关于舰船论文范文资料 与基于NSCT和ACO的SAR图像舰船检测有关论文参考文献

《基于NSCT和ACO的SAR图像舰船检测》：该文是关于舰船论文范文，为你的论文写作提供相关论文资料参考。

摘 要:为更好地获取舰船检测的图像信息,通过对雷达图像中舰船目标与相干斑噪声的分布特点进行分析,提出1种基于非下采样变换(Nonsubsampled Contourlet Tranorm, NSCT)与蚁群优化(Ant Colony Optimization, ACO)算法相结合的合成孔径雷达(Synthetic Aperture Radar, SAR)图像舰船目标检测方法.该方法通过对SAR图像进行NSCT自适应阈值去噪,再应用ACO进行边缘检测,实现舰船目标的精确检测.仿真结果显示,该方法能够在复杂相干斑噪声背景中有效提取舰船目标的轮廓信息,很好地保持图像纹理和舰船结构,具有理想的抗干扰性能,保证检测结果的准确性.

关键词: 合成孔径雷达; 非下采样变换; 蚁群优化; 边缘检测; 舰船检测

中图分类号:U675.74;TN953;TN957.52;TN911.73文献标志码:A

Ship detection of SAR image based on NSCT and ACO

XIE Hong, LI Linlin, BO Hua, ZHANG Yunnong

(Information Engineering College, Shanghai Maritime Univ., Shanghai 200135, China)

Abstract:

In order to obtain better image information of ship detection, and analyze distribution characteristics of ship targets and speckle noise in radar image, a ship detection method of Synthetic Aperture Radar(SAR) image is proposed based on Nonsubsampled Contourlet Tranorm (NSCT) and Ant Colony Optimization(ACO) algorithm. According to the method, NSCT adaptive threshold method is applied to denoise SAR images, SAR images’ edge is detected by ACO, and ship targets are detected precisely. Simulating results indicate that ship targets’ contour information can be picked up efficiently in the complex speckle noise, images’ texture and ship targets’ structure can be kept well, there is an ideal anti-jamming competence, and the detection accuracy is ensured.

Key words:synthetic aperture radar; nonsubsampled contourlet tranorm; ant colony optimization; edge detection; ship detection

0 引 言

合成孔径雷达(Synthetic Aperture Radar, SAR)是1种高分辨率成像传感器,具有全天时、全天候的观测能力.利用SAR可对遥感目标进行多波段、多极化和多视角观测,在农林、地质、环境、水文、海洋、灾害、测绘和军事等众多领域具有特殊的应用优势.[1]

舰船主要由金属制成,其表面构成许多角反射器,使舰船成为极强的雷达反射器,在雷达图像上形成非常亮的目标.但由于成像雷达发射的是相干波,当照射目标时,目标随机散射面散射信号之间的干涉作用会使图像产生相干斑噪声(Speckle).斑点噪声的存在使图像的信噪比下降,严重时会使图像模糊,甚至消失.

目前,SAR图像相干斑噪声去除的研究热点是小波变换,但常见的小波方向有限,只有水平、垂直及对角线等3个方向,不能以最稀疏的方式表达出图像的几何特征.[2]为克服小波变换方向性差、不宜表示图像边缘和轮廓等线特点的奇异性,DO等[3]于2002年提出Contourlet变换(Contourlet Tranorm, CT).虽然CT能实现图像的多分辨率、多方向分解,但该变换平移不变性的缺乏限制了其在某些图像处理领域的应用.为此,CUNHA等[4]对CT进行改进,提出非下采样CT(Nonsubsampled Contourlet Tranorm,NSCT).与小波变换相比,NSCT可以将图像分成更多方向子带,更好地把握图像的纹理和边缘信息,同时,可以克服平移不变性的缺乏,避免视觉误差.[5]

本文将NSCT与自适应阈值去噪方法[6]相结合,用于去除SAR图像相干斑噪声,效果不错,但仍不足以实现舰船目标的检测.而蚁群优化(Ant Colony Optimization Algorithm,ACO)算法不仅能实现智能搜索、全局优化,且易于跟其他算法结合.将NSCT自适应阈值去噪方法与ACO相结合,用于SAR图像舰船目标检测,可有效抑制相干斑噪声,更好地提取舰船的轮廓信息,保证检测的准确性.

1 基于NSCT的自适应阈值去噪

1.1 NSCT

[HJ*5/9]CT方法在拉普拉斯分解时,需对图像进行下采样,导致其缺乏平移不变性,限制了其在某些图像处理领域的应用.为此,通常用Cycle Spinning[7]技术进行缓解,但不能从根本上解决问题,反而大大延长计算的时间.NSCT具有完全的平移不变性,在图像增强、去噪、压缩和融合等方面得到广泛应用,在图像去噪中已初步显示其优越性.NSCT的结构见图1,主要由非下采样拉普拉斯分解(Nonsubsampled Laplacian Pyramid,NSP)和非下采样方向滤波器组(Nonsubsampled Directional Filter Bank, NSDFB)2部分组成.首先将图像经过NSP分解为1个低频子带和1个高频子带,高频子带经过NSDFB滤波,可分[HJ]解为2i个方向子带[8](i为任意正整数),对低频子带重复上述过程可实现NSCT的多分辨率、多方向分解.

图1 NSCT结构示意

1.2 基于NSCT的自适应阈值去噪

在SAR图像中,舰船表现为由有限个较亮像素点组成的结构体.图像经过NSCT分解后,舰船目标在各子带的各个方向上对应较亮像素点的可能性较大,结构特征也能得到一定保留.[9]而相干斑噪声由于其产生的随机性,分解后位于子带上对应较亮点的可能性不大,可以对分解后的子带图像进行阈值去噪处理.

本文采用自适应阈值去噪方法对SAR图像去噪,针对NSCT分解的各个子带因数服从广义高斯分布,采用贝叶斯阈值方法估计不含噪声的NSCT因数,达到去噪目的.分解的因数需要不同的阈值进行降噪,因此,最佳阈值的确定非常关键.

舰船论文参考资料：

结论：基于NSCT和ACO的SAR图像舰船检测为适合舰船论文写作的大学硕士及相关本科毕业论文，相关舰船开题报告范文和学术职称论文参考文献下载。