利用结构纹理分解的海洋舰船目标检测

doi:10.3969/j.issn.1001-2400.2012.04.024

J4 ›› 2012, Vol. 39 ›› Issue (4): 131-137.doi: 10.3969/j.issn.1001-2400.2012.04.024

利用结构纹理分解的海洋舰船目标检测

王卫卫;席灯炎;杨塨鹏;周丽娟

(西安电子科技大学理学院，陕西西安 710071)

收稿日期:2011-05-03 出版日期:2012-08-20 发布日期:2012-10-08
通讯作者: 王卫卫
作者简介:王卫卫(1970-)，女，教授，博士，E-mail: wwwang@mail.xidian.edu.cn．
基金资助:
国家自然科学基金资助项目(60872138)

Warship target detection algorithm based on cartoon-texture decomposition

WANG Weiwei;XI Dengyan;YANG Gongpeng;ZHOU Lijuan

(School of Science, Xidian Univ., Xi'an 710071， China)

Received:2011-05-03 Online:2012-08-20 Published:2012-10-08
Contact: WANG Weiwei

摘要/Abstract

摘要：

针对卫星遥感海洋可见光图像，提出一种基于结构纹理分解的舰船目标检测算法．首先对图像进行结构纹理分解，将舰船目标分解到纹理分量中，而其他目标分解到结构分量中;为了进一步消除纹理分量中其他目标的细节对舰船检测的干扰，利用结构分量中陆地、云块以及海洋背景等的先验信息去除其在纹理分量中的干扰纹理; 然后在纹理分量中利用Gabor滤波增强舰船目标并进行检测．实验结果和数据分析表明，该算法能够有效地提高检测率，同时降低了虚警率．

关键词: 图像处理, 舰船检测, 遥感, 结构纹理分解

Abstract:

Based on cartoon-texture decomposition, we propose a scheme for detection of warship targets in optical remote sensing images. First, an image is decomposed into a structure component and a texture component. The structure component contains objects of large sizes such as sea, lands and clouds that possiblly appear, while the texture component contains objects of comparablly small sizes such as warship targets and details of other objects. In order to reduce the influence of the details on the detection of warships in the texture component, we remove the details of lands, clouds and sea from the texture component by using the structural information of these objects. Finally, the ship targets are enhanced by using Gabor filtering. Experimental results and data analysis show that the new algorithm efficiently improves the detection rate and significantly reduces the false rate.

Key words: image processing, warship detection, remote sensing, cartoon-texture decomposition

中图分类号:

TN911.73

王卫卫;席灯炎;杨塨鹏;周丽娟. 利用结构纹理分解的海洋舰船目标检测[J]. J4, 2012, 39(4): 131-137.

WANG Weiwei;XI Dengyan;YANG Gongpeng;ZHOU Lijuan. Warship target detection algorithm based on cartoon-texture decomposition[J]. J4, 2012, 39(4): 131-137.

参考文献

［1］潘海斌, 宋广华, 解利军, 等. 天基可见光相机探测灵敏度研究［J］. 光学学报, 2010, 10(30): 2935-2940.
Pan Haibin, Song Guanghua, Xie Lijun, et al. Research on Detection Sensitivity of Space Based Visible Sensor［J］. Acta Optica Sinica, 2010, 10(30): 2935-2940.
［2］袁艳, 孙成明, 张修宝, 等. 姿态变化对空间目标可见光特性的影响分析［J］. 光学学报, 2010, 30(9): 2748-2752.
Yuan Yan, Sun Chengming, Zhang Xiubao, et al. Analysis of Influence of Attitude Variation on Visible Characteristics of Space Target［J］. Acta Optica Sinica, 2010, 30(9): 2748-2752.
［3］肖利平, 曹炬, 高晓颖. 复杂海地背景下的舰船目标检测［J］. 光电工程, 2007, 34(6): 6-10.
Xiao Liping, Cao Ju, Gao Xiaoying. Detection for Ship Targets in Complicated Background of Sea and Land［J］. Opto-E1ectronic Engineering, 2007, 34(6): 6-10.
［4］李文武, 李智勇, 粟毅. 一种联合灰度和纹理特征的光学图像舰船目标检测方法［C］//第14届全国图象图形学学术会议论文集. 北京: 清华大学出版社, 2008: 293-296.
［5］胡俊华, 徐守时, 陈海林, 等. 基于局部自相似性的遥感图像港口舰船检测［J］. 中国图像图形学报, 2009, 14(4): 32-38.
Hu Junhua, Xu Shoushi, Chen Hailin, et al. Detection of Ships in Harbor in Remote Sensing Image Based on Local Self-similarity［J］. Journal of Image and Graphics, 2009, 14(4): 32-38.
［6］陈海亮, 雷琳, 周石琳. 一种抗碎云干扰的海上舰船目标检测方法［J］. 计算机工程与科学, 2010, 32(12): 46-49.
Chen Hailiang, Lei Lin, Zhou Shilin. A Method of Anti-Disturbance by Ragged Clouds for Detecting Ships on the Sea ［J］. Computer Engineering ＆ Science, 2010, 32(12): 46-49.
［7］周晖, 郭军, 朱长仁, 等. 引入PLSA模型的光学遥感图像舰船检测［J］. 遥感学报, 2010, 14(4): 663-680.
Zhou Hui, Guo Jun, Zhu Changren, et al. Ship Detection from Optical Remote Sensing Images Based on PLSA Model［J］. Journal of Remote Sensing, 2010, 14(4): 663-680.
［8］施鹏. 基于光学遥感图像的舰船目标自动检测技术［D］. 合肥: 中国科学技术大学, 2010: 37-39.
［9］冯象初, 王卫卫. 图像处理的变分和偏微分方程方法［M］. 北京: 科学出版社, 2009: 31-34.
［10］ Meyer Y. Oscillating Patterns in Image Processing, and Nonlinear Evolution Equations［M］. Rhode Island: American Mathematical Society, 2001: 42-45.
［11］ Vese L A, Osher S J. Image Denoising and Decomposition with Total Variation Minimization and Oscillatory Functions［J］. Journal of Mathematical Imaging and Vision, 2004(20): 7-18.
［12］卢成武. (B_v,E)分解框架下的多尺度图像分解［J］. 西安电子科技大学学报, 2009, 36(1): 172-176.
Lu Chengwu. Multiscale Decomposition of Image under (B_v,E) Frame［J］. Journal of Xidian University, 2009, 36(1): 172-176.
［13］江玲玲, 殷海青, 冯象初. 一种结合稀疏表示和投影正则化的图像分解方法［J］. 西安电子科技大学学报, 2007, 34(5): 801-804.
Jiang Lingling, Yin Haiqing, Feng Xiangchu. Image Decomposition based on Sparse Representations and a Projected Regularization Method［J］. Journal of Xidian University, 2007, 34(5): 801-804.

