CN102768356B - 一种利用多时相雷达数据检测海上静止目标的方法 - Google Patents
一种利用多时相雷达数据检测海上静止目标的方法 Download PDFInfo
- Publication number
- CN102768356B CN102768356B CN201210275677.7A CN201210275677A CN102768356B CN 102768356 B CN102768356 B CN 102768356B CN 201210275677 A CN201210275677 A CN 201210275677A CN 102768356 B CN102768356 B CN 102768356B
- Authority
- CN
- China
- Prior art keywords
- target
- point
- window
- image
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000003068 static effect Effects 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 31
- 230000008878 coupling Effects 0.000 claims description 20
- 238000010168 coupling process Methods 0.000 claims description 20
- 238000005859 coupling reaction Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 239000004744 fabric Substances 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 8
- 241001269238 Data Species 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 7
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 claims description 5
- 238000006467 substitution reaction Methods 0.000 claims 1
- 238000005553 drilling Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000010287 polarization Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种利用多时相雷达数据检测海上静止目标的方法。该方法使用的数据为多时相的ENVISATASAR影像,首先对于多景ENVISATASAR数据使用基于双参数的恒虚警率(CFAR)算法提取海上目标,针对ENVISATASAR数据提出了优选的算法参数,使得双参数CFAR适用于ENVISATASAR数据。对于多时相的海上目标,使用一种基于RANSAC算法的海上目标点匹配方法进行匹配,经匹配后的点目标中相互重合的点就为海上静止目标。该方法能够有效地检测海上钻井平台等海上静止目标,从而快速、及时、准确地监测海域石油开发等资源和环境状况。
Description
技术领域
本发明涉及一种检测海上静止目标的方法,特别是涉及一种利用多时相雷达影像检测海上静止目标的方法。
背景技术
南海是我国资源重库,油气资源极为丰富。2012年5月9日,我国中国首座自主设计、建造的第六代深水半潜式钻井平台“海洋石油981”正式开钻。截止目前为止,南海海域各国各类钻井平台达1000多座,及时发现并监测这些海上静止目标显得极为重要。然而,对海上目标及其附近的海域进行监测,首先需要发现海上的静止目标。
在海上目标检测方面,国内外学者进行了大量的研究。比如:2001年,Pastina D等人在《IEEE Trans.on Aerospace and Electronic Systems》37卷3期发表“Adaptive polarimetric target detect ion with coherent radarPart I and Part II”一文基于极化SAR数据中提出了类似功率比的方法来检测水上目标;2004年,胡应添等人在《遥感技术与应用》19卷第6期中发表“SAR图像中海上舰船目标自动检测新方法”一文,针对中分辨率近岸海域SAR图像,根据相应的抽取算法和图像数据映射准则,分离图像中的海洋和陆地区域,并结合最大熵分割法提取海洋背景中包含候选目标的感兴趣区域,最后利用特征匹配方法检测出真正的舰船目标;2005年,李长军等人在《计算机应用》25卷第8期中发表“基于模糊理论的SAR图像海上舰船检测方法研究”一文,先利用改进的模糊增强算法对图像进行增强处理,分离图像中海洋区域和陆地区域,并结合最大熵分割法提取海洋背景中包含候选舰船的感兴趣区域,最后对ROI区域进行分割,提取舰船的特征,并基于模糊推理技术实现对海上舰船目标的检测;2007年,张露等人在《遥感技术与应用》22卷第3期中发表“SAR海上静止目标检测”一文,利用子孔径分解技术和2L-IPH(Two-Looks