基于形态成分分析的复杂背景SAR图像舰船尾迹检测

被引：5

作者：

杨国铮 ^{[1
,2
]}

禹晶 ^{[3
]}

肖创柏 ^{[3
]}

孙卫东 ^{[1
]}

机构：

[1] 清华大学电子工程系

[2] 北京市遥感信息研究所处理中心室

[3] 北京工业大学计算机学院

来源：

计算机辅助设计与图形学学报 | 2016年 / 28卷 / 10期

关键词：

SAR图像; 舰船尾迹检测; 形态成分分析; 剪切波变换;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ;

摘要：

SAR图像舰船尾迹检测不仅可用于反演运动舰船的航速航向信息,也有助于发现远小于尾迹的弱小舰船目标.针对现有基于直线检测的舰船尾迹检测方法一般仅适用于简单海况背景SAR图像的问题,提出一种基于形态成分分析的复杂背景SAR图像舰船尾迹检测方法.该方法依据各形态成分只在特定字典下稀疏表示的基本原则,针对舰船尾迹的"线"奇异性及海面纹理的"点"奇异性分别选择不同的基函数构建字典,实现了稀疏意义下舰船尾迹结构成分与海面纹理成分的分离;通过剪切波高频系数重构,实现了舰船尾迹结构成分的增强;最终,使用Radon变换进行舰船尾迹线检测与定位.定性与定量实验结果表明,复杂海况背景下,采用该方法进行舰船尾迹检测的效果明显优于现有其他方法.

引用

页码：1662 / 1671

页数：10

共 11 条

[1] 基于字典学习与结构自相似性的码本映射超分辨率算法 [J].

潘宗序 ;

禹晶 ;

肖创柏 ;

孙卫东 .

计算机辅助设计与图形学学报, 2015, (06) :1032-1038

[2] 基于归一化灰度Hough变换的SAR图像舰船尾迹检测算法 [J].

种劲松 ;

朱敏慧 .

中国图象图形学报, 2004, (02) :21-25

[3] SAR图像舰船及其尾迹检测研究综述 [J].

种劲松 ;

朱敏慧 .

电子学报, 2003, (09) :1356-1360

[4] 一种SAR图象舰船尾迹的CFAR检测方法 [J].

汤子跃 ;

朱敏慧 ;

王卫延 .

电子学报, 2002, (09) :1336-1339

[5] SAR图像船行尾迹检测的Radon变换和形态学图像处理技术 [J].

王世庆 ;

金亚秋 .

遥感学报, 2001, (04) :289-294

[6] 一种海洋合成孔径雷达图像的舰船尾迹检测方法 [P].

张明照 ;

孟涛 ;

牟建华 ;

瞿继双 ;

彭晓军 ;

刘扬 ;

夏克寒 .

中国专利 :CN102542277B ,2012-07-04

[7] The easy block Hadamard transform: A new adaptive directional Hadamard transform for sparse image representation [J].

Sun, Jian ;

Ren, Guo-Qiang ;

Wu, Qin-Zhang .

OPTIK, 2014, 125 (10) :2356-2360

[8] Online dictionary learning algorithm with periodic updates and its application to image denoising [J].

Eksioglu, Ender M. .

EXPERT SYSTEMS WITH APPLICATIONS, 2014, 41 (08) :3682-3690

[9]

The chordlet transform with an application to shape compression.[J].Z. He;M. Bystrom.Signal Processing: Image Communication.2011, 2

[10]

Sparse directional image representations using the discrete shearlet transform.[J].Glenn Easley;Demetrio Labate;Wang-Q Lim.Applied and Computational Harmonic Analysis.2007, 1

← 1 2 →