大面幅光学遥感影像飞行器目标快速检测

发布时间：2024-06-08 06:13

　　随着高分辨率光学卫星的高速发展,遥感影像分辨率显著提升、光学卫星数量快速增加、卫星重访周期极大缩短等因素使得高分辨率影像数据急剧增加。海量基于对地观测卫星的高分辨率光学遥感影像数据被应用于以军事安全和民用服务为主的不同研究领域中,其中飞行器的自动检测与识别一直以来均是航天领域的热点研究内容和重要组成部分,在侦察、预警等军事国防领域均有重要作用及战略需求。传统的目标检测技术的时效性很难适应海量的高分辨率遥感影像数据,其所依赖的特征表达均为人工设计,非常耗时且强烈依赖于专业知识和数据本身特征。此外,在遥感影像中,由于目标距离较远、在视场中的所占比例小,此类方法对于小目标的检测依然乏力。而且,由于光照、成像角度及天气存在多时相性,少量甚至缺失的边缘和纹理信息会对目标的检测和识别带来极大的困难和挑战。卷积神经网络技术在图像的深层次的特征提取方面有着传统方法无可比拟的先天优势,随着深度学习相关理论与技术的不断发展,目标检测和识别相关算法得到了飞速发展,推动了计算机视觉领域应用性能的极大提升,为遥感数据的解译提供了新的思路和广阔的应用空间。为此,本论文主要围绕在保证检测速度的前提下对大面幅的高分辨...

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

图2.7Retinex光照均匀化

第2章高分辨率遥感影像预处理后涌现了大量的Retinex算法，这些算法一般处理过程如图2.6所示，利用Retinex算法对光照不均匀的影像进行处理得到如图2.7所示结果。Log入射图像估计+EXPS(x,y)S(x,y)L(x,y)....

图2.9同态滤波效果图

(b)亮度较暗的影像处理效果图2.9同态滤波效果图Figure2.9Homomorphicfiltereffect通过图2.9的对比可以发现，同态滤波对于平均灰度值较低的影像处理时效果显著。同时对于平均灰度值较大的影像进行处理时，影像容易失真，效果不理想。因此需....

图2.10光照均匀化处理

对影像的三种方法处理结果如图2.10所示。(a)原始影像(b)同态滤波

图2.12暗通道去雾效果

(a)原始影像(b)去雾影像图2.12暗通道去雾效果Figure2.12Darkchanneltofogeffect2.5小结本章主要研究了光学遥感影像预处理过程，主要包括影像降噪、光照均匀化处理和影像去雾的影像增强方法。通过图像处理方法恢复影像的细节信息....

本文编号：3991577