InternalHermitian Product)方法检测海上静止目标,结合目标形状和子孔径运动检测方法,将海上静止目标和运动的目标区分开来;2008年,张露等人在《电子学报》36卷第6期中发表“基于子孔径分解的SAR动目标检测方法”,在子孔径分解技术的基础上提出一种从单通道SAR SLC数据中检测动目标的方法,通过子孔径图像之间的相减操作来抑制杂波;2011年,武鹏等人在《电子与信息学报》33卷第10期中发表“基于极化特征分解的海上小目标检测算法研究”,从全极化信息处理角度解决低擦地角下,海杂波中的低可观测小目标检测问题,提出了一种基于极化特征分解的海上小目标检测方法。然而,研究的重点主要是海上舰船等动态目标提取,存在目标误判的现象;此外,其他海上目标提取方法,如时频信号处理、分形维法、极化特征提取等方法,由于受海杂波及外界环境的影响,静止目标与动态目标难以区分,还会出现一些虚假目标,检测精度有待进一步提高。
以上海上静止目标检测的方法均是针对单幅影像进行海上静止目标的检测,由于计算复杂,运算速度较慢,往往仅用于实验室等科学研究领域。
2002年3月1日,欧洲空间局(ESA)发射了ENVISAT卫星,迄今为止,它是欧洲建造的最大的环境卫星,也是费用最高的地球观测卫星。该卫星载有最先进的合成孔径雷达(Advanced synthetic Aperture Radar,ASAR)。ENVISAT ASAR数据除了具有全天时、全天候、穿透性等特性外,还具有许多独特的性质。ASAR具有双极化功能、5种工作模式、多种入射角、宽幅成像等。ASAR更为强大,可为海岸、极地冰冠、土壤、植被、海洋等雷达监测研究提供丰富的数据信息。ASAR得到的是复散射矩阵形式的数据,多通道的极化数据可更好地表述物体后向散射特性,更多的信息量使得其在目标检测与分类等方面更具有优势。由于海上多云多雨,利用传统的光学影像进行海上目标检测有很多的局限性。与光学、红外等传感器相比,ASAR成像不受天气、光照等条件的限制,可对感兴趣目标进行全天候、全天时的侦察。其次,由于海上静止目标多会产生角反射,而ASAR能够以多角度、多极化的方式观测目标,提供了关于目标的更多信息。
发明内容
本发明要解决技术问题是:克服现有海上静止目标检测方法的不足,提供一种利用多时相雷达数据检测海上静止目标的方法,该方法不仅解决了多云多雨的复杂环境下海上静止目标难以发现的问题,而且计算简单,运算速度快。
为了解决以上技术问题,本发明提供一种利用多时相雷达数据检测海上静止目标的方法,包括以下步骤:
步骤1、数据准备——选取目标区域不同时相的两景ENVISAT ASAR影像数据;
步骤2、基于双参数CFAR算法的ENVISAT ASAR海上目标点检测——针对两景ENVISAT ASAR数据使用基于双参数CFAR的海上目标算法进行海上目标的检测,得到两景数据的点目标图,对于ENVISAT ASAR数据使用矩形作为CFAR算法的窗口,CFAR算法的目标窗口大小为3×3,保护窗口大小为7×7,背景窗口大小为13×13,虚警率检测控制系数设定为45;
步骤3、基于RANSAC的海上目标点匹配——使用RANSAC算法实现海上目标点的匹配,具体如下:
Ⅰ)在两景海上点目标图中分别随机选取两个点作为两个点对,将这四个点坐标分别带入如下的转换方程计算转换参数。
式中,x、y和u、v分别为两景影像上选取的点的坐标,m1、m2、m3、m4、tx、ty为转换方程的转换参数。
Ⅱ)使用计算得到的转换参数构建转换方程对待转换影像的所有海上目标点进行转换;
Ⅲ)计算转换后的点集与参照点集中点的距离,如果距离不大于300米,即认为这两点重合,并记录重合的点数;
Ⅳ)重复Ⅰ)-Ⅲ)直至重合点数大于3,重合点数大于3的转换模型为最优转换模型,使用最优转换模型对两景海上点目标图进行匹配,完成点目标的匹配。
本发明适用于存在3个以上静止目标的ENVISAT ASAR数据的处理,所以只需要判断重合点数大于3就找到了最优转换模型,也就完成了点目标的匹配。
步骤4、海上静止目标检测--在步骤Ⅲ)中完成匹配的点目标图中,重合的点目标为海上静止目标。
由于任意三个移动目标在两幅影像上保持固定的相对位置的概率极低,而静止目标始终能保持固定的相对位置,所以步骤3中得到的重合点数量大于3时,即可以认为检测到了所有的海上静止目标。
本发明的创新点在于:利用多时相的ENVISAT ASAR影像,并使用适用于ENVISAT ASAR数据的双参数(即窗口参数和虚警率检测控制系数)CFAR算法参数,进行影像海上目标的检测。对于检测得到的多时相海上目标点集,基于保证影像匹配后重合的点目标最多的思想,使用RANSAC算法框架实现海上目标点的匹配,并最终检测海上静止目标。该方法能够有效地检测海上钻井平台等海上静止目标,从而快速、及时、准确地监测南海及周边海域石油开发等资源和环境状况。
