题目：卫星海洋图像变化检测与舰船识别技术研究

舰船检测识别在军事和民用方面有着广泛的应用。本文以卫星海洋图像为数据来源，在分析了舰船检测的背景及国内外研究现状的基础上，根据卫星海洋全色图像的特点提出了一种舰船检测与识别的方法。一般来说卫星海洋图像数据量大，直接在整个图像中通过求解主分量等方法检测舰船目标，其时间和空间复杂度较高。本文采用分块变化检测的方法来降低时间复杂度和空间复杂度，即将待检测图像与基准图像进行对比，获得待检测图像与基准图像的差异图像，然后在差异图像中进一步检测舰船并加以识别。卫星海洋图像中舰船检测与识别的主要背景为海面，舰船在大范围的海面衬托下显得非常小，而且不清晰。为了使得待检测图像与基准图像之间的对比更为精确，首先对待检测图像与基准图像进行分辨率对齐处理，去除分辨率不一致带来的定位及对比的不准确性；其次寻找待检测图像与基准图像中相同区域，即对它们进行图像配准处理；然后进行直方图规定化处理，消除因光线等导致的背景灰度差异；接着对图像进行滤波处理，消除图像中的噪声；最后进行灰度拉伸处理，以增强目标与背景的对比强度。对差异图像进一步处理获得待识别舰船目标。先采用阈值分割法分割差异图像，然后利用膨胀与腐蚀操作使得目标区域更为完整，并消除一定的噪声干扰有利于进一步的分类识别，接着将可能的目标区域提取出来，剔除明显非目标区域。在海洋图像的分辨率较高时，可进一步辨别目标的种类，即将目标归为航母、军舰和商船三类之一。本文先对各类的样本图像进行分析，建立样本图像库。又因为舰船的形状特征相对于颜色特征和纹理特征更为明显，因此采用形状特征对舰船的种类进行辨别，从而分析了多种形状特征并从中选择性能较好的形状特征用于分类识别。本文先后采用决策树分类器和最小距离分类器对目标舰船进行分类，实验表明选取的特征能较好的将舰船分类。