[1]	韩永赛,马时平,何林远,李承昊,朱明明,张飞. 改进YOLOv3的快速遥感机场区域目标检测[J]. 西安电子科技大学学报, 2021, 48(5): 156-166.
[2]	董如婵,焦李成,赵进,沈维燕. 一种深度融合机制的遥感图像目标检测技术[J]. 西安电子科技大学学报, 2021, 48(5): 128-138.
[3]	王军军,孙岳,李颖. 一种生成对抗网络的遥感图像去云方法[J]. 西安电子科技大学学报, 2021, 48(5): 23-29.
[4]	周鹏,杨军. 采用神经网络架构搜索的遥感影像分割方法[J]. 西安电子科技大学学报, 2021, 48(5): 47-57.
[5]	孙正阳,董玫,陈伯孝. 时频分析联合带通滤波抑制间歇采样转发干扰[J]. 西安电子科技大学学报, 2021, 48(2): 139-146.
[6]	成天佑,林艳萍,马晓军. 一种视触觉引导的超声探头自动定位方法[J]. 西安电子科技大学学报, 2020, 47(1): 80-87.
[7]	汪梓艺,苏育挺,刘艳艳,张为. 一种改进DeeplabV3网络的烟雾分割算法[J]. 西安电子科技大学学报, 2019, 46(6): 52-59.
[8]	张锦涛,雷杰,吴凌云,黄碧莹,李云松. 一种改进的高光谱端元提取算法及其FPGA实现[J]. 西安电子科技大学学报, 2019, 46(4): 22-27.
[9]	朱苏雅,杜建超,李云松,汪小鹏. 采用U-Net卷积网络的桥梁裂缝检测方法[J]. 西安电子科技大学学报, 2019, 46(4): 35-42.
[10]	赖睿,官俊涛,徐昆然,熊皑,杨银堂. 级联残差学习的红外图像非均匀性校正方法[J]. 西安电子科技大学学报, 2019, 46(1): 14-19.
[11]	郭松鸽;吕东辉;任艳丽. 一种改进的(k, n)标记视觉密码方案[J]. 西安电子科技大学学报, 2018, 45(5): 170-176+183.
[12]	黄勇;刘芳. 场景语义SAR图像桥梁检测算法[J]. 西安电子科技大学学报, 2018, 45(4): 40-44.
[13]	胡妍;王柯俨;许宁;李云松;张闪闪. 利用分割中值滤波和透射率补偿的图像去雾[J]. 西安电子科技大学学报, 2018, 45(4): 99-105.
[14]	王世平;毕笃彦;刘坤;何林远. 一种多映射卷积神经网络的超分辨率重建算法[J]. 西安电子科技大学学报, 2018, 45(4): 155-160.
[15]	冯玉颖;王俊平;马塾亮;李超;伍尧. COPLIP新模型及其图像增强新算法[J]. 西安电子科技大学学报, 2018, 45(1): 66-71.

利用结构纹理分解的海洋舰船目标检测

Warship target detection algorithm based on cartoon-texture decomposition

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10