本发明在步骤2中,提供了一种基于雷达信号的恒虚警率进行目标提取方法,其中虚警率表示背景被错误的检测为海上目标的概率,具体方法如下:
I)a1、设定基于恒虚警率的ENVISAT ASAR影像海上目标检测算法对应的各检测窗口,包括目标窗口、保护窗口和背景窗口,其中所述目标窗口为待测目标所在窗口,所述背景窗口为背景统计信息,所述保护窗口确保待测目标像素不被包含在背景窗口中;
a2、设定目标检测准则为μt>μb+σbt,公式中,t为恒虚警率检测控制系数,μt为目标窗口的均值,μb为背景窗口的均值,σb为标准偏差,均值与标准偏差的计算公式为:
其中,Si为位于背景窗口中同时位于保护窗口外的影像单元点的灰度值,N为位于背景窗口中同时位于保护窗口外的影像单元点的数量;
判定满足该准则的目标窗口中心位置的影像单元为目标,否则为影像背景;同时滑动所述目标窗口、保护窗口和背景窗口,完成遍历后生成目标-背景二值影像;
a3、遍历目标-背景二值影像,构造标记数组与提取规则,即提取到矢量点状目标。
本发明在步骤3中,提供了一种基于RANSAC的对两幅目标点图进行匹配的方法,具体如下:分别在两幅目标点图中随机选取两个目标点,构成两对目标点对,根据坐标转换公式,计算点图的转换参数和转换模型,根据转换模型对待匹配目标点图中的所有点进行转换,计算转换后两幅点图的重合点的数量,如果大于3则对应的转换模型为最优模型,使用最优模型进行点集的转换,即完成了两幅目标点图的匹配。
本发明在步骤3中,若匹配后的两幅图像中目标点对的距离不大于2个像素,则判定为重合点。在ENVISAT ASAR影像中,分辨率为1个像素表示150米,距离不大于2个像素也就是表示距离不大于300米。
本发明带来的有益效果是:
第一,双参数CFAR算法的参数的设置会显著影响海上目标提取结果,尤其是虚警控制系数的设定直接关系到虚警目标的数量。本发明提出了适用于ENVISAT ASAR的CFAR算法参数,大大提高了海上目标提取的正确性和完整性,效果显著。
第二,本发明对ENVISAT ASAR影像使用点模式的匹配方法,其基本思想是保证匹配到一起的点数最多,在匹配的过程中寻找能够满足最多匹配点对的转换模型,匹配的速度快,精度高。
第三,本发明针对海上ENVISAT ASAR影像水域面积广阔的特点,利用多时相的ENVISAT ASAR影像,提取ENVISAT ASAR影像中的所有海上点状目标,并利用匹配的方式发现海上静止目标,有效地解决了传统的检测海上静止目标计算复杂、运算速度慢的问题,并能够适应多云多雨的复杂环境,从而能够有效地检测海上钻井平台等海上静止目标,快速、及时、准确地检测石油开发等资源和环境状况。
附图说明
下面结合附图对本发明作进一步的说明。
图1为2006年获取的名为ASA_WSM_1PNCUH20061013_14524的ENVI SAT ASAR宽幅影像。
图2为2008年获取的名为ASA_WSM_1PNCUH20080208_02335的ENVISAT ASAR宽幅影像。
图3为本发明实施例中基于改进恒虚警率的ENVISAT ASAR影像海上目标检测算法对应的检测窗口。
图4为2006年的ENVISAT ASAR影像得到的目标结果图。
图5为2008年的ENVISAT ASAR影像得到的目标结果图。
图6为本实施例最后得到的静止目标。
具体实施方式
下面根据附图详细说明本发明,本发明的目的和效果将变得更加明显。
本实施例的实验数据为香港中文大学卫星ENVISAT ASAR地面接收站2006年获取的名为ASA_WSM_1PNCUH20061013_14524ENVISAT ASAR宽幅影像和2008年获取的名为ASA_WSM_1PNCUH20080208_02335ENVISAT ASAR影像宽幅影像,原始数据分别如图1和图2所示。
本实施例的一种利用ENVISAT ASAR数据发现海上静止目标的方法,包括以下步骤:
步骤1、数据准备——选取目标区域不同时相的两景ENVISAT ASAR影像数据。
分别读取2006年的名称为ASA_WSM_1PNCUH20061013_14524的单景ENVISATASAR影像数据和2008年名称为ASA_WSM_1PNCUH20080208_02335的单景ENVISATASAR影像数据,将其分别转换为JPG格式的数据。
步骤2、基于双参数CFAR算法的ENVISAT ASAR海上目标点检测——针对两景ENVISAT ASAR数据使用基于双参数CFAR的海上目标算法进行海上目标的检测,得到两景数据的点目标图.2006年的ENVISAT ASAR影像得到的目标点示意图如图4所示,2008年的ENVISAT ASAR影像得到的目标点示意图如图5所示。
基于双参数CFAR进行目标提取方法如下:
a1、设定基于恒虚警率的ENVISAT ASAR影像海上目标检测算法对应的检测窗口,包括目标窗口T、保护窗口P、背景窗口B。其中目标窗口T、保护窗口P、背景窗口B的相对关系如图2所示。
