高分辨率光學(xué)遙感圖像小目標(biāo)檢測技術(shù)研究.pdf

1、廈門大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨(dú)立完成的研究成果。本人在論文寫作中參考其他個(gè)人或集體己經(jīng)發(fā)表的研究成果，均在文中以適當(dāng)方式明確標(biāo)明，并符合法律規(guī)范和《廈fJX學(xué)研究生學(xué)術(shù)活動(dòng)規(guī)范(試行)》。另外，該學(xué)位論文為福建省智慧城市感知與計(jì)算重點(diǎn)實(shí)驗(yàn)室“遙感與空間信息科學(xué)中心”的研究成果，獲得重點(diǎn)實(shí)驗(yàn)室和中心的資助，在重點(diǎn)實(shí)驗(yàn)室完成。聲明人(簽名)：陸、子儀沙f6年y月切日摘要隨著圖像空間分辨率不斷提高，基于高分

2、辨率光學(xué)遙感圖像的小目標(biāo)檢測技術(shù)越來越得到青睞和關(guān)注。高分辨率光學(xué)遙感圖像具有空間分辨率高、覆蓋范圍廣、獲取方式便捷的特點(diǎn)，圖像中的目標(biāo)保留了豐富的顏色和紋理特征，因此可以廣泛應(yīng)用于諸多領(lǐng)域，如軍事領(lǐng)域、道路規(guī)劃與交通監(jiān)管、智慧城市建設(shè)、環(huán)境監(jiān)測、農(nóng)業(yè)生產(chǎn)監(jiān)管、抗震救災(zāi)等。在多數(shù)應(yīng)用領(lǐng)域中，目標(biāo)檢測是一個(gè)重要的任務(wù)。特別地，在軍事領(lǐng)域、道路規(guī)劃與交通監(jiān)管領(lǐng)域、智慧城市建設(shè)等領(lǐng)域，飛機(jī)、艦船和汽車等小目標(biāo)的檢測是其中的關(guān)鍵基本任務(wù)，高效的

3、小目標(biāo)檢測技術(shù)具有重大意義?；诟叻直媛使鈱W(xué)遙感圖像小目標(biāo)檢測技術(shù)的研究已經(jīng)取得了重大的進(jìn)展。然而，現(xiàn)有的高分辨率光學(xué)遙感圖像小目標(biāo)檢測技術(shù)仍然存在以下幾個(gè)問題：(1)缺乏自適應(yīng)生成有意義訓(xùn)練樣本的策略，訓(xùn)練樣本的生成比較盲目；(2)滑動(dòng)檢測策略比較低效：(3)缺乏對(duì)構(gòu)建小型完備訓(xùn)練樣本子集的研究，訓(xùn)練樣本子集的訓(xùn)練效果魯棒性差；(4)檢測精度不高；(5)目標(biāo)特征表示不夠魯棒。本文針對(duì)高分辨率光學(xué)遙感圖像小目標(biāo)檢測所面臨的科學(xué)和算法問題

4、，主要圍繞以下三個(gè)內(nèi)容進(jìn)行研究：首先，針對(duì)現(xiàn)有方法在訓(xùn)練樣本生成時(shí)比較盲目以及在檢測時(shí)缺乏高效的滑動(dòng)策略，提出了一個(gè)綜合考慮空間、顏色以及鄰域統(tǒng)計(jì)概率信息的超像素分割算法。所提方法的分割具有速度快，邊緣保留度高，穩(wěn)定(較低的分割斷裂率)的優(yōu)點(diǎn)。基于該超像素分割算法生成的訓(xùn)練樣本，保留了局部的結(jié)構(gòu)信息，具有局部結(jié)構(gòu)意義。在檢測時(shí)，首先將測試圖像通過該超像素分割算法分割成超像素塊，之后基于超像素塊中心進(jìn)行滑動(dòng)掃描，大大提高了檢測效率和精度。

5、其次，針對(duì)高分辨率光學(xué)遙感圖像小目標(biāo)檢測算法普遍缺乏對(duì)構(gòu)建小型完備訓(xùn)練樣本子集的研究以及檢測精度不高的問題，提出了一個(gè)基于面向稀疏表示的樣本迭代選擇的高分辨率光學(xué)遙感圖像車輛檢測框架。該框架在訓(xùn)練階段的訓(xùn)練樣本生成以及檢測階段的滑動(dòng)掃描時(shí)，均是基于本文提出的高分辨率光學(xué)遙感圖像超像素分割算法。為了從大量樣本中選取最有效最魯棒的小型完備訓(xùn)練樣本子集，提出了基于稀疏表示的訓(xùn)練樣本迭代選擇算法。該框架提取所構(gòu)建訓(xùn)練樣本子集中樣本的HOG特征作