高分辨率SAR船只样本集构建与特征分析

被引：4

作者：

包萌 ^{[1
,2
]}

张杰 ^{[1
,2
]}

孟俊敏 ^{[1
,2
]}

张晰 ^{[1
,2
]}

郎海涛 ^{[3
]}

机构：

[1] 自然资源部第一海洋研究所

[2] 自然资源部海洋遥测技术创新中心

[3] 北京化工大学

来源：

电波科学学报 | 2019年 / 06期

基金：

国家重点研发计划;

关键词：

高分辨率SAR船只样本集; 合成孔径雷达; 船只几何参数; 船只类型识别;

D O I：

10.13443/j.cjors.2019043008

中图分类号：

U675.79 [新技术在航海上的应用]; TN957.52 [数据、图像处理及录取];

学科分类号：

081105 ; 080904 ; 0810 ; 081001 ; 081002 ; 0825 ;

摘要：

随着高分辨率合成孔径雷达(synthetic aperture radar, SAR)技术的不断发展,船只类型识别已成为遥感领域的重要研究课题.为满足在大样本支撑下的船只类型精确识别,文章利用RADARSAT-2和中国高分3号(GF-3)SAR数据构建了名为HR4S的高分辨率SAR船只样本集,详细阐述了构建HR4S的方法,并建立了一套完整的船只样本提取流程.该样本集涵盖1 962个不同极化方式、分辨率以及类型的船只样本,在此基础上开展了船只几何参数分析,以及不同分类器与特征组合的船只类型识别性能分析等方面工作.结果表明:RADARSAT-2在HH、VH、VV极化中提取的几何参数均优于GF-3,并且航向在VV极化对船只几何提取影响最小;在类型识别性能上,随机森林(random forest,RF)分类器对GF-3船只分类精度最优达到了61.85%,而对于RADARSAT-2的船只分类精度最优达到了60.80%, GF-3船只分类精度优于RADARSAT-2.本文所构建的HR4S不仅进一步完善了高分辨率船只样本,并且在海上船只类型识别等方面具有的重要意义.

引用

页码：789 / 797

页数：9

共 3 条

[1] 基于卷积神经网络的SAR图像舰船目标检测 [J].

李健伟 ;

曲长文 ;

彭书娟 ;

邓兵 .

系统工程与电子技术, 2018, 40 (09) :1953-1959

[2] 高分三号NSC模式SAR图像舰船目标检测初探 [J].

刘泽宇 ;

柳彬 ;

郭炜炜 ;

张增辉 ;

张波 ;

周月恒 ;

马高 ;

郁文贤 .

雷达学报, 2017, (05) :473-482

[3] Imaging spectroscopy and the Airborne Visible Infrared Imaging Spectrometer (AVIRIS) [J].

Green, RO ;

Eastwood, ML ;

Sarture, CM ;

Chrien, TG ;

Aronsson, M ;

Chippendale, BJ ;

Faust, JA ;

Pavri, BE ;

Chovit, CJ ;

Solis, MS ;

Olah, MR ;

Williams, O .

REMOTE SENSING OF ENVIRONMENT, 1998, 65 (03) :227-248

← 1 →