基于深度学习的光学遥感影像舰船检测算法对比分析

舰船目标检测是进行海洋环境监管,保障海上权益的重要手段。基于深度学习的目标检测算法能在复杂环境下保持良好性能,为测试不同深度学习目标检测算法在舰船检测中的效果,本文构建了一个包含3893张图像的数据集,涵盖了复杂背景下不同类型的舰船,基于此数据集分别采用Faster RCNN、SSD、RetinaNet、YOLOv3、YOLOv4算法进行实验,结果表明,YOLOv4 、YOLOv3、RetinaNet、Faster RCNN平均精度均在83%以上,其中YOLOv4最高达到91.77%,Faster RCNN误检较多,而SSD平均精度最低,只有79.23%,总的舰船检测数目偏少。将5种模型训练结果在高分二号影像上进行测试,得到较好的检测效果,对舰船检测未来理论研究的开展具有一定的指导意义。     

基于YOLO模型的SAR舰船目标检测方法研究

随着海上交通运输业业务需求的不断增加，传统的目标检测方法已无法满足实际需求。由于卫星遥感技术的快速发展，基于合成孔径雷达（Synthetic Aperture Radar,SAR）图像舰船目标自动识别具有显著的应用潜力。近年来，深度学习技术在目标检测领域逐渐显现出优势，特别是YOLO (You Only Look Once)模型以其较高的精度和计算效率，为SAR舰船目标的识别提供了一种新的方法。为对比不同的YOLO模型在舰船目标识别领域的性能及其相比于两阶段深度学习算法的优势，本文首先对YOLO系列的结构进行了归纳总结；其次对当前广泛使用的数据集进行了对比分析，并基于SAR图像数据集（SAR Ship Detection Dataset,SSDD）的样本进行重新标注构建出本文的数据集；然后将YOLO系列模型与两阶段目标检测方法——更快速的区域卷积神经网络（Faster Region-based Convolutional Neural Network,Faster R-CNN）在SAR舰船目标检测的精度和速度两方面进行对比实验；最后在YOLOv5模型的基础上对主干网络（Backbone...     

第一讲 海雾及其分类

一、雾的一般提法 雾是低层大气在贴近下垫面的一种凝结现象,在陆上和海上都可以生成,但海雾是指在海洋影响下生成在海洋上的雾,因而其生成、维持和消散的过程具有其自身的特点。海雾的存在与海洋环境有着密切的关系,而海洋环境主要指的是水文状况和气象条件。换句话说,海雾是在特定的海洋水文和气象条件下产生的,在那些经常可以满足成雾条件的海区,海雾出现的机会就多,反之亦然,因而海洋上海雾的分布具有很强的区域性和季节性。 海雾在海上形成后,会随风逐流,向风的下游扩展。在沿海地区,海雾自然可以登陆,深入陆地,有时达几十公里,登陆后的海雾,仍保持海雾的特征,但在新的环境影响下,很快变性消散,或变成低云。不过在近海处,登陆的海雾虽不断消散,却又不断有新的从海上补充,所以沿海地区有时海雾会持续几天。 海雾在海上生成被输送到陆上,自然仍称海雾,但在陆地上生成的雾扩展到海上却不是海雾,尤其那些在陆上生成随天气系统移到海上的雾,只能叫做“海上的雾”。例如象锋面雾,纯属天气系统的雾,陆上有,海上也有,虽然海洋可以给予一定程度的影响,但它的生成,却出于天气系统,而不是纯粹海洋的影响,因而不能列入海雾的范围。     

一种增强型YOLOv3的合成孔径雷达(SAR)舰船检测方法

近年来,海战场成为现代战争的主要作战区域之一,舰船目标逐渐成为海上重点监测对象,能否快速准确地识别海战场舰船目标的战术意图,给指挥员的决策提供必要的支持,这关系到一场海上战役的成败.随着合成孔径雷达(synthetic aperture radar,SAR)成像技术的不断发展,大量SAR图像可用于舰船目标检测与识别.利用SAR图像进行舰船目标检测与识别,已经成为重要的海洋应用之一.针对传统SAR图像舰船检测方法准确率较低的问题,本文在YOLOv3的基础上,结合感受野(receptive field block,RFB)模块,提出一种增强型的SAR舰船检测方法.该方法在最近公开的SAR图像舰船检测数据集上平均准确率值达到了91.50％,与原YOLOv3相比提高了0.92％.实验结果充分表明本文提出的算法在SAR舰船的检测中具有较好的检测效果.     

