基于单景高分四号卫星多光谱影像的舰船运动特征检测
Ship Moving Feature Detection Using a Single GF⁃4 Multispectral Image
收稿日期: 2018-03-23 修回日期: 2019-05-22 网络出版日期: 2019-09-19
基金资助: |
|
Received: 2018-03-23 Revised: 2019-05-22 Online: 2019-09-19
作者简介 About authors
张志新(1985-),女,河北承德人,博士研究生,主要从事遥感图像处理、模拟仿真方面的研究Email:
关键词:
Keywords:
本文引用格式
张志新, 徐清俊, 张川, 赵冬.
Zhang Zhixin, Xu Qingjun, Zhang Chuan, Zhao Dong.
1 引 言
高分辨率地球同步轨道遥感卫星能够在短时间内对大范围海域进行高频重复监测,近实时地获取海上舰船的动态变化过程,因而较之于低轨道遥感卫星,在海上舰船监视监测方面具有独特优势和巨大的潜力[11,12,13,14,15]。我国于2015年发射了目前全球唯一在轨运行的地球同步轨道高分辨率光学遥感卫星——高分四号(GF-4)。作为地球同步轨道卫星,GF-4不仅具有宽幅成像与快速重访的优势,能够对非合作目标进行监视监测,且其对地观测的空间分辨率高达50 m,在海上舰船动态监测方面具有很大优势[16,17]。Liu等[18,19,20]将GF-4影像序列与AIS数据融合后用于海上舰船追踪。Zhang等[21]通过研究发现利用单景GF-4多光谱影像即可实现海上舰船检测与动态监测。目视解译法虽然解译精度高,但是对解译经验过于依赖,且难以实现自动化,对海上舰船动态监测并不适用。本文基于前人的研究基础,利用单景GF-4多光谱影像对舰船运动特征(主要是舰船运动方向与速度)进行自动化检测算法研究,这不仅有利于海上舰船近实时遥感监测的实现,还将为后续更高分辨率地球同步轨道光学遥感卫星的设计研发提供参考依据。
2 研究区和数据源
2.1 研究区概况
图1
2.2 数据源
表1 高分四号卫星技术参数
Table 1
ID | 波段 | 波长 /um | 空间分辨率 /m | 幅宽 /km | 重访时间 /s |
---|---|---|---|---|---|
1 2 3 4 5 6 | 全色 蓝色 绿色 红色 近红外 中红外 | 0.45~0.90 0.45~0.52 0.52~0.60 0.63~0.69 0.76~0.90 3.50~4.10 | 50 50 50 50 50 400 | 500 500 500 500 500 400 | 20 20 20 20 20 20 |
本文使用的GF-4多光谱影像于2016年7月30日上午01:39:27获取,从全色波段到近红外波段,各波段积分时间分别为:6 ms、30 ms、20 ms、30 ms、30 ms。相应时间内的舰船自动识别系统(AIS)数据用来检验舰船运动方向与速度的精度。AIS是一种利用甚高频(VHF)海上移动频带自动连续广播的信息系统,能够在船舶和岸台、船舶和船舶之间交换船舶的呼叫号、船名、船舶类型、船长和船宽等静态信息,以及船首向、航迹向和航速等动态信息[26], 对于离岸较远的船只,将通过AIS卫星进行信息中转。本研究以珠江口外伶仃洋海域为实验区,为了获取该海域通航船舶的基础信息,以及遥感影像成像期间实时/准实时的船舶运动信息,获取了该海区2016年7月29日至30日共48 h总计125 374条的岸基AIS数据记录。
3 实验方法与舰船运动特征检测实验
3.1 实验方法
光学影像上船舶目标的亮度通常高于水体,可以尝试利用船舶/水体灰度差异从背景海面上识别舰船。对于GF-4卫星,结合实际的船速,在各波段成像积分时间内,船舶位移通常不超过一个图像分辨单元(例如:即使船速高达50 m/s,在60 ms的积分时间内,船只位移也仅为0.06个分辨单元,而研究海区最高平均船速约为16 m/s左右,在此期间,GF-4相机系统保持凝视成像,致使舰船/水体之间的对比度随信号累积而进一步增强,因此利用影像灰度信息检测海面船舶具有一定的可行性。
对于空间一致性较高的海域,可以直接利用灰度阈值法提取亮度明显高于背景海面的船只,然而对于珠江口海域,江海交汇,水色空间分布通常呈不规则区块状,因此直接的灰度阈值分割,并不能起到很好的船只检测效果。本文以船/海灰度差异导致的影像空间梯度变化为依据,尝试利用该信息提取海面船只。阈值分割后,根据舰船的梯度范围设定阈值,提取舰船图像区域。
研究区位于珠江口海域,大小岛屿零星散布于海上,而岛屿与海面背景在图像灰度上也存在显著差异,在开展船只检测工作前,需要对影像进行海陆分离处理,以避免将研究区内的小型岛屿误判为大型船只。以经过几何纠正的GF-4多光谱影像为参考,通过人工解译提取了区域内的大陆、海岛岸线,然后以此为基础数据,利用ArcGIS软件的空间分析功能,建立该海域的掩膜区,后续梯度计算与船舶检测将在该区内开展实施。由于掩膜区的存在导致掩膜区边界处的高梯度值的出现,因此在检测船舶前需要利用掩膜区的缓冲区对梯度图像进行再次掩膜处理。
