水面太阳耀光导致光学图像存在耀斑和舰船目标细节信息丢失。提出了一种偏振滤光结合多项式拟合的水面太阳耀光抑制方法。该方法基于水面太阳反射耀光的偏振特性,在成像光路中利用偏振片对耀光进行偏振滤光,对偏振滤光图像中的耀光区域采用多项式拟合估计进行修复。搭建了室外水面耀光偏振成像实验装置,采集得到水面耀光的偏振滤光图像,分别采用基于最小二乘法的多项式列方向曲线、行方向曲线、曲面、逐行多项式曲线拟合的方法对偏振滤光图像进行处理。实验结果表明:偏振滤光和逐行多项式拟合相结合的方法能够有效去除太阳耀光,使得处理后的图像亮度更加自然,既不包含饱和像素,又凸显舰船目标的细节信息。

针对 Faster R-CNN算法中对于红外舰船目标特征提取不充分、容易出现重复检测的问题，提出了一种基于改进 Faster R-CNN的红外舰船目标检测算法。首先通过在主干网络 VGG-16中依次引出三段卷积后的 3个特征图，将其进行特征拼接形成多尺度特征图，得到具有更丰富语义信息的特征向量；其次基于数据集进行 Anchor的改进，重新设置 Anchor boxes的个数与尺寸；最后优化改进后 Faster R-CNN的损失函数，提高检测算法的整体性能。通过对测试数据集进行分析实验，结果表明改进后的检测算法平均精确度达到 83.98%，较之于原 Faster R-CNN，精确度提升了 3.95%。

针对YOLO V3算法中对于小目标检测精度不高、容易出现漏检误检的问题, 提出了一种基于改进YOLO V3的舰船目标检测算法。首先,通过在YOLO V3原网络结构基础上额外从主干网络引出一个输出尺度, 将其与上一个输出尺度中的特征信息进行特征拼接, 得到具有更丰富语义信息的特征向量; 其次,基于数据集进行聚类改进, 改进度量距离公式、重新设置anchor box的个数与相应参数; 最后, 优化改进YOLO V3的损失函数, 提高模型的整体性能。对测试数据集进行分析实验, 结果表明改进后的检测算法平均精确度达到83.98%, 较之于原YOLO V3, 平均精确度提升了6.72%。

近年来,合成孔径雷达成像技术因具备全天时和全天候的目标感测能力,在海洋实时监测和管控等领域发挥着重要作用,特别是高分率SAR图像中的舰船目标检测成为当前的研究热点之一。首先分析基于深度学习的SAR图像舰船目标检测流程,并对样本训练数据集的构建、目标特征的提取和目标框选的设计等关键步骤进行归纳总结。然后对检测流程中的各部分对SAR图像舰船目标检测精度和速度的影响进行对比分析。最后根据当前研究现状,深入分析深度学习算法在舰船检测应用中存在的问题,探讨基于深度学习的SAR图像舰船目标检测的进一步研究方向。

前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题, 为了更好地突出目标、抑制背景, 提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容, 然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM), 通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM), 最终得到了尺度不变局部对比度图像。实验结果表明, 所提方法可以适应前视红外图像中多类型多尺寸的舰船目标, 显著提高目标信号的信噪比(SNR)和信背比(SBR), 与其他方法相比, 所提方法的舰船目标增强效果更好, 尤其是对于暗弱目标区域;另外, 所提方法运算速度快, 并且可以借助并行处理和积分图像进一步加速运行。

红外成像系统作为探测舰船目标的一种重要方式, 在**侦察中起着至关重要的作用, 面对复杂背景、 恶劣天气环境等情况时, 目标与背景局部对比度较低导致红外系统的探测准确率、 查全率等性能指标受到严重影响, 针对上述问题, 开展了基于红外偏振图像的舰船目标检测方法研究。 通过8~12 μm长波波段红外偏振图像采集系统实际采集86组4个偏振方向(0°, 45°, 90°, 135°)的红外偏振图像, 样本中舰船目标309个。 对同场景下不同偏振方向的红外偏振图像及红外强度/偏振度图像的目标与背景局部对比度计算, 发现海面与舰船目标偏振特征差异能够有效提高目标与背景局部对比度。 在前视红外图像中, 舰船目标通常位于海天线附近或下方, 但复杂背景及天气等因素干扰对红外图像中检测海天线影响较大, 为此提出红外偏振图像海天线检测方法, 对红外偏振图像直方图进行高斯滤波消除局部极值, 依据海面与背景的偏振特征差异, 利用双峰法阈值分割检测海天线, 最后利用霍夫变换检测海天线, 分割出海面作为目标候选区域。 针对红外偏振图像受到海杂波严重干扰的问题, 提出海杂波背景抑制算法, 采取背景抑制, 距离加权方法抑制偏振图像中杂乱的海杂波背景。 最后, 利用MSER算法检测舰船目标, 根据舰船目标特性约束条件剔除非目标区域。 对86组红外偏振图像进行舰船目标检测实验, 所提出的方法能够有效克服复杂背景和海杂波等因素的干扰准确检测海天线, 通过海杂波背景抑制及舰船特征约束的方法消除海杂波及海岸对舰船检测所带来的干扰, 检测准确率、 查全率分别为93.2%和95.7%, 优于红外舰船目标检测方法, 特别在红外图像对比度低的场景下检测效果提升明显, 检测准确率、 查全率分别提高了46.5%和16.4%。 表明充分考虑红外偏振图像中舰船目标与背景的偏振特征差异能够有效提高目标与背景的局部对比度, 有利于准确检测海天线, 提高舰船检测准确率和查全率, 对复杂背景及恶劣天气有较强的适应性, 在**应用中具有极大应用价值, 对红外波段舰船目标检测技术的发展有着极为重要的意义。

针对海天场景复杂干扰情况下多尺度检测红外偏振图像中舰船目标困难的问题, 本文提出一种基于引导滤波和自适应尺度局部对比度的舰船目标检测方法。首先将强度信息作为引导信息对红外偏振图像利用引导滤波, 得到目标背景对比度、局部信噪比更高的融合图像; 然后基于融合图像显著的海天线垂直梯度特征, 提出一种检测海天线方法, 再对融合图像进行海天线加权抑制海杂波干扰; 最后基于单尺度局部对比度算法与舰船目标比例特征, 提出自适应尺度局部对比度方法, 当尺度与目标匹配时响应最大, 通过不同尺度对目标的响应结果确定最大尺度, 得到舰船目标检测结果。实验结果表明, 引导滤波融合方法的提高图像的目标背景对比度和局部信杂比, 与典型检测方法对比, 本文方法能够有效抑制干扰并能够检测海天场景不同尺度舰船目标, 具有较高的鲁棒性和准确性, 检测率、虚警率分别为95.0%, 3.5%, 为红外偏振图像目标检测提供了新的方法。