卫星遥感监视系统（RSMS）：海事执法新添高科技手段

近年来,海上溢油事故时有发生,造成了严重的环境污染。卫星遥感监视系统能够对海面溢油进行有效监视,对船舶非法排污行为产生威慑作用。文中重点介绍了卫星遥感监视系统的由来和在海事执法中的应用,特别是2009年以来常规监视工作的开展,为海事执法提供了新的高科技手段。     

水下分布式远程感知技术的发展

目前,水下分布式远程感知技术已经具备了快速发展的基本条件,备受各主要海军国家的重视,预期在未来5~10年内将会有重大进展。但水下分布式远程感知技术的发展还面临着从基础、理论到实践的众多课题,包括系统构成和运用的概念,分布式传感器阵对目标的探测、分类和识别,固定、可部署传感器和移动节点构成的传感器场的配置,水下分布式网络的通信和控制,以及系统的部署和保障等。本文讨论水下分布式远程感知系统的基本组成,实现系统功能所面临的主要挑战,需要关注的主要关键技术,并提出相应的看法和建议。     

高光谱遥感技术综述

高光谱分辨率遥感是20世纪80年代兴起的新型对地观测技术,与传统遥感相比,高光谱遥感具有更为广泛的应用前景。文中概述了高光谱遥感的特点、发展过程、发展程度及目前几种典型的成像光谱仪数据特点。     

舰船遥感图像的目标识别研究

本文根据遥感图像的目标识别要求,从舰船的目标识别要点出发,首先介绍舰船遥感图像的识别流程,针对舰船遥感图像在摄取中存在一定云块和复杂海况的噪声干扰问题,提出一种基于多级视觉感知算法去除海面背景干扰,获取舰船目标;考虑到获取到的舰船目标存在一定的虚假识别,本文引入基于SVM分类器方法有效的过滤掉虚假舰船目标,并在最后对舰船目标的分类识别结果进行了分析。     

无人机海监测绘技术应用下舰船遥感图像目标检测

随着遥感技术与无人机技术的结合,无人机遥感已广泛应用于海监测绘领域。通过大量实践发现,受到天气雨雪、大雾、霾的影响,无人机获取舰船遥感图像时,目标识别清晰与准确度明显降低。为此,应用无人机海监测绘技术进行下舰船遥感图像目标检测。通过对遥感图像目标的明暗分离计算、海陆场景分离计算与目标神经特征识别计算,实现对舰船遥感目标的快速检测。仿真场景对提出的设计进行对比测试,结果证明了提出设计的可行性与实用性。     

RBF神经网络模型在遥感目标检测中的应用

光学遥感成像是一种常见的船舶目标图像获取方法,对其图像中的船舶目标检测正逐渐成为研究热点。本文利用RBF神经网络模型对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种常见船舶光学遥感图像进行检测,首先结合kmeans和区域增长法对遥感图像进行分割,接着对船舶区域提取灰度一致性矢量和距离直方图2个特征。最后用聚类方法对RBF网络训练,并用其对船舶目标进行训练和检测。检测结果表明,本文的RBF神经网络模型对船舶目标的检测准确率为86%左右,有效实现了常见船舶目标的检测。     

舰船遥感图像的分类方法研究

遥感图像分类一直是舰船应用领域的关键技术,由于遥感图像具有多波段、高维特征等特点,当前遥感图像分类技术面临一定的挑战。为了获得更优的舰船遥感图像分类结果,提出一种多分类器加权组合的舰船遥感图像分类方法。首先分析舰船遥感图像分类研究的历史,找到导致单分类器的舰船遥感图像分类错误率高的原因,然后引入双边滤波算法对原始舰船遥感图像进行去噪,并提取舰船遥感图像分类纹理特征,最后采用多种方法建立舰船遥感图像分类器,并对它们进行加权组合,输出舰船遥感图像的最终归属。仿真测试结果表明,本文方法获得了比单分类器更优的舰船遥感图像分类正确率,舰船遥感图像分类结果更加可靠。     

舰船遥感图像检测小波分析研究

本文以舰船遥感图像为具体分析对象,针对舰船图像中存在的噪声干扰和目标边缘检测问题,引入小波分析作为解决方法,通过对使用小波进行图像去噪及目标边缘检测原理的分析,采用db N小波函数为对舰船图像信号进行分解,以自适应阈值法实现高频信号去噪处理,并对降噪后的图像选择合适的平滑函数进行舰船目标边缘提取,结果表明,小波分析能够很好地实现舰船遥感图像去噪,而舰船目标对于边缘提取,虽然效果较好,但仍有进一步优化改进的空间。     

统计学习在海上遥感图像背景去噪的算法研究

针对传统的遥感图像中存在的边缘清晰度低、噪声干扰大等问题,本文在统计学习的基础上利用支持向量值轮廓波变换进行海上遥感图像去噪处理。阐述支持向量值轮廓波变换,并建立相干斑噪声模型,通过支持向量值轮廓波变换对此模型进行处理,最后进行不同算法的对比实验。实验结果表明,本文算法能够保持原始图像的细节信息,泛化能力好。     

无人机遥感系统的海事应用

无人机(英文为Unmanned Aerial Vehicle,缩写UAV)是一种有动力驱动、机上无人驾驶、可控制、能重复使用、可携带多种设备、执行多种任务的航空器的简称。无人机与遥感技术的结合,即无人机遥感(英文     