对于经过掩膜处理的海区梯度图像中,舰船与相邻海面的梯度值明显高于无舰船海域的梯度值。由于海上舰船在海域中所占的像素数量极少,因此通过掩膜后图像中的梯度值进行直方图统计,然后以梯度值较高、频数值较低的区域的梯度值下限作为阈值,提取出该范围内的高梯度值图斑。
在上述图像处理过程中,为了最大程度地保留舰船息,并未对图像进行空间滤波去噪,因此在阈值范围内不仅存在舰船,还会因海面的非均质性而产生一些噪声图斑。由于噪声图斑普遍小于舰船图斑,可据此滤除虚警切片,从而获得最终的舰船检测结果。梯度阈值法以单波段图像的灰度值为输入数据,技术流程如图2所示。
图2
图2
GF-4单波段图像船舶检测梯度阈值法技术流程
Fig. 2
processing workflow of ship detection using
a single-band image
3.2 单波段影像舰船运动特征检测实验
图3
图4
图4
绿色波段(B3)波段舰船检测结果局部放大图
Fig. 4
Local enlarged drawing of ship detection in the green band (B3) of the experimental image
图5
图5
检出的典型船只在影像各波段图像中的形状
Fig. 5
The shapes of the typical ships detected in each band (panchromatic, blue, green, red, and near infrared) of the experimental image
GF-4影像各波段成像期间,其积分时间通常为毫秒级,在此期间船只位移通常不超过一个图像分辨单元,因此推断U型内靠近底部的像元、或者O型的中心像元为该波段成像时船舶的实际位置;U型两臂的存在主要是由于船舶高速航行时船尾两侧受搅动波浪造成了空间梯度跃变,U型内部靠近开口处,则应为船舶正后方较为平静的海面。可见本文所选用的舰船检测方法,不仅能从GF-4多光谱影像的单一波段上检测到船位信息,还能获取部分船只在各波段成像时的航向信息。
3.3 单景影像舰船运动特征检测实验
基于单波段影像舰船运动特征检测实验,在梯度阈值单波段图像船只检测方法的基础上,结合空间分析,从一景GF-4多光谱影像中提取船舶运动特征,具有可行性。在进行船速计算时,全色波段(B1)信息量丰富,近红外波段(B5)船舶/海面对比度较之于其他波段更为显著,且对于同等分辨率的图像,船舶位移越大,计算所得的船速受图像质量影响越小,结果越可靠,因此,选择GF-4多光谱影像中的全色波段(B1)、近红外波段(B5),用于船舶运动特征提取。针对于2016年7月30日上午01:39:27获取的单景多光谱影像,使用梯度阈值方法,对检测结果进行空间分析,识别运动船只,提取各船在全色波段(B1)、近红外波段(B5)成像期间的空间位移向量(图6)。
图6
图6
单景影像的全色波段(B1)、近红外波段(B5)成像期间运动舰船的图像位移
Fig.6
The displacements of moving ships in the imaging of the experimental imagery of the B1 and B5
4 实验结果及分析
根据目视解译,成像期间研究区内共有舰船47艘。根据空间信息查询,成像期间研究区内共27艘舰船可与AIS数据记录匹配。本节将以上述数据(图7)为参考,对实验结果进行分析。
图7
图7
影像成像时舰船的实测船位
Fig. 7
The ships’ measured position during the imaging of the experimental imagery
4.1 单波段影像实验结果分析
GF-4多光谱影像元数据中提供了影像成像时间,即起始时刻、终止时刻、中心时刻,由于目前获取的影像数据中,各影像的3个时间记录值都记录为同一时刻,为了利用AIS数据对舰船检测结果进行精度评价,采用中间时刻成像的波段,即绿色波段(B3)的结果用于精度检验。对绿色波段(B3)进行梯度阈值法检测,可提取出舰船39艘,检出率为83.0%。
上述39艘舰船中,21艘(舰船编号见图8(a))具有准实时的AIS数据。AIS数据中记录的船舶位置信息,可用于梯度阈值船舶检测结果的空间定位精度检验。在航船只在影像上的位置取决于影像的成像时间,根据绿色波段(B3)影像元数据中的成像时间,对被检测到的船只的AIS船位数据进行线性插值,从而获得成像时各船只的实测船位,用于船只定位精度分析。
图8
图8
船位检测绝对误差与相应航行时间的相关性
Fig. 8
Correlation digram between absolute error of ship position detection and corresponding sailing time
