进入高分SAR时代的舰船类型识别技术研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61471024
项目类别：
面上项目
资助金额：
86.0万
负责人：
郎海涛
依托单位：
北京化工大学
学科分类：
F0113.信息获取与处理
结题年份：
2018
批准年份：
2014
项目状态：
已结题
起止时间：
2015-01-01 至2018-12-31

项目参与者：
张晰；王一多；尹亮；刘根旺；龙梦启；赵荻；胡建颖；
关键词：
分类器特征提取与选择高分辨率图像解译合成孔径雷达

项目摘要

High resolution SAR makes it possible to identify the category of ships, which is the forefront of current research. The accuracy of ship classification depends on two key points, that is extracting and selecting optimal ship features, and designing a robust classifier. Ship features, which are proposed by existing methods, are usually sensitive to ship types, while unstable to environment. This project proposes a novel method to analysis the sensitivity of features to ship type and environmental condition, and develops a serial of features both sensitive to type and stable to environment. In the aspect of classifier design, it is difficult to fuse multiple heterogeneous features by a single classifier for existing methods. In this project, we propose to utilize kernel method to fuse heterogeneous ship features, and develop sparse kernel learning-SVM classifier. The outcome of this project will develop a systemic technology for ship classification based on high resolution SAR, and provide technical support to maritime rights protection of our country.

高分SAR使舰船类型识别成为可能，是当前研究的前沿课题。舰船类型识别的准确率主要取决于舰船特征的提取和选择，以及分类器设计两个核心问题。舰船特征提取和选择方面，现有研究提出的舰船类型对舰船类型敏感，但易受环境条件的影响。本项目提出分析舰船特征对类型和环境的敏感性的新方法，发展新的对类型敏感而对环境条件不敏感的舰船特征。在分类器设计方面，现有方法难以有效融合多元异构的舰船特征构造良好的分类器。本项目提出采用核方法融合舰船特征，发展基于稀疏核学习-支持向量机的舰船类型分类器。本项目的研究成果将形成一套系统的高分SAR舰船类型识别技术，为我国执行海上维权工作提供技术支持，为我国早日成为海上强国贡献力量。

结项摘要

海洋是国民经济可持续发展的战略空间，也是国家安全的重要屏障。当前，外国船只非法进入我国管辖海域的事件屡见不鲜，对我国海洋权益、领海安全构成了严重威胁。依靠传统的地基雷达、船、飞机等监测或巡视手段，难以实现对我国近300万平方公里的海洋国土的高效、有力监测。本项目提出充分发挥星载SAR所具有的全天时、全天候、大范围监测能力的技术优势，利用其获取的数据、图像，发展切实可行的技术，实现对海上船只目标的检测和识别。.为了实现对海上船只目标高检测率、低虚警率的检测，项目深入研究了：1）基于单极化数据的恒虚警率（CFAR）检测方法，提出了a）统计一致性、b）n阶贝塞尔函数、c）快速自适应合成3阶贝塞尔函数等三种新型的海杂波建模方法，有效提高了船只检测品质因数；2）基于全极化数据的检测量构建方法，提出了a）融合极化相干矩阵第三特征值和总散射能量、b）融合四分量分解散射分量等两种船只检测量。项目初步实现了对不同类型SAR传感器获取的不同分辨率、不同成像模式、不同极化方式的图像中包含的船只目标进行高检测率、低虚警率的稳定检测。.为了实现对高分辨率SAR图像船只目标的准确分类，项目针对当前在SAR船只特征提取与选择，分类器设计等方面尚未解决的关键问题，深入研究了：1）对船只类型敏感而对环境条件不敏感的SAR船只特征。提取了包括长、宽、长宽比等几何特征；RCS均值、方差等散射特征；HU不变矩、分形维数等不变特征在内的21种船只表征特征。2）特征和分类器联合选择技术。提出了基于序列前向浮动选择算法的特征和分类器联合优化方法。3）多核学习方法。提出了基于稳定的几何特征和多核学习方法的船只分类技术。4）利用知识迁移学习实现少标记样本条件下的高准确率船只分类方法。提出了基于AIS信息迁移的SAR船只分类提升方法。本项目在现有的公开发表的数据库上进行的测试结果表明，所提出的方法达成了对三种类型船只分类准确率高于85%的研究目标。