光学遥感图像舰船目标检测算法研究

针对航天图像舰船目标快速检测问题,本文提出了一种复杂海洋背景中舰船目标的快速提取,舰船尾迹的检测及目标检测算法。根据人类视觉注意机制,把梯度作为视觉注意前期的简单特征,然后以开尔文尾迹为主要依据,以区域灰度方差表示纹理粗糙度,进行舰船尾迹识别,最后分析舰船检测的原则和主要特征,提出舰船目标检测流程,并进行目标检测实验,实现准确的尾迹识别和目标检测。     

高分辨率遥感船舶图像细粒度检测方法

船舶图像细粒度检测是高分辨遥感图像分析的难题,受船舶尺寸、陆地背景、光照、风浪等因素影响,易降低图像检测的准确性.为克服船舶目标识别的影响因素,针对不同类型和型号的船舶目标检测建起特征提取算法模型,提升最终的识别精度.本文提出一种基于深度学习的船舶图像细粒度检测方法,将深度学习算法应用到高分辨率遥感图像中,借助算法训练...     

海洋遥感图像舰船尾迹检测研究

针对传统小波变换的不足,提出利用方向小波进行遥感图像舰船尾迹检测算法。在理论分析的基础上,对模拟船舶尾迹进行不同方向的尾迹区分,方向性明显。最后通过传统小波变换和方向小波变换对比的仿真实验验证,本文所采用的算法更加接近真实的尾迹,且尾迹平滑、清晰,能够体现尾迹的纹理和方向。     

基于极限学习机算法的光学遥感图像舰船目标监测

在遥感成像技术快速发展的背景下,获取遥感图像的方式有所改变,已经不再局限在合成孔径雷达方面,而是开始采用光学相机。通过光学相机所形成的遥感图像具有较高的分辨率,且能够在图像中对感兴趣目标进行检测。其中,光学遥感图像是军事活动应用遥感技术的重点且备受关注。将极限学习机算法应用在光学遥感图像舰船目标检测中,可以进一步提高检测质量与效果。该算法属于全新的单隐含层前馈神经网络学习算法,结构相对简单且能够快速学习,全局寻优能力较强,计算复杂程度降低,能够获得最小平方优化解,性能稳定且泛化。总体来讲,基于极限学习机算法的光学遥感图像舰船目标检测研究十分有必要。     

不稳定条件下船舶遥感图像层次特征识别分析

传统遥感图像特征识别方法,在不稳定条件下无法准确对图像中的层次信息进行特征识别及分析处理。因此,提出不稳定条件下船舶遥感图像层次特征识别方法。通过对遥感图像进行特征干扰源提取计算,使图像层次变得清晰;引入卷积神经网络算法对图像层次特征进行网络化特征提取计算;采用像素特征识别方法对图像层次特征进行识别与分析;最后,通过实验对设计方法进行可行性的客观论证。     

基于遥感探测技术的舰船搜救系统设计

传统舰船搜救系统对事故舰船定位的精准度较低,无法满足现今社会的需求,为此提出基于遥感探测技术的舰船搜救系统设计。舰船搜救系统硬件设计包括主控芯片的选择、供电及电源管理单元、定位单元、信号采集单元和显示单元的电路设计,软件设计包括主程序编写、定位算法设计、无线接收与显示程序编写。通过硬件与软件系统的设计,实现舰船搜救系统的运行。实验结果表明,设计系统的事故舰船定位精准度平均值比传统系统高出32%。说明设计的舰船搜救系统具备极高的有效性。     

星敏感器在海上遥感测绘中的计量方法

传统的海上遥感测绘计量方法会受外界因素的影响,无法精确的计量测绘数据,为了解决这个问题,提出基于星敏感器的海上遥感测绘计量方法。利用星敏感器,提取海上遥感测绘数据,再利用极大似然法,处理海上遥感测绘数据,在此基础上,应用海上遥感测绘计量模型,得出精准的计量测绘数据。考虑到重力加速度的问题,需引入测速传感器,对速度进行补偿处理。由此,完成基于星敏感器的海上遥感测绘计量方法的设计。最后,通过仿真实验,对比2种方法的精准度,实验结果表明,所以方法相比传统的海上遥感测绘计量方法精准度更高。     

厦门湾悬沙分布的多时相遥感分析

利用厦门湾地区多时相遥感图像反演出表层悬沙浓度分布图,进而定性分析不同径流和潮流下悬沙分布规律。研究表明,九龙江河口湾为该地区悬沙浓度最高的区域,分布上具有"西高东低"的特征。全湾悬沙来源主要为两部分:径流来沙以及波浪和潮流掀沙。潮流运动是泥沙输送的主要动力,由于弗劳德数分布不同而引起的潮流挟沙力空间差异,是影响厦门湾悬沙分布的主导因素。利用实测泥沙资料将不同时相下瞬时悬沙浓度转换为全潮平均悬沙浓度以进行定量分析,结果表明悬沙浓度具有大潮大于小潮,枯季大于洪季的特征。     

基于水深遥感的长江口南支演变趋势探讨

以长江口南支为研究区,对通过遥感影像反演出的1999年水下地形和该河段2002年实测水深,进行河道冲淤变化和沙体迁移分析。由分析结果结合近年长江河口来水来沙现状和南支河道特征、沙体迁移特征和水流特点,探讨长江口南支演变趋势及所需采取的相关治理措施。