将去除了影像成像中间时刻时差后的船位检测误差与未去除时差影响的误差进行对比(图9),结果发现:去除成像时差影响前,梯度阈值法船位检测平均误差约为246.91m(相当于4.94个图像分辨单元);去除时差影响后,该算法的平均误差约为80.46 m(相当于1.61个图像分辨单元)。
图9
图9
单景影像的绿色波段(B3)去除时差前后船位检测绝对误差与相应的航行时间
Fig. 9
The absolute error of the ship position detection and the corresponding sailing time without and
with elimination of the time differences in the green band (B3) of the experimental image
图10
图10
单景影像的绿色波段(B3)航向检测结果与AIS航向记录的对比
Fig. 10
Comparisons of the ship moving directions
from the green band (B3) of the experimental image
and the real-time AIS data
4.2 单景影像实验结果分析
单景影像舰船运动特征检测实验共从影像中检测出了42艘舰船,检出率由单波段(B3)检测时的83.0%提高至89.4%。其中,27艘舰船(图7)具有准实时的AIS数据。由于船舶在短时间内(秒级或分钟级)航向通常为定值,因此可利用线性插值方法对影像成像前后的船舶AIS记录进行插值处理,以获得成像时的AIS航向数据。
以AIS数据记录中舰船成像时的航向记录为参考,对单景影像法的舰船航向检测精度进行考察。航向检测结果与实测数据的相关性高于98%(图11(a)),平均绝对误差为8.78°。按船舶航速对航向绝对误差进行的分级统计结果表明舰船检测航向误差受船舶航速影像,航速越高,则航向检测结果的误差越小。
图11
图11
单景GF-4影像舰船航向、航速计算结果与AIS记录的对比图
Fig.11
Comparisons of the estimated ship directions with the real-time AIS data and comparisons
of the estimated ship velocities with the real-time AIS data
同理,以AIS数据记录中舰船成像时的航向记录为参考,对单景影像法的舰船航速检测精度进行考察。在进行精度检验前,同样需要对影像成像前后的船舶AIS记录进行插值处理,以获得成像时的AIS航速数据。航速检测结果与实测数据的相关性高于83.0%(图11(b)),平均绝对误差为1.41m/s,平均相对误差前者为12.27%。按船舶航速对航速绝对误差进行分级统计结果表明舰船检测航速误差也会因船舶航速不同而存在差异,航速越低,则航速检测结果的误差越大。较之于航速高于10m/s的船只,低速航行船只的速度检测相对误差的标准差更高,数值分布更零散;高速航行船只的相对误差不仅值更低,数值分布也更集中。
5 讨 论
GF-4卫星影像各波段成像的系统积分时间较长,进一步增强了船舶/海面的对比度,因此可以利用梯度阈值算法对海上船舶进行空间定位。由于GF-4影像空间分辨率为50 m,船只在图像上以点目标为主,因此可将单波段图像上提取的航向作为解译标志,用于海上运动船只的识别与波段间同名船只的匹配。对于部分呈圆形的图斑,虽然无明显方向性,却可以通过多波段协同检测,利用该类船舶图斑在图像上空间位移的方向性间接识别运动船只,判断其航向。上文述及单景影像的绿色波段(B3)共检测到船只39艘,而利用单景影像法进行多波段协同检测,共检测到船只42艘,表明单景影像多波段协同检测不仅能够获得航向信息、识别出海上运动船只,还能有效提高舰船的检出率。
6 结 语
本文利用GF-4多光谱影像对舰船运动特征进行检测,可以得到以下结论:
(1)梯度阈值算法可以实现基于GF-4多光谱影像的海上舰船运动特征检测。
(2)利用GF-4多光谱影像的单个波段,既能够检测出舰船目标(检出率为83.0%,平均绝对误差为80.46 m),同时也能检测出舰船航向(检出率为74.36%,平均绝对误差为8.65°)。
(3)利用单景GF-4多光谱影像,能够检测出舰船航向与航速。其中,航向检测精度为98.96%,平均绝对误差为8.78°;航速检测精度为83.0%,平均绝对误差为1.41 m/s。
地球同步轨道GF-4卫星在海上舰船监视监测方面具有独特优势和巨大潜力。这不仅有利于海上舰船近实时遥感监测的实现,还将为后续更高分辨率地球同步轨道光学遥感卫星的设计研发提供参考。
参考文献
State-of-the-art of Ship Detection and Recognition in Optical Remotely Sensed Imagery
[J].
