基于星载高分辨率遥感图像的海上目标识别技术研究

Maritime satellite images are widely used in military and civil applications. However, the recognition and processing work of traditional satellite images are mainly carried out on the ground. By the reason of satellite data transmission capability and the distribution of ground stations, the process of image acquisition is complex. The data from acquisition to the ground station in about 1 days, which delays the timeliness of information. The project intends to remove the ground image processing work to the onboard image processing. In view of the characteristics of large breadth and changeable scenes of ocean remote sensing images, we propose an ocean target feature extraction method based on human visual model. In order to eliminate the influence of high-dimensional non-linearity of ocean satellite data on processing, we propose a non-linear dimension reduction model based on sensitive Hash forest and Nistrom method. Considering the large amount of satellite image data, we propose hybrid spill-tree data search method according to the prototype of data search algorithm. By building a hardware platform, we verify the real-time and accuracy of the method. And we explore the practicability and feasibility of engineering application. The research content has laid a foundation for improving the ability of ocean information acquisition and processing, and also provided guarantee for the development of space remote sensing in China. It has important theoretical and engineering application significance.

海洋航天光学遥感图像在军民用方面都有着广泛应用，但传统遥感图像的处理工作主要在地面进行，受卫星数传能力及地面站分布的影响，图像获取流程复杂，遥感数据从获取到地面站接收的周期大约在1天左右，延误了海洋信息的时效性。本课题拟将地面图像处理工作转移到星上，实现在轨自主图像处理。针对海洋遥感图像幅宽较大、场景多变的特点，提出基于人眼视觉模型的海上目标特征提取方法；为了消除海洋遥感数据高维度非线性因素对数据处理的影响，提出基于敏感哈希森林和尼斯特罗姆方法的非线性降维模型；考虑遥感图像数据量大的特性，以数据搜索算法为原型，提出基于标记混合溢出树的特征匹配方法，从而实现海洋遥感图像星上目标快速识别。并通过搭建硬件平台进行方法的实时性准确性验证，探索工程应用的实用性和可行性。本课题开展的研究内容为我国海洋信息获取与处理能力的提升奠定了基础，也为我国发展航天遥感事业提供保障，具有重要的理论和工程应用意义。

海洋航天光学遥感图像在军民用方面都有着广泛应用，但传统遥感图像的处理工作主要在地面进行，受卫星数传能力及地面站分布的影响，图像获取流程复杂，遥感数据从获取到地面站接收的周期大约在1天左右，延误了海洋信息的时效性。本课题拟将地面图像处理工作转移到星上，实现在轨自主图像处理。针对海洋遥感图像幅宽较大、场景多变的特点，提出基于人眼视觉模型的海上目标特征提取方法；为了消除海洋遥感数据高维度非线性因素对数据处理的影响，提出基于敏感哈希森林和尼斯特罗姆方法的非线性降维模型；考虑遥感图像数据量大的特性，以数据搜索算法为原型，提出基于标记混合溢出树的特征匹配方法，从而实现海洋遥感图像星上目标快速识别。并通过搭建硬件平台进行方法的实时性准确性验证，探索工程应用的实用性和可行性。本课题开展的研究内容为我国海洋信息获取与处理能力的提升奠定了基础，也为我国发展航天遥感事业提供保障，具有重要的理论和工程应用意义。. 课题组共发表学术论文11篇（其中SCI检索论文7篇，EI检索论文3篇，中文核心论文1篇），申请国家发明专利2项，获批省部级项目1项，完成了项目预期的研究成果（上发表学术论文 3-4 篇，其中 SCI/EI 检索论文不少于 2 篇）。在国际学术会议“第一届海洋传感及智能检测技术国际会议”上做报告1次。