基于异常检测的泛锐化高分辨率卫星图像舰船候选区域鲁棒检测
计算机视觉与模式识别
2018-04-26 v1
摘要
舰船候选区域预筛选现已被顶级舰船检测器所采用，以避免在图像上进行穷举搜索。在甚高分辨率（VHR）光学图像中，舰船在开阔海杂波（类噪声背景）中表现为一团异常亮像素。利用全色（PAN）数据的异常检测器已在众多研究中广泛用于舰船检测，但仍面临两个主要缺陷：1）检测率往往较低，尤其在舰船对比度低时；2）这些模型需要大量人工配置以选取最佳分离舰船与海面背景的阈值。本文旨在进一步研究异常模型以解决上述问题。首先，将泛锐化多光谱（MS）数据与PAN结合以增强舰船判别力。其次，我们提出一种改进的异常模型，结合全局强度异常与局部纹理异常图。针对海杂波存在及泛锐化过程引入的噪声，基于量化理论引入了纹理异常抑制项。在VNREDSat-1 VHR光学卫星图像上的实验结果表明，泛锐化近红外（P-NIR）波段可改善舰船与周边水体的判别。与最先进的基于异常的检测器相比，我们所提出的基于PAN与P-NIR数据组合的异常模型不仅能达到最高的舰船检测召回率（在高对比度与低对比度数据集上分别为91.14%和45.9%），而且对不同的自动阈值选取技术具有鲁棒性。
引用
@article{arxiv.1804.09322,
title = {Robust Anomaly-Based Ship Proposals Detection from Pan-sharpened High-Resolution Satellite Image},
author = {Viet Hung Luu and Nguyen Hoang Hoa Luong and Quang Hung Bui and Thi Nhat Thanh Nguyen},
journal= {arXiv preprint arXiv:1804.09322},
year = {2018}
}