光学遥感图像舰船目标检测与识别
[J]. ,
A Direct and Fast Methodology for Ship Recognition in Sentinel-2 Multispectral Imagery
[J]. ,
A Complete Processing Chain for Ship Detection Using Optical Satellite Imagery
[J]. ,
A Hierarchical Salient-region based Algorithm for Ship Detection in Remote Sensing Images
[J]. ,
Ship Detection from Optical Remote Sensing Images based on PLSA Model
[J].
引入PLSA模型的光学遥感图像舰船检测
[J]. ,
A Visual Search Inspired Computational Model for Ship Detection in Optical Satellite Images
[J]. ,
A Method of Ship Detection from Spaceborne Optical Image
[J]. ,
A Novel Ship Detection Method based on Sea State Analysis from Optical Imagery
[C],
Ship Detection from Optical Satellite Images based on Sea Surface Analysis
[J]. ,
Ship Detection on Space Borne Image Using Machine Learning Techniques
[J]. ,
Preliminary Research on Development of Foreign GEO Remote Sensing Satellites
[J].
国外地球同步轨道遥感卫星发展初步研究
[J]. ,
Development Analysis on GEO Civil Optical Earth Observation Satellites with Mid-high Resolution
[J].
GEO中高分辨率民用光学对地观测卫星发展研究
[J]. ,
GEO-Africa: A Dedicated African Space Observatory
[J]. .
Geostationary Orbiting High Resolution Optical Imaging Satellites in Great Potential for Marine Surveillance
[J].
静止轨道高分辨率光学成像卫星展示海洋监视的重大潜力
[J]. ,
Development Status and Prospect of High Resolution Imaging Satellite in Geostationary Orbit
[J].
地球静止轨道高分辨率成像卫星的发展现状与展望
[J]. ,
GF-4 Satellite Remote Sensing Technology Innovation
[J].
“高分四号”卫星遥感技术创新
[J]. ,
Design and Verification of the Staring Camera on Board GF-4 Satellite
[J].
“高分四号”卫星凝视相机设计与验证
[J]. ,
Target Point Tracks Association and Error Correction with Optical Satellite in Geostationary Orbit and Automatic Identification System
[J].
静轨光学卫星与自动识别系统的目标点迹关联与误差校正
[J]. ,
A Novel Ship-tracking Method for GF-4 Satellite Sequential Images
[J]. ,
GF-4 Satellite and Automatic Identification System Data Fusion for Ship Tracking
[J]. ,
Application Potential of GF-4 Images for Dynamic Ship Monitoring
[J]. ,
Analysis of the Coordination and the Avoidance of Lingding Channel
[J].
浅析伶仃航道的协调与避让
[J]. ,
Lateral Circulation in the Liding Estuary
[J].
伶仃洋河口横向环流
[J]. ,
Two-way Navigation Capacity of the Lingding Channel of Guangzhou Port
[J].
广州港伶仃航道的船舶双向通航能力
[J]. ,
Technical Characteristics of the Staring Camera on Board GF-4 Satellite
[J].
“高分四号”卫星凝视相机的技术特点
[J]. ,
/
〈 | 〉 |