研究目的
本研究的目标如下：(1) 基于高光谱数据与实地光谱测量之间的统计光谱相似性，检测对应船舶的像素；(2) 开发适用于光学图像的船舶检测算法，并将其应用于高分辨率卫星数据；(3) 利用多移动窗口内后向散射截面的统计特性，开发SAR图像中的船舶检测算法；(4) 比较和讨论所获结果，以实现沿海地区的可持续发展。
研究成果
该研究成功利用多卫星遥感数据检测船只。高光谱与光学方法在晴朗条件下效果显著，能提供详细的船只信息；合成孔径雷达（SAR）方法可实现全天候高精度检测（探测概率POD达87.2%），但对小型船只识别效果较弱。这些方法的综合运用支持了实时监测与海岸可持续管理，尤其适用于朝鲜等难以抵达的区域。未来工作应聚焦于改进检测算法并采用更高分辨率的传感器。
研究不足
光学和多光谱方法的检测受天气条件（如云层、雾气）限制?；诤铣煽拙独状锏奶讲庖蚩占浞直媛试际?，对小于20米的小型船只识别能力有限。船舶自动识别系统（AIS）数据并非所有船只都具备，特别是在朝鲜水域，导致验证工作存在挑战。通过光学图像估算的船只尺寸可能存在误差（例如因空间分辨率及实际尺寸与登记尺寸差异导致的估算偏大）。
1：实验设计与方法选择：
研究采用光谱匹配算法（SDS、SCS、SSV、SAM、SID）处理高光谱数据，最大似然分类器（MLC）处理光学影像，恒虚警率（CFAR）算法处理SAR影像。通过SRTM DEM数据对SAR影像进行陆地掩膜处理。SAR影像预处理使用斑点噪声抑制技术（如均值滤波）。利用Radon变换从光学影像估算船舶尺寸。
2：样本选择与数据来源：
高光谱数据来自AVIRIS传感器（NASA/JPL），光学影像来自KOMPSAT-2和KOMPSAT-3卫星（KARI），SAR影像来自Sentinel-1B（ESA）和ALOS-2 PALSAR2（JAXA）。实地高光谱测量使用FieldSpec 4光谱辐射仪，AIS数据来自GICOMS用于验证。
3：实验设备与材料清单：
AVIRIS高光谱传感器、KOMPSAT-2和KOMPSAT-3卫星、Sentinel-1B和ALOS-2 PALSAR2 SAR传感器、FieldSpec 4宽幅野外光谱辐射仪、SRTM DEM数据。
4：实验流程与操作步骤：
高光谱数据经辐射亮度归一化后应用光谱相似性方法；光学影像采用MLC分类；SAR影像依次进行陆地掩膜、斑点滤波和CFAR算法处理，最终通过AIS数据验证。
5：数据分析方法：
统计分析光谱相似性系数，结合AIS数据进行验证，计算检测概率（POD），并对船舶尺寸估算结果进行误差分析。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
FieldSpec 4
Wide-Res Field Spectroradiometer
ASD Inc.
In-situ hyperspectral measurements for reference data
-
AVIRIS
Ultra-spectral sensor
NASA/JPL
Hyperspectral imaging with 224 channels for ship detection
-
KOMPSAT-2
Korea Multi-Purpose SATellite-2
KARI
High-resolution optical imaging for ship detection
-
KOMPSAT-3
Korea Multi-Purpose SATellite-3
KARI
High-resolution optical imaging for ship detection and size estimation
-
Sentinel-1B
Synthetic Aperture Radar
ESA
SAR imaging for all-weather ship detection
-
ALOS-2 PALSAR2
Phased Array type L-band Synthetic Aperture Radar 2
JAXA
SAR imaging for ship detection
-
SRTM DEM
Shuttle Radar Topography Mission Digital Elevation Model
NASA
Land masking for SAR images to avoid false detections
-
登录查看剩余5件设备及参数对照表
查看全部
