傅里葉變換后的圖像塊，判斷傅里葉變換后的圖像塊是否含有云層噪聲；若傅里葉 變換后的圖像塊含有云層噪聲，則根據模板設計加入漢明窗的濾波器對傅里葉變換后的圖 像塊進行濾波，得到去除云層噪聲后的圖像； 步驟三、對去除云層噪聲后的圖像進行灰度閾值分割的二值化得到二值化圖像，在二 值化圖像中檢測到種子點或種子區域；根據檢測到種子點或種子區域進行區域生長獲得艦 船船體區域； 其中，檢測到種子點或種子區域進行區域生長獲得艦船船體區域的具體過程為： (1)獲得種子區域之后，采用相對二值化閾值低于20%的生長閾值進行八鄰域的區域 生長； ⑵以種子區域中的點為中心，判斷八連通域中的點的值是否大于選定生長閾值；若 八連通域中的點的值大于選定生長閾值，將八連通域中的點的值設為1 ; (3)重復步驟（1)和（2)直到八鄰域的區域相鄰兩次區域生長的結果一致或重復步驟 (1)和（2)進行了 20次為止；得到八鄰域的區域生長獲得的完整的艦船船體區域； 步驟四、通過艦船船體區域的面積和長寬比特征進行篩選，獲得最終的高分辨率衛星 圖像中艦船目標檢測結果。2. 根據權利要求1所述一種基于海岸線數據及頻譜分析的艦船目標檢測方法，其特征 在于：步驟一中獲得同一地點的海岸線矢量數據和高分辨率衛星遙感圖像，完成海岸線矢 量數據比例尺和高分辨率衛星遙感圖像的分辨率兩類數據坐標系的統一，在手動修正微小 細節后，利用陸地掩膜去除高分辨率衛星遙感圖像中陸地地物噪聲；形成背景全為海洋的 圖像數據即掩膜后的圖像具體過程為： (1) 、數據準備；以矢量數據方式給出海岸線數據； (2) 、利用海岸線數據的公開的美國國家海洋與大氣管理局測算的中分辨率海岸線數 據的比例尺完成數據坐標系的統一； 根據經煒度確定海岸線矢量數據和高分辨率遙感圖像數據屬于同一地理位置，并且要 求海岸線矢量數據和高分辨率遙感圖像數據的方向呈與正北方向對齊狀態； 其中，比例尺與圖像分辨率由以下公式換算：式中，PPI為每英寸像素數；0. 0254是英制單位和公制單位的換算常數； (3) 、手動微調；將海岸線矢量數據和高分辨率遙感圖像數據顯示在同一數據可視化窗 口界面中，采用人工的方式將沒有準確對應的海岸線邊界點調整至高分辨率遙感圖像中顯 示的海岸線上； (4)、陸地掩膜；將遙感圖像中的海岸線通過海岸線矢量數據標示出之后，去除高分辨 率遙感圖像中的陸地部分，即可輸出陸地掩膜后的圖像；其中，掩膜后的圖像去除了對艦船 目標檢測影響極大的陸地地物，形成背景為海洋的圖像數據。3. 根據權利要求2所述一種基于海岸線數據及頻譜分析的艦船目標檢測方法，其特征 在于：比例尺極限范圍是1:10000到1:600000。4. 根據權利要求3所述一種基于海岸線數據及頻譜分析的艦船目標檢測方法，其特征 在于：步驟二中對掩膜后的圖像進行分塊處理，形成圖像塊，對圖像塊進行二維快速傅里葉 變換得到傅里葉變換后的圖像塊，判斷傅里葉變換后的圖像塊是否含有云層噪聲；若傅里 葉變換后的圖像塊含有云層噪聲，則根據模板設計加入漢明窗的濾波器對傅里葉變換后的 圖像塊進行濾波，得到去除云層噪聲后的圖像的具體過程： (1) 、對掩膜后的圖像進行分塊處理成512像素X512像素的圖像塊和長或寬小于512 的圖像塊；對圖像塊進行二維快速傅里葉變換；得到傅里葉變換后的圖像塊； (2) 、在頻域空間中，計算傅里葉變換后的圖像塊頻譜的幅度，并將傅里葉變換后的圖 像塊頻譜的幅度轉換為對數單位，用分貝形式表示成頻域空間的幅度圖；在頻域空間畫出 幅度圖，判斷傅里葉變換后的圖像塊云層噪聲是否存在，如果存在，根據云層噪聲的特征， 設計濾波器模板并加入漢明窗將云層噪聲從傅里葉變換后的圖像塊中濾除。5. 