极化SAR图像海上船舶检测方法研究

极化SAR图像海上船舶检测方法研究

ID:37030999

大小:24.81 MB

页数:117页

时间:2019-05-15

极化SAR图像海上船舶检测方法研究_第1页
极化SAR图像海上船舶检测方法研究_第2页
极化SAR图像海上船舶检测方法研究_第3页
极化SAR图像海上船舶检测方法研究_第4页
极化SAR图像海上船舶检测方法研究_第5页
资源描述:

《极化SAR图像海上船舶检测方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、密级:硕士学位论文极化SAR图像海上船舶检测方法研究作者姓名:张程指导教师:王超研究员吴樊副研究员中国科学院遥感与数字地球研究所学位类别:理学硕士学科专业:地图学与地理信息系统培养单位:中国科学院遥感与数字地球研究所2018年5月ResearchonMaritimeShipDetectioninPolSARImagesAThesisSubmittedtoUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMast

2、erofScienceInCartographyandGeographicInformationSystemByZhangChengSupervisor:Prof.WangChaoAssociateProf.WuFanInstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciencesMay,2018中国科学院大学研究生学位论文原创性声明本人郑重声明:所呈交的学位论文是本人在导师的指导下独立进行研究工作所取得的成果。尽我所知,除文中已经注明引用的内容外,本论文不包含任何其

3、他个人或集体已经发表或撰写过的研究成果。对论文所涉及的研究工作做出贡献的其他个人和集体,均已在文中以明确方式标明或致谢。作者签名:日期:中国科学院大学学位论文授权使用声明本人完全了解并同意遵守中国科学院有关保存和使用学位论文的规定,即中国科学院有权保留送交学位论文的副本,允许该论文被查阅,可以按照学术研究公开原则和保护知识产权的原则公布该论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存、汇编本学位论文。涉密及延迟公开的学位论文在解密或延迟期后适用本声明。作者签名:导师签名:日期:日期:致谢本论文的研究工作得到了国家自然科

4、学基金重点项目——高分辨率SAR散射机理与应用关键科学问题研究(资助号:41331176)和国家自然科学基金面上项目——高分辨率SAR图像建筑物地震损毁分析与探测方法研究(资助号:41371413)的支持。论文中采用的高分三号数据由中国资源应用卫星中心提供。在此向上述课题和单位表示衷心的感谢。作者:张程2018年5月摘要摘要随着全球海洋运输贸易规模的迅速发展,以及各国日益加大对海洋资源的开发和环境的保护力度,对海上交通运输进行有效监测十分重要。极化合成孔径雷达(PolarimetricSyntheticApertureRadar,

5、PolSAR)因其能够获得地物的极化散射特征,包含有与目标相关更加丰富的信息,在海上船舶检测相关研究中被广泛应用。本文采用了RADARSAT-2、高分三号以及TanDEM-X全极化图像作为实验数据进行船舶检测研究。首先分析了极化SAR图像上船舶对象和海面背景的成像和散射特征差异,并根据利用极化特征提高二者对比度的思想,提出了基于差值矩阵改进的香农熵的极化SAR图像船舶检测算法。同时,采用深度学习方法对极化SAR图像船舶检测进行了探索和研究。文章主要完成了如下工作:(一)介绍了极化SAR图像海上船舶检测的国内外研究现状和相关理论基础

6、。分析了海面背景和船舶对象的成像特点与极化散射特征差异,以及在利用极化SAR图像进行船舶检测时常遇到的干扰信息。(二)从提高极化SAR图像局部对比度的角度出发,提出了基于极化协方差差值矩阵而改进的香农熵参数。采用改进的香农熵特征,可以增强船舶对象的强度,并对海面背景和干扰信息进行抑制。分析了该特征图像上海面背景的分布模型,并采取CFAR方法实现船舶对象的检测。采用实验数据对该方法进行验证,并与其他方法进行对比。本方法能够实现虚警率和漏检率的同时降低,提高检测结果准确度。(三)从探索深度学习在极化SAR图像船舶检测领域应用前景的角度

7、出发,利用卷积神经网络FasterR-CNN模型对其进行研究。对由实验数据的Pauli图像所构成的测试集上,采用FasterR-CNN模型对船舶对象实现检测,检测准确率达到了90%以上,同时应用到开阔海域和包含有陆地与海岸的整景影像的检测。I极化SAR图像海上船舶检测方法研究关键词:极化SAR,船舶检测,改进香农熵,深度学习,FasterR-CNNIIABSTRACTABSTRACTItisincreasinglycrucialtoconducteffectivesupervisionoverthemaritimetranspor

8、tation,withtherapiddevelopmentoftheglobalmaritimetransportationandtheincreasingeffortstotheexploitationofthemarineresourcesa

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。