目标窗口T是待检测目标所在窗口,根据ENVISAT ASAR影像中海上目标的特征,设定目标窗口T大小为3×3。
保护窗口P是确保目标的像素没有被包含在背景窗口B中,同样根据ENVISAT ASAR影像中目标的大小特征,设定保护窗口P大小为7×7,即目标在影像上不会表现为超过该窗口大小的特征。
背景窗口B代表的是背景统计信息,用于在一定大小的范围内对ENVISATASAR影像舰船目标与影像背景信息进行区分,应保证在该范围内舰船目标与影像背景特征有显著区分,据此设定背景窗口B大小为13×13。
a2、设定目标检测准则,获取目标-背景二值影像。
滑动目标窗口T,计算窗口均值与标准偏差,同时滑动保护窗口P和背景窗口B,计算以待检测影像单元点为中心,3×3大小的目标窗口T的均值μt,13×13大小的背景窗口B的均值μb和标准偏差σb,在计算背景窗口均值μb和标准偏差σb时,位于保护窗口P内的影像单元不参与运算,即仅通过位于背景窗口B中,同时位于保护窗口P外的影像单元点进行计算,均值反映了背景窗口B中除去目标的背景单元点灰度的平均特征,标准方差则反映了这些单元点灰度值的偏离程度。均值与标准偏差的计算公式为:
其中,Si为位于背景窗口B中,同时位于保护窗口P外的影像单元点的灰度值;N为位于背景窗口B中,同时位于保护窗口P外的影像单元点的数量。
根据ENVISAT ASAR影像中目标的特征,设定恒虚警率检测控制系数t=45,设定目标检测准则为μt>μb+σbt,满足该准则的目标窗口T中心位置的影像单元判定为目标,否则判定为影像背景。
滑动窗口,完成遍历后生成目标-背景二值影像,目标在二值影像中值为1,影像背景在二值影像中值为0。
a3、遍历目标-背景二值影像,构造标记数组与提取规则,提取矢量点状舰船目标。
构建一维标记数组sign,初始值设为0;遍历目标-背景二值影像,对于遍历到的待检测影像单元点,若其对应位置sign数组标记值为0、舰船目标-背景二值影像值为1,并且其八邻域影像单元点对应标记值sign均为0,则该待检测影像单元点为检测到目标的位置,记录其位置(i,j),同时更新其八邻域单元点的标记值sign为1,单元点(i,j)的八邻域点为(i-1,j),(i+1,j),(i,j-1),(i,j+1),(i-1,j-1),(i-1,j+1),(i+1,j-1),(i+1,j+1),其中i为单元点在影像中的行号,j为单元点在影像中的列号。遍历完成后,每个目标均以其第一个被遍历的影像单元点表示。读取表征每个目标的影像单元点的行列位置(i,j),以行数i作为点的y坐标,以列数j作为点的x坐标,利用点位信息构造矢量点状对象。
本实施例中,从2006年的ENVISAT ASAR影像数据提取到的海上目标为20个,如图4所示;从2008年的ENVISAT ASAR影像数据中提取到的海上目标为22个,如图5所示。上述两图黑色三解形标记的位置就是提取到的海上目标。
步骤3、基于RANSAC的海上目标点匹配——分别在两幅目标点图中随机选取两个目标点,构成两对目标点对,并据此对两幅数据影像进行匹配,匹配后记录下重合点的数量。
本实施例中使用RANSAC算法实现海上目标点匹配的具体方法如下:
Ⅰ)在步骤2中得到的两幅海上目标点图数据中分别随机选取两个点,在2006年的数据中选取A1、A2,在2008年的数据中选取B1、B2,构成两对目标点(A1,B1)和(A2,B2),根据坐标转换公式,计算影像之间的仿射变换参数:
式中,x、y和u、v分别为两景影像上选取的点的坐标,m1、m2、m3、m4、tx、ty为转换方程的转换参数。
Ⅱ)使用上述仿射变换参数得到的仿射变换方程对目标点图中的点集进行转换,使用计算得到的转换方程对步骤2中2006年的目标点图数据中的所有的点集进行转换,得到转换后的目标点集,就完成两幅数据影像的匹配;
Ⅲ)计算转换后的点集与参照点集(本例中参照点集为2008年的目标点图中的点集)中点的距离,如果距离不大于300米,即认为这两点重合,并记录重合的点数;
Ⅳ)重复Ⅰ)-Ⅲ)直至重合点数大于3,重合点数大于3的转换模型为最优转换模型,使用最优转换模型对两景海上点目标图进行匹配,完成点目标的匹配。
步骤4、海上静止目标的确定——在步骤Ⅲ)中完成匹配的点目标图中,重合的点目标为海上静止目标。
由于任意三个移动目标在两幅影像上保持固定的相对位置的概率极低,而静止目标始终能保持固定的相对位置,所以步骤3中得到的重合点数量大于3时,即可以认为检测到了所有的海上静止目标。
本实施例中的两幅目标点图经上述计算后得到了20个重合目标点,如图6所示,圆圈内的重合点即为海上静止目标。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (3)
1.一种利用多时相雷达数据检测海上静止目标的方法,包括以下步骤:
步骤1、数据准备——选取目标区域不同时相的两景ENVISAT ASAR影像数据;