基于20年卫星遥感资料的黄海、渤海海雾分布季节特征分析

目前对海上雾分布的认识多基于沿岸测站和海上船舶、浮标观测,但这些数据非常稀少,且存在代表性和数据质量方面的问题,因此一直缺乏对海雾分布更全面、清晰的了解。卫星遥感数据空间均一、覆盖范围广、质量一致,具有对无云条件下大范围、离岸海雾监测的优势。本文通过分析算法检测出的1989-2008年黄渤海海雾及云的频数、分布百分率信息,得到了黄渤海海雾季节变化的较全面特征。除印证其他资料或研究的结论外,还发现:(1)黄海海雾频数随季节变化的幅度较渤海明显;(2)黄海、渤海海域存在冬季海雾多发时段;(3)海雾生消过程中有覆盖区变化的东传特征;(4)春夏雾季中存在黄海中部和西朝鲜湾两处海雾多发区,其中西朝鲜湾也是全年海雾最多的海域。另外,在样本充足的情况下,通过对检测出的低云、中高云覆盖百分率和海雾频数的分析统计,还能估算出黄海、渤海部分季节20年海雾发生的平均概率。     

基于船载雷达图像的海上船只检测方法

随着雷达成像技术和高分辨率光栅显示技术的发展和应用,基于船载雷达图像的船只检测成为可能.海上船只检测的主要困难之一是雷达图像中包含固有的海面背景杂波.传统的雷达船只检测方法,如恒虚警率法(CFAR),以杂波分布模型为基础,计算待检测窗口中的信号统计分布来确定自适应阈值,取得了一些成果.但是,当海面背景杂波和船只目标的回波强度在同一数量级,甚至船只目标淹没在海面背景杂波中时,就难以确定一个有效的阈值将船只目标从雷达图像中提取出来.在分析海面背景杂波和船只目标的相关差异性基础上,提出了一种基于船载雷达序列图像的海上船只快速检测方法.该方法首先对相邻两幅图像进行互相关性分析,在两幅图像中的同一位置提取一定尺寸的移动窗口,计算其互相关函数值,窗口移动一个步长,重复操作直至遍布整幅图像,形成一幅由灰度图像互相关函数值组成的相关图像.然后使用概率神经网络模型(PNN模型)来估计相关图像背景杂波的灰度概率密度分布函数(PDF),应用CFAR技术,使用二分法求解一个区分船只和背景噪声的自适应整体阈值,并根据阈值将相关图像二值化,其中大于阈值的像元作为候选的船只目标信息,小于阈值的像元则为海面背景杂波.最后使用连通性8-邻域准则统计各个候选船只目标区域的像元数,并与预先定义的最小船只目标像元数进行比较,偏小的候选船只目标区域作为虚警去除,保留下来的候选船只目标区域即为船只检测结果.研究显示,如果图像序列中没有船只目标信息,则三维相关图像比较平整.相反,如果图像序列中含有船只目标信息,则三维相关图像上有峰值被检测出,通过测量峰值的高度,就能判断存在可能的船只目标.运用X波段船载雷达序列图像对本文提出的海上船只检测方法进行了测试.测试结果表明,该检测方法具有很好的船只检测效果,得到的船只检测结果与目视判别的结果一致.而且该检测算法原理简单,计算速度快,易于实时处理,具有广阔的应用前景.     

水下图像目标检测研究综述

在海洋开发的环境下，水下物体探测技术得到广泛应用，随着水下机器人与计算机技术的发展， 该技术越来越受到研究人员的重视。根据当前的水下图像目标检测研究进展，简要介绍水下图像目标检测流程(即图像采集、图像的预处理、以及图像检测的方法)，对总结发展现状、发现技术的不足及挖掘未来的研究方向有重要意义。针对基于光学图像的水下目标识别问题，论述了图像采集、图像的预处理、以及图像检测等方面的主要进展，阐述了基于深度学习实现水下图像目标识别的技术发展现状。通过对水下目标处理过程的讨论和分析，指出水下图像目标识别领域中需要解决的问题，并预测该领域技术发展趋势。     

基于双阶段特征匹配的非同源SAR船只跟踪方法

开展星载合成孔径雷达(Synthetic Aperture Radar,SAR)船只匹配跟踪研究是海上船只监测的重要内容,对提升海上目标监测管控能力有重要意义.当前利用SAR卫星进行船只目标匹配跟踪时,由于船只目标尺寸小且船只目标的运动会在SAR图像中产生几何畸变,导致船只目标在SAR图像中难以准确实现匹配跟踪.基于此...     

海上船只目标多角度成像技术

将斜视滑动聚束合成孔径雷达(SAR)应用于海上船只目标的成像。利用斜视角的变化,斜视滑动聚束SAR可高频次地得到同一船只在不同斜视角下的多幅高分辨率微波图像,有利于船只目标的分类与识别。将斜视滑动聚束SAR高效成像算法与船只目标逆合成孔径雷达(ISAR)重聚焦算法相结合,针对计算机仿真数据开展了成像处理实验,取得了较好的成像效果,验证了斜视滑动聚束SAR应用于船只目标成像时可高频次地获得多幅高分辨率图像的独特优势。     

基于多波束前视声呐的水下静态目标的探测识别技术

基于声呐的水下目标检测是具有重要意义的研究课题。由于声呐图像质量差、对比度低、边缘模糊等,基于特征提取的识别方法在精度和速度上无法满足现有要求。鉴于此,将基于卷积神经网络的 YOLOv3 引入声呐图像的目标识别任务中,首先通过动态亮度分配和中值滤波对图像进行预处理建立数据集,然后对 YOLOv3 模型进行训练和测试,最后根据静态目标的位置不变去除虚假目标,降低误检率。实验结果表明： 较之现有的特征提取识别算法,本算法具有更高的效率和更低的误检率。     

