SAR卫星影像之船舶辨识.PPT

SAR 衛星影像之船舶辨識 致遠管理學院 網路通訊(now)→電腦通訊(soon)→電機工程(future)學系 張逸中 2007/5/16 海域SAR影像之基本特徵 表面平坦，迴向散射(Back Scattering)微弱，平均背景亮度偏暗。 背景亮度隨雷達波入射角差異明顯：內側亮→外側暗。 船舶等凸出物呈現出『倍數於背景』的高亮度。 背景亮度變化 船舶目標範例 雷達的側向掃描 內外側影像線亮度(灰階)分布的差異 背景亮度資料處理流程 計算每一平行衛星航線方向的影像『線』之平均亮度→ Bi 定義門檻值 Thi = 2 * Bi 取 Thi 之亮度分佈作為灰階對比最佳化的依據，賦予該線上各點亮度。 0為黑色(灰階0)； Thi 為白色(灰階255) 背景亮度最佳化結果 再用 PhotoShop 自動色階處理結果 只用 PhotoShop 自動色階處理 船舶目標亮度資料處理 計算每一平行衛星影像航線方向線之平均亮度→ Bi 定義門檻值 Thi = 2 * Bi 取 Thi 之亮度分布作為灰階對比最佳化的依據，賦予該線上各點亮度。 Thi為黑色(灰階0)； 全圖最亮點為白色(灰階255) 目標亮度最佳化結果 重點是… 各平行航線的影像線： 亮度分布模式相似 平均亮度由內向外漸暗 船舶目標明顯亮於背景(數倍) Thi = 2 * Bi 的各影像線門檻值，成功的切開兩類影像點(背景與目標)，分別處理後都獲得最佳顯示效果。 船舶目標點的定量分析 以原始亮度高於門檻值(Thi)的資料點(Pt)為分析的基礎。 相連的Pt 像素群組視為單一目標Tgi。 以程式辨識各目標Tgi(Pt 群組)的總點數、最亮點位置及亮度總和作為目標點資訊。 目標資料… X Y N_pt Highest Strength 4270 56 26 10034 181394 4271 52 26 9354 181394 4271 54 26 11626 181394 4271 58 26 4810 181394 5013 621 14 17414 156128 5014 619 14 8640 156128 2235 4498 26 1410 136876 2242 4498 26 15394 136876 2244 4498 26 1368 136876 2282 1846 25 19202 126978 2283 1849 25 1430 126978 2284 1846 25 4560 126978 2286 1847 25 1358 126978 3289 971 19 14472 124434 3289 974 19 10642 124434 1099 7 15 1262 72420 1102 7 15 13648 72420 目標點放大檢視界面 像素分佈柱狀圖檢視 檢視處理工具的完整介面 討論：Why not Wavelet ? 　本研究以『線』為處理單位而非Wavelet理論常用的矩形區域。 最初確實以區塊處理，但是運算時間長，成效卻不如預期。 原因應該很明顯→亮度變化的主因是雷達波入射角，每條『線』的變因相同，而非一個區塊。 一條線在此例中全長約5000點；相對的，一個100X100的區塊就有10000點！ 速度、效果加上理論的合理性導致我的選擇。 討論：說到類神經網路辨識… 有些文獻使用AI、GP或類神經網路的方式加強辨識效果。 個人見解是： 目標像素太少，經驗資訊粗略，並不適合使用。 先針對目標的：雷達產生的物理性質，如入射角度 vs 反應亮度；船體高度大小 vs 目標大小等，做進一步的研究應該較為合理。 討論：背景亮度很重要 背景亮度均勻是內波等海洋物理特徵自動辨識的基礎 內波等線性特徵用人工辨識困難不大，但爭議性可能很大！ 要進行自動化辨識必須先有全圖一致的影像品質，我做到了！這是筆者自認此研究最有價值的一部份！ 船舶目標辨識是額外贈品！ 結語： SAR影像以平行航線的影像『線』亮度統計特性為分析基礎，可以獲得比整體亮度處理更好的效果。 SAR影像中的船舶目標，可以使用影像辨識技術加以定量分析。 本研究已建立了有效的SAR影像亮度處理與船舶目標辨識程式，歡迎各界索取或合作研究。 * * ↑ ↑ 衛星軌道 ↑ ↑ ←遠離衛星軌道的外側 ↑接近衛星軌道的內側 ↓紅線為影像線平均亮度之兩倍 ←背景亮度分布 ←船舶等明亮目標 ←背景亮度分布 ←船舶等明亮目標 衛星影像原始亮度以16位元儲存 數值範圍 0~65536 因此有充分的影像處理的空間！ 亮度灰階分布圖 ∵ 縮圖繪製時，重疊像素 永遠取最亮點顯示 ∴ 船舶目標永遠可見 亮度灰階分布圖 相當 Histogram Equalization 處理 處理後灰階分布圖 原始亮度灰