步骤2、基于双参数CFAR算法的ENVISAT ASAR海上目标点检测——针对两景ENVISAT ASAR数据使用基于双参数CFAR算法进行海上目标的检测,得到两景数据的点目标图,对于ENVISAT ASAR数据使用矩形作为CFAR算法的窗口,CFAR算法的目标窗口大小为3×3,保护窗口大小为7×7,背景窗口大小为13×13,虚警率检测控制系数设定为45;
步骤3、基于RANSAC的海上目标点匹配——使用RANSAC算法实现海上目标点的匹配,具体如下:
I)在两景海上点目标图中分别随机选取两个点作为两个点对,将这四个点坐标分别代入如下的转换方程计算转换参数,
式中,x、y和u、v分别为两景影像上选取的点的坐标,m1、m2、m3、m4、tx、ty为转换方程的转换参数;
II)使用计算得到的转换参数构建转换方程对待转换影像的所有海上目标点进行转换;
III)计算转换后的点集与参照点集中点的距离,如果距离不大于300米,即认为这两点重合,并记录重合的点数;
IV)重复I)-III)直至重合点数大于3,重合点数大于3的转换模型为最优转换模型,使用最优转换模型对两景海上点目标图进行匹配,完成点目标的匹配;
步骤4、海上静止目标检测——在步骤III)中完成匹配的点目标图中,重合的点目标为海上静止目标。
2.根据权利要求1所述的利用多时相雷达数据检测海上静止目标的方法,其特征在于,所述步骤2中,基于双参数CFAR进行目标提取方法如下:
a1、设定基于CFAR海上目标检测算法对应的各检测窗口,包括目标窗口、保护窗口和背景窗口,其中所述目标窗口为待测目标所在窗口,所述背景窗口为背景统计信息,所述保护窗口确保待测目标像素不被包含在背景窗口中;
a2、设定目标检测准则为μt>μb+σbt,公式中,t为恒虚警率检测控制系数,μt为目标窗口的均值,μb为背景窗口的均值,σb为标准偏差,均值与标准偏差的计算公式为:
其中,Si为位于背景窗口中同时位于保护窗口外的影像单元点的灰度值,N为位于背景窗口中同时位于保护窗口外的影像单元点的数量;
判定满足该准则的目标窗口中心位置的影像单元为目标,否则为影像背景;同时滑动所述目标窗口、保护窗口和背景窗口,完成遍历后生成目标-背景二值影像;
a3、遍历目标-背景二值影像,构造标记数组与提取规则,即提取矢量点状目标。
3.根据权利要求1所述的利用多时相雷达数据检测海上静止目标的方法,其特征在于,步骤III)中,若匹配后的两幅图像中目标点对的距离不大于2个像素,则判定为重合点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210275677.7A CN102768356B (zh) | 2012-08-03 | 2012-08-03 | 一种利用多时相雷达数据检测海上静止目标的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210275677.7A CN102768356B (zh) | 2012-08-03 | 2012-08-03 | 一种利用多时相雷达数据检测海上静止目标的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102768356A CN102768356A (zh) | 2012-11-07 |
CN102768356B true CN102768356B (zh) | 2013-08-28 |
Family
ID=47095819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210275677.7A Expired - Fee Related CN102768356B (zh) | 2012-08-03 | 2012-08-03 | 一种利用多时相雷达数据检测海上静止目标的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102768356B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308910B (zh) * | 2013-05-11 | 2015-02-04 | 国家海洋局第一海洋研究所 | 利用高频地波雷达检测海上非航行状态船只目标的方法 |
CN106845343B (zh) * | 2016-12-15 | 2020-05-19 | 中国科学院电子学研究所苏州研究院 | 一种光学遥感图像海上平台自动检测方法 |
CN106772379B (zh) * | 2017-03-22 | 2019-08-02 | 西安电子科技大学 | 基于傅里叶变换的双参数cfar舰船检测方法 |
CN107728111A (zh) * | 2017-09-22 | 2018-02-23 | 合肥工业大学 | 基于空间相关特性的sar图像联合cfar检测方法 |
CN108594226B (zh) * | 2018-04-20 | 2020-04-21 | 国网山西省电力公司阳泉供电公司 | 一种顾及地形的山区sar图像输电塔架检测方法 |