深度学习遥感影像油罐检测算法精度对比分析

油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。     

MODIS卫星海雾检测技术研究

以MODIS/TERRA卫星为数据源,以2006~2009年黄渤海区域五个台站的实况资料和部分海测资料为依据,选取了23幅有雾天气卫星云图为样本,对卫星36个通道进行了相关性分析实验,通过该实验实现了海雾特征通道的选择。对特征值与日地关系因子进行了相关性分析实验,讨论了日地关系因子对海雾特征值的影响,提出了特征通道特征值的订正方法。在此基础上,运用阈值法进行了海雾检测,取得了理想的海雾正检率。     

Marine radar interrogator-transponder

The use of ship's radar for collision avoidance presents a fundamental problem in threat detection and identification since all vessel radar returns ("paints") look alike. As a result, when a ship master caught in a fog is trying to use his radio-telephone to work out a maneuvering plan with another vessel, it is difficult for him to identify which blip on the planar position indicator PPI is the source of the voice on the radio. One solution now receiving worldwide attention is to fit all vessels with active transponders. The marine radar interrogator-transponder (MRIT) is an advanced form of transponder which includes an integral interrogator and works in coordination with the ship radar to provide not only target identity and "clutter-free" target paints, but also maneuvering information and such data as target's course, speed, draft, safe or dangerous cargo, etc. Mounted on a fixed navigation aid, the transponder portion alone can also function as a racon (radar beacon). This paper describes the operational parameter and reviews the system bench tests and sea trials.     

动力定位采矿船高海情下的运动响应分析

本文对具有动力定位深海采矿船高海情下的运动响应及运动特性开展研究。针对具有6个推进器构成的动力定位系统，考虑高海情及空载和满载两种典型工况，基于推力最小和运动最小条件，应用卡尔曼滤波器结合线性二次型最优控制理论的控制算法优化推力，进行动力定位系统的参数整定，实时优化调整推力的方向和大小，计算采矿船高海情下的运动和推力的时间历程响应和分析运动特性。经计算，得到了深海采矿船空载和满载工况在高海情下实施海上定位的浪向及需要的推力大小，确定了采矿船动力定位系统在高海情下的适应性，评估了高海情下深海采矿船的定位能力。     

双船双方位角地震探测技术方法及应用效果

南海东沙海域的陆坡台地区, 浅表断裂及生物礁发育众多, 浅层新生界多为碳酸盐岩层, 中深层的中生界内部构造复杂, 断裂较多, 常规单船窄方位地震剖面显示中深层反射品质较差。利用双船可以设计灵活的观测系统, 形成双方位角地震探测方式, 对于地下同一反射点的照明, 可以获得比窄方位角探测更好的效果, 也可以改善高速屏蔽层下方、高陡倾角斜层等区域的成像质量。文章通过重点技术的攻关研发, 进行了单源激发、双缆接收的双方位角采集试验, 成功实现该方法在南海海域中深层地震勘探中的应用。     

上海近海一次低压控制下春季海雾空间差异分析

根据海上浮标实测数据和再分析数据,发现2016年4月20-23日长江口航道附近南北海雾存在的显著空间差异主要受到水汽以及风场的影响。分析表明:(1)本次海雾过程高空受低压槽控制近地面处低压过境,切变线东移导致低空风向的迅速转变,此后受到暖锋影响,导致短时小雨过程的发生;(2)此次海雾过程受风场的影响较大,盛行南风时水汽充足,湿度较大,容易产生海雾,受西北风主导时,则容易出现海雾消散的情况;(3)长江口外北部站点和南部站点存在显著空间差异性,北部站点能见度明显好于南部站点,并且在此次海雾过程中北部站点先于南部站点出现一次能见度好转的情况,这是由于低压过境导致风向骤变,北部未获得充分的水汽供给所致。此次低压槽天气过程在长江口南北产生区域差异显著的海雾,对这种典型风向骤变过程分析有助于为航运密集的长江口海雾预报提供参考。     

北极海缆路由工程地质勘察问题探析

跨北极海缆以其铺设成本低、海缆传输距离短、信息传输速率高等优点成为多个国家优先选择的海缆线路。文章简要介绍了环北极国家和我国的北极海缆建设现状。探讨了海冰对工程地质勘察区域的限制、海冰对工程地质调查取样的影响、海雾对工程地质勘察进度的影响和北极地缘政治对工程地质勘察的制约。提出增强调查船舶破冰性能、加速勘察技术革新、提升海冰气象预报能力和深化国际合作等建议,以提升我国北极区域海上综合勘察能力。     

深度学习在海洋信息探测中的应用:现状与展望

深度学习可以通过深度神经网络,使机器理解学习数据,从而提高数据分类效果和预测结果的准确性,因此在海洋信息探测中应用越来越受到重视.作者基于深度学习的基本原理,阐述了海洋上常用的深度学习神经网络模型,并结合海洋信息探测要素,对温度、盐度、风场、有效波高和海冰等进行了海洋环境信息因子的预测分析;同时,对船舶、溢油和涡旋等进...