資源描述：
《極化SAR圖像海上船舶檢測(cè)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、密級(jí):碩士學(xué)位論文極化SAR圖像海上船舶檢測(cè)方法研究作者姓名：張程指導(dǎo)教師：王超研究員吳樊副研究員中國(guó)科學(xué)院遙感與數(shù)字地球研究所學(xué)位類別：理學(xué)碩士學(xué)科專業(yè)：地圖學(xué)與地理信息系統(tǒng)培養(yǎng)單位：中國(guó)科學(xué)院遙感與數(shù)字地球研究所2018年5月ResearchonMaritimeShipDetectioninPolSARImagesAThesisSubmittedtoUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthedegreeofMast
2、erofScienceInCartographyandGeographicInformationSystemByZhangChengSupervisor:Prof.WangChaoAssociateProf.WuFanInstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciencesMay,2018中國(guó)科學(xué)院大學(xué)研究生學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其
3、他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的研究成果。對(duì)論文所涉及的研究工作做出貢獻(xiàn)的其他個(gè)人和集體，均已在文中以明確方式標(biāo)明或致謝。作者簽名：日期：中國(guó)科學(xué)院大學(xué)學(xué)位論文授權(quán)使用聲明本人完全了解并同意遵守中國(guó)科學(xué)院有關(guān)保存和使用學(xué)位論文的規(guī)定，即中國(guó)科學(xué)院有權(quán)保留送交學(xué)位論文的副本，允許該論文被查閱，可以按照學(xué)術(shù)研究公開原則和保護(hù)知識(shí)產(chǎn)權(quán)的原則公布該論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存、匯編本學(xué)位論文。涉密及延遲公開的學(xué)位論文在解密或延遲期后適用本聲明。作者簽名：導(dǎo)師簽名：日期：日期：致謝本論文的研究工作得到了國(guó)家自然科
4、學(xué)基金重點(diǎn)項(xiàng)目——高分辨率SAR散射機(jī)理與應(yīng)用關(guān)鍵科學(xué)問(wèn)題研究（資助號(hào)：41331176）和國(guó)家自然科學(xué)基金面上項(xiàng)目——高分辨率SAR圖像建筑物地震損毀分析與探測(cè)方法研究（資助號(hào)：41371413）的支持。論文中采用的高分三號(hào)數(shù)據(jù)由中國(guó)資源應(yīng)用衛(wèi)星中心提供。在此向上述課題和單位表示衷心的感謝。作者：張程2018年5月摘要摘要隨著全球海洋運(yùn)輸貿(mào)易規(guī)模的迅速發(fā)展，以及各國(guó)日益加大對(duì)海洋資源的開發(fā)和環(huán)境的保護(hù)力度，對(duì)海上交通運(yùn)輸進(jìn)行有效監(jiān)測(cè)十分重要。極化合成孔徑雷達(dá)（PolarimetricSyntheticApertureRadar,
5、PolSAR）因其能夠獲得地物的極化散射特征，包含有與目標(biāo)相關(guān)更加豐富的信息，在海上船舶檢測(cè)相關(guān)研究中被廣泛應(yīng)用。本文采用了RADARSAT-2、高分三號(hào)以及TanDEM-X全極化圖像作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行船舶檢測(cè)研究。首先分析了極化SAR圖像上船舶對(duì)象和海面背景的成像和散射特征差異，并根據(jù)利用極化特征提高二者對(duì)比度的思想，提出了基于差值矩陣改進(jìn)的香農(nóng)熵的極化SAR圖像船舶檢測(cè)算法。同時(shí)，采用深度學(xué)習(xí)方法對(duì)極化SAR圖像船舶檢測(cè)進(jìn)行了探索和研究。文章主要完成了如下工作：（一）介紹了極化SAR圖像海上船舶檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀和相關(guān)理論基礎(chǔ)
6、。分析了海面背景和船舶對(duì)象的成像特點(diǎn)與極化散射特征差異，以及在利用極化SAR圖像進(jìn)行船舶檢測(cè)時(shí)常遇到的干擾信息。（二）從提高極化SAR圖像局部對(duì)比度的角度出發(fā)，提出了基于極化協(xié)方差差值矩陣而改進(jìn)的香農(nóng)熵參數(shù)。采用改進(jìn)的香農(nóng)熵特征，可以增強(qiáng)船舶對(duì)象的強(qiáng)度，并對(duì)海面背景和干擾信息進(jìn)行抑制。分析了該特征圖像上海面背景的分布模型，并采取CFAR方法實(shí)現(xiàn)船舶對(duì)象的檢測(cè)。采用實(shí)驗(yàn)數(shù)據(jù)對(duì)該方法進(jìn)行驗(yàn)證，并與其他方法進(jìn)行對(duì)比。本方法能夠?qū)崿F(xiàn)虛警率和漏檢率的同時(shí)降低，提高檢測(cè)結(jié)果準(zhǔn)確度。（三）從探索深度學(xué)習(xí)在極化SAR圖像船舶檢測(cè)領(lǐng)域應(yīng)用前景的角度
7、出發(fā)，利用卷積神經(jīng)網(wǎng)絡(luò)FasterR-CNN模型對(duì)其進(jìn)行研究。對(duì)由實(shí)驗(yàn)數(shù)據(jù)的Pauli圖像所構(gòu)成的測(cè)試集上，采用FasterR-CNN模型對(duì)船舶對(duì)象實(shí)現(xiàn)檢測(cè)，檢測(cè)準(zhǔn)確率達(dá)到了90%以上，同時(shí)應(yīng)用到開闊海域和包含有陸地與海岸的整景影像的檢測(cè)。I極化SAR圖像海上船舶檢測(cè)方法研究關(guān)鍵詞：極化SAR，船舶檢測(cè)，改進(jìn)香農(nóng)熵，深度學(xué)習(xí)，F(xiàn)asterR-CNNIIABSTRACTABSTRACTItisincreasinglycrucialtoconducteffectivesupervisionoverthemaritimetranspor
8、tation,withtherapiddevelopmentoftheglobalmaritimetransportationandtheincreasingeffortstotheexploitationofthemarineresourcesa