CN109117802B (zh) * | 2018-08-21 | 2021-10-29 | 东北大学 | 面向大场景高分遥感影像的舰船检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706957A (zh) * | 2009-10-30 | 2010-05-12 | 无锡景象数字技术有限公司 | 一种双目立体视觉装置的自标定方法 |
CN101833093A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院电子学研究所 | 星载多时相合成孔径雷达图像的自动变化检测方法 |
JP2012063196A (ja) * | 2010-09-15 | 2012-03-29 | Mitsubishi Space Software Kk | 船舶探知装置、船舶探知プログラムおよび船舶探知装置の船舶探知方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8013781B2 (en) * | 2008-09-24 | 2011-09-06 | Lockheed Martin Corporation | Method and apparatus for radar surveillance and detection of sea targets |
-
2012
- 2012-08-03 CN CN201210275677.7A patent/CN102768356B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833093A (zh) * | 2009-03-11 | 2010-09-15 | 中国科学院电子学研究所 | 星载多时相合成孔径雷达图像的自动变化检测方法 |
CN101706957A (zh) * | 2009-10-30 | 2010-05-12 | 无锡景象数字技术有限公司 | 一种双目立体视觉装置的自标定方法 |
JP2012063196A (ja) * | 2010-09-15 | 2012-03-29 | Mitsubishi Space Software Kk | 船舶探知装置、船舶探知プログラムおよび船舶探知装置の船舶探知方法 |
Non-Patent Citations (8)
Title |
---|
A new CFAR ship target detection method in SAR imagery;JI Yonggang等;《Acta Oceanol.Sin》;20100131;第29卷(第1期);12-16 * |
JI Yonggang等.A new CFAR ship target detection method in SAR imagery.《Acta Oceanol.Sin》.2010,第29卷(第1期),12-16. |
一种抗碎云干扰的海上舰船目标检测方法;陈海亮等;《计算机工程与科学》;20101231;第32卷(第12期);46-49 * |
改进的RANSAC算法在图像配准中的应用;曲天伟等;《计算机应用》;20100731;第30卷(第7期);1849-1851,1872 * |
改进的SAR图像双参数CFAR舰船检测算法;艾加秋等;《电子与信息学报》;20091231;第31卷(第12期);2881-2885 * |
曲天伟等.改进的RANSAC算法在图像配准中的应用.《计算机应用》.2010,第30卷(第7期),1849-1851,1872. |
艾加秋等.改进的SAR图像双参数CFAR舰船检测算法.《电子与信息学报》.2009,第31卷(第12期),2881-2885. |
陈海亮等.一种抗碎云干扰的海上舰船目标检测方法.《计算机工程与科学》.2010,第32卷(第12期),46-49. |
Also Published As
Publication number | Publication date |
---|---|
CN102768356A (zh) | 2012-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | FUSAR-Ship: Building a high-resolution SAR-AIS matchup dataset of Gaofen-3 for ship detection and recognition | |
CN102768356B (zh) | 一种利用多时相雷达数据检测海上静止目标的方法 | |
Ma et al. | Estimating water levels and volumes of lakes dated back to the 1980s using Landsat imagery and photon-counting lidar datasets | |
