[发明专利]基于混合模型决策的遥感图像靠港船只检测方法

说明书

本发明提出了基于混合模型决策的遥感图像靠港船只检测方法，采用层次化算法框架实现港内船舶的精确检测。候选区筛选阶段，对输入的高分辨率大尺寸的港口图像进行快速水体分离，并基于全向双维度交叉扫描方法快速筛选候选区。候选区鉴别阶段，提出一种基于混合决策模板进行候选区的可靠鉴别的方法。首先，根据船舶关键部位和整体特征，以及与周围环境的上下文关系，训练并得到三个决策子模型，并将子模型各自判决结果基于混合模型决策模板进行候选区鉴别。相对于传统方法，本方法能有效克服船舶种类繁多，停泊姿态各异以及船身被部分遮挡等因素带来的不利影响，并只需较短的时间就能得到精确度较高的检测结果。

技术领域

本发明涉及基于混合模型决策的遥感图像靠港船只检测方法。

背景技术

近年来，随着高分辨率光学遥感平台的发展，基于高分辨率遥感图像的船舶检测，已经成为了卫星遥感数据海洋应用的研究热点。由于其具有探测范围广、时效性高的优势，已经被应用在许多重要的海洋遥感领域，例如：港口动态监测，海事管理、船舶救援、以及走私活动检测等。

其检测对象主要分为远洋及港口船舶两类。现在，已有的大量船舶检测方法主要是针对离港远洋的船舶进行研究，这些方法已经得到了较好的效果及应用。对于港口船舶检测而言，由于港口内锚泊船舶的检测环境与远洋船舶检测问题相似，此类研究也已经取得了显著的进展。然而，与远洋及港口内锚泊船舶(非靠港)的检测相比，港内靠港停泊船舶的检测研究较少；其主要难点在于：船舶的灰度、纹理、以及人工结构都与码头极为相似，且船舶与码头通常是紧密相连的，导致实现船舶区域的有效提取较为困难。一些已有的港口内船舶检测方法根据已知的地理信息实现港口位置的快速定位，从而获取靠港停泊船舶所在位置，但先验地理信息定位只适用于限定的应用场景，推广性差。此外，一些方法根据纹理、灰度等初级图像特征实现分割，此类方法易受到环境中阴影、码头复杂人工构建物、船体不同舾装的干扰，往往无法提取完整的边界轮廓，难以实现靠岸船舶与码头的有效分割问题，鲁棒性较差。

发明内容

针对现有技术的上述问题，本发明提出一种基于混合模型决策的遥感图像靠港船只检测方法。在候选区筛选阶段，对输入的高分辨率大尺寸的港口图像进行快速水体分离，并基于全向双维度交叉扫描方法快速筛选候选区。在候选区鉴别阶段，提出一种基于混合决策模板进行候选区的可靠鉴别的方法。该鉴别方法首先根据船舶关键部位和整体特征，以及与周围环境的上下文关系，训练并得到三个决策子模型；并将子模型各自判决结果基于混合模型决策模板进行候选区鉴别。相对于传统方法，本方法能有效克服船舶种类繁多，靠港停泊姿态各异以及船身被阴影部分遮挡等因素带来的不利影响，并只需较短时间就能得到精确度较高的检测结果。

本发明针对现有技术的上述问题，提出了一种基于混合模型决策的遥感图像靠港船只检测方法，其包括第一步快速低漏检的候选区筛选和基于混合模型决策的候选区可靠鉴别两个步骤组成，即：

B)快速低漏检的候选区筛选，包括：

水体快速分割；

靠港疑似候选区的全向双维度交叉突异扫描提取；

鉴别候选区获取；

B)基于混合模型决策的候选区可靠鉴别,包括：

建立决策要素子模型，其中包括建立船舶关键部位子模型、船体子模型和船体-周域上下文关联子模型；

基于决策模板进行混合模型决策，其中包括：混合模型决策模板训练和基于混合模型决策模板的船舶目标确认。

附图说明

图1是根据本发明的一个实施例的基于混合模型决策的遥感图像靠港船只检测方法的框图。

图2(a)至2(c)是根据本发明的一个实施例的双维度交叉扫描处理的示意图。

图3(a)至3(f)是根据本发明的一个实施例的鉴别候选区提取过程的示意图。