 | 王彦情, 马雷, 田原 . 光学遥感图像舰船目标检测与识别综述[J]. 自动化学报, 2011, 37(9):1029⁃1039. |
Wang Yan⁃qing , Ma Lei , Tian Yuan . State⁃of⁃the⁃art of ship detection and recognition in optical remotely sensed imagery[J]. Acta Automatica Sinica, 2011, 37(9):1029⁃1039. | |
2 | 刘峰,沈同圣,马新星,等 . 基于多波段深度神经网络的舰船目标识别[J]. 光学精密工程, 2017, 25(11):2939⁃2946. |
Liu Feng , Shen Tong⁃sheng , Ma Xin⁃xing , et al . Ship recongnition based on multi⁃band deep neural network[J]. Optics and Precision Engineering, 2017, 25(11):2939⁃2946. | |
3 | Tang Jie⁃xiong , Deng Chen⁃wei , Huang Guang⁃bin , et al . Compressed⁃domain ship detection on spaceborne optical image using deep neural network and extreme learning machine[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(3): 1174⁃1185. |
4 | Bi F H , Zhu B C , Gao L M , et al . A visual search inspired computational model for ship detection in optical satellite images[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(4):749⁃753. |
5 | 张国敏,殷建平,祝恩,等 . 遥感图像中基于视觉显著性的分层目标检测[J].吉林大学学报:工学版, 2007, 37(3): 625⁃629. |
Zhang Guo⁃min , Yin Jian⁃ping , Zhu En , et al . Hierarchical object detection in remote sensing image based on vision saliency [J]. Journal of Jilin University(Engineering and Technology Edition), 2007, 37(3): 625⁃629. | |
6 | 徐芳,刘晶红,曾冬冬,等 . 基于视觉显著性的无监督海面舰船检测与识别[J]. 光学精密工程,2017, 25(5):1300⁃1311. |
Xu Fang , Liu Jing⁃hong , Zeng Dong⁃dong , et al . Detection and identification of unsupervised ships and warships on sea surface based on visual saliency[J]. Optics and Precision Engineering, 2017, 25(5): 1300⁃1311. | |
7 | Itti L , Koch C , Niebur E . A model of saliency⁃based visual attention for rapid scene analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(11):1254⁃1259 |
8 | Harel J , Koch C , Perona P . Graph⁃based visual saliency[J]. Advances in Neural Information Processing Systems, 2006, 19:545⁃552. |
9 | 张文杰,熊庆宇 . 基于对比度与空间位置特征的显著性区域检测[J]. 吉林大学学报:工学版, 2015, 45(5): 1710⁃1716. |
Zhang Wen⁃jie , Xiong Qing⁃yu . Image salient region detection algorithm based on contrast and spatial location[J]. Journal of Jilin University (Engineering and Technology Edition), 2015, 45(5): 1710⁃1716. | |
10 | Shu F , Li J , Tian Y H , et al . Learning discriminative subspaces on random contrasts for image saliency analysis[J]. IEEE Transactions on Neural Networks and Learning Systems, 2017, 28(5):1095⁃1108. |
11 | Erdem E , Erdem A . Visual saliency estimation by nonlinearly integrating features using region covariances[J]. Journal of Vision, 2013, 13(4):1⁃19. |
12 | Hou X D , Zhang L Q . Saliency detection: a spectral residual approach[C]∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,Los Alamitos: IEEE Computer Society Press, 2007: 1⁃8. |
13 | Tuzel O , Porikli F , Meer P . Region covariance: a fast descriptor for detection and classification[C]∥The 9th European Conference on Computer Vision, Graz, Austria, 2006, 3952:589⁃600. |
14 | Cao Z J , Ge Y C , Feng J L . Fast target detection method for high⁃resolution SAR images based on variance weighted information entropy[J]. Eurasip Journal on Advances in Signal Processing, 2014, 45:1⁃11. |
15 | Cheng G , Han J W . A survey on object detection in optical remote sensing images[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 117:11⁃28. |
16 | Wang Y H , Liu H W . A hierarchical ship detection scheme for high⁃resolution SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(10): 4173⁃4184. |
17 | Forstner W , Moonen B . A Metric for Covariance Matrices[M]. Heidelberg: Springer, 2003: 299⁃309. |
18 | Qin Y , Lu H C , Xu Y Q ,et al . Saliency detection via cellular automata[C]∥Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Boston, USA,2015:110⁃119. |
[1] | 托乎提努尔,张海龙,王杰,王娜,冶鑫晨,王万琼. 基于图形处理器的高速中值滤波算法[J]. 吉林大学学报(工学版), 2019, 49(3): 979-985. |
[2] | 付银娟,李勇,徐丽琴,张昆辉. NLFM⁃Costas射频隐身雷达信号设计及分析[J]. 吉林大学学报(工学版), 2019, 49(3): 994-999. |
[3] | 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894. |
[4] | 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903. |
[5] | 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909. |
[6] | 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916. |
[7] | 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924. |
[8] | 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930. |
[9] | 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937. |
[10] | 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944. |
[11] | 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290. |
[12] | 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297. |
[13] | 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951. |
[14] | 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956. |
[15] | 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506. |
|