CA2883637C (en) | Method and apparatus for mapping and characterizing sea ice from airborne simultaneous dual frequency interferometric synthetic aperture radar (ifsar) measurements | |
Chen et al. | A photon-counting LiDAR bathymetric method based on adaptive variable ellipse filtering | |
Nielsen et al. | Validation of CryoSat-2 SAR mode based lake levels | |
Liu et al. | Automatic extraction of offshore platforms using time-series Landsat-8 Operational Land Imager data | |
Chen et al. | Automatic power line extraction from high resolution remote sensing imagery based on an improved radon transform | |
CN102200575B (zh) | 一种基于恒虚警率的影像舰船检测方法 | |
Dan et al. | Review of water body information extraction based on satellite remote sensing | |
CN103971364B (zh) | 基于加权Gabor小波特征和两级聚类的遥感图像变化检测方法 | |
Liu et al. | A novel technique for ship wake detection from optical images | |
CN104376330A (zh) | 基于超像素散射机制的极化sar图像舰船目标检测方法 | |
CN104101864A (zh) | 基于eof分解的导航x波段雷达海浪参数反演算法 | |
CN103698764A (zh) | 一种稀疏采样条件下的干涉合成孔径雷达成像方法 | |
Shaoqing et al. | The comparative study of three methods of remote sensing image change detection | |
Choi et al. | Quantitative estimation of suspended sediment movements in coastal region using GOCI | |
Hou et al. | End-to-end automatic ship detection and recognition in high-resolution Gaofen-3 spaceborne SAR images | |
Yang et al. | Evaluation and mitigation of rain effect on wave direction and period estimation from X-band marine radar images | |
Xie et al. | Converting along-track photons into a point-region quadtree to assist with ICESat-2-based canopy cover and ground photon detection | |
CN106803100A (zh) | 一种双极化星载sar图像海上船舶检测分类方法 | |
Xu et al. | The comparative study of three methods of remote sensing image change detection | |
Zhang et al. | Satellite-derived sediment distribution mapping using ICESat-2 and SuperDove | |
Yu et al. | Automatic extraction of green tide using dual polarization Chinese GF-3 SAR images | |
Yang et al. | Semi-automatic coastline extraction method using Synthetic Aperture Radar images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130828 Termination date: 20160803 |