根據權利要求4所述一種基于海岸線數據及頻譜分析的艦船目標檢測方法，其特征 在于：判斷云層噪聲是否存在的具體過程為： (1) 、根據云層噪聲的這種特征，計算頻域空間中的傅里葉變換后的圖像塊分別以頻域 空間中X軸和y軸為中軸線、沿中軸線兩邊分別擴展5個單位坐標長度形成的帶狀區域內 的幅度平均值作為信噪比判別中的信號分量；將由頻域坐標軸分割成的四個象限中的幅度 平均值作為噪聲分量；在頻域空間中，將頻譜的幅度轉化為對數傅里葉變換后的圖像的信 噪比的計算表示為： 信噪比（dB)=信號分量-噪聲分量 為信噪比設定一個信噪比閾值，判定傅里葉變換后的圖像塊是否有云層噪聲存在；若 傅里葉變換后的圖像塊信噪比大于閾值，則傅里葉變換后的圖像塊存在云層噪聲； (2) 、根據云層噪聲的特征，設計濾波器模板并加入漢明窗將云層噪聲從傅里葉變換后 的圖像塊中濾除。6. 根據權利要求5所述一種基于海岸線數據及頻譜分析的艦船目標檢測方法，其特征 在于：根據云層噪聲的特征，設計濾波器模板并加入漢明窗將云層噪聲從傅里葉變換后的 圖像塊中濾除的具體過程為： 1) 在對云層噪聲進行濾波時，設計濾出云層噪聲的濾波器模板； 2) 在步驟1)得到的濾波模板上加海明窗系數；其中，海明窗的系數ω(n)計算公式 為：由于已經將圖像分割為512X512大小，因此窗口長度L= 512,其中，L=Ν+1;ω(η) 為濾波器系數、Ν為濾波器長度，η濾波器步進點序列； 3) 通過海明窗的系數和濾波器模板設計二維有限長沖擊響應濾波器即FIR濾波器；獲 得FIR濾波器后，在空間域中進行卷積濾出云層噪聲圖像； 4)由于在濾波器濾出云層噪聲后，令高分辨率衛星遙感圖像的像素值與濾出的云層噪 聲圖像的像素值相減，從而獲得去噪圖像。7. 根據權利要求6所述一種基于海岸線數據及頻譜分析的艦船目標檢測方法，其特征 在于：步驟三中灰度閾值分割的二值化方法具體為： 將進行灰度分割的二值化閾值設定為圖像最大灰度值的75% -85% ;高分辨率衛星遙 感圖像的像素值大于等于二值化閾值，在二值化圖像中設為1 ;高分辨率衛星遙感圖像的 像素值小于二值化閾值，在二值化圖像中設為0。8. 根據權利要求7所述一種基于海岸線數據及頻譜分析的艦船目標檢測方法，其特征 在于：步驟四中通過艦船船體區域的面積和長寬比特征進行篩選的具體過程： (1) 、若艦船船體區域目標二值圖像的面積不處在合理區間，則將艦船船體區域目標判 斷為非艦船目標，將非艦船目標剔除；其中，合理區的面積范圍為200到800像素； (2)、若疑似艦船目標的長寬比在3到8范圍內，則判定疑似艦船目標為艦船船體區域 目標；若疑似艦船目標的長寬比應在3到8范圍外，則判定疑似艦船目標為非艦船目標。
【專利摘要】一種基于海岸線數據及頻譜分析的艦船目標檢測方法，本發明涉及艦船目標檢測方法。本發明是要解決現有技術不能有效去除噪聲以及大幅面衛星圖像中艦船目標的檢測消耗較大的計算資源和時間的問題，而提出的一種基于海岸線數據及頻譜分析的艦船目標檢測方法。該方法是通過一、形成背景全為海洋的圖像數據即掩膜后的圖像；二、得到去除云層噪聲后的圖像；三、得到二值化圖像，在二值化圖像中檢測到種子點或種子區域；根據檢測到種子點或種子區域進行區域生長獲得艦船船體區域；四、通過艦船船體區域的面積和長寬比特征進行篩選，獲得最終的高分辨率衛星圖像中艦船目標檢測結果等步驟實現的。本發明應用于艦船目標檢測領域。
【IPC分類】G06T7/00, G06T5/00
【公開號】CN105303526
【申請號】CN201510594428
【發明人】張鈞萍, 金天明
【申請人】哈爾濱工業大學
【公開日】2016年2月3日
【申請日】2015年9月17日