基于形态字典学习的复杂背景SAR图像舰船尾迹检测

• 作者: 孙卫东 杨国铮 禹晶 肖创柏
• 来源期刊: 自动化学报
• 关键词: SAR图像 舰船尾迹检测 形态成分分析 字典学习 剪切波变换
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1713-1725
• 页数: 13页
• 字数: 10184字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160274

摘要

SAR图像舰船尾迹检测不仅可用于反演运动舰船的航速航向信息,也有助于发现弱小舰船目标.然而现有舰船尾迹检测方法一般仅适用于简单海况背景下的SAR图像,复杂海况背景下的检测效果难以满足应用需求.本文提出一种基于形态成分分析与多字典学习的复杂背景舰船尾迹检测方法.该方法针对海况背景的复杂多变性以及舰船尾迹类型的有限性,通过离线学习方式构建海面纹理字典,通过解析方式构建尾迹结构字典并迭代更新,将图像分解为包含舰船尾迹的结构成分与包含海面背景的纹理成分,利用剪切波变换对结构成分高频系数重构以增强结构成分,并通过Radon变换对增强后的结构成分进行尾迹线检测.实验结果表明,本文所提方法对于复杂背景SAR图像舰船尾迹检测的效果明显优于现有方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖创柏	北京工业大学计算机学院	84	661	12.0	24.0
2	孙卫东	清华大学电子工程系	52	471	10.0	20.0
3	禹晶	北京工业大学计算机学院	21	218	7.0	14.0
4	杨国铮	清华大学电子工程系	2	5	1.0	2.0