img

官方微信

遥感技术与应用, 2019, 34(4): 892-900 doi: 10.11873/j.issn.1004-0323.2019.4.0892

遥感应用

基于单景高分四号卫星多光谱影像的舰船运动特征检测

张志新,1, 徐清俊2, 张川3, 赵冬4

1. 水利部信息中心,北京 100053

2. 中国地质大学(北京),北京 100083

3. 核工业北京地质研究院,北京 100029

4. 深圳市勘察测绘院有限公司, 广东 深圳 518028

Ship Moving Feature Detection Using a Single GF⁃4 Multispectral Image

Zhang Zhixin,1, Xu Qingjun2, Zhang Chuan3, Zhao Dong4

1. Information Centre of the Ministry of Water Resources, Beijing 100053, China

2. China University of Geosciences (Beijing), Beijing 100083, China

3. Beijing Research Institute of Uranium Geology, Beijing 100029, China

4. Shenzhen Geotechnical Investigation & Surveying Institute Co. , Ltd, Shenzhen 518028, China

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: 水资源高效开发利用专项.  2017YFC0405806
高分重大专项(民用部分).  08-Y30B07-9001-13/15.  03-Y20A04-900117/18
国家自然科学基金项目.  41431174

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:zhangzx@mwr.gov.com , E-mail:zhangzx@mwr.gov.com

摘要

高分辨率地球同步轨道(GEO)遥感卫星技术能够在短时间内对大范围海域进行高频重复监测,有望近实时地获取海上舰船运动特征。以广东省珠江伶仃洋的南部海域为研究区,基于单景高分四号卫星多光谱影像,使用梯度阈值方法对海上运动舰船进行检测,结果表明:①利用单波段高分四号多光谱影像能够检测出船位与航向,船位平均误差为80.46 m(相当于1.61个图像分辨单元),航向检出率为74.36%,航向绝对误差为8.65°。②利用单景高分四号影像能够检测出航向与船速,航向精度为98.96%,平均绝对误差为8.78°,船速精度为83.0%,平均绝对误差为1.41 m/s。研究表明高分四号卫星能够用于海上舰船近实时遥感监测,在海上舰船运动特征检测方面具有独特优势和巨大的应用潜力。

关键词: 地球同步轨道遥感卫星 ; 高分四号 ; 梯度阈值 ; 舰船运动特征

Abstract

High spatial resolution geosynchronous orbit (GEO) remote sensing satellite technology can carry out repeated high-frequency monitoring over a large maritime space and will obtain the real-time dynamic features of ships on the sea surface. In this study, a single GEO satellite GF-4 (Gaofen-4) multispectral image was used to detect moving ships on the southern Lingdingyang estuary of Zhujiang in Guangdong by using the gradient threshold method. The results revealed that: (1) the ship location and direction can be detected using a single-band image from GF-4 multispectral imagery, and the average error of ship location is about 80.46 m (equivalent to 1.61 image resolution cells). The detection rate of ship direction was about 74.36%, and the absolute error of the direction was about 8.65 degrees; (2) ship speed and direction can be detected using a single GF-4 multispectral image (multi-band collaborative detection), and the accuracy of direction detection is 98.96%, and the average absolute error is 8.78 degrees. The accuracy of navigational velocity detection is 83.0%, and the average absolute error is 1.41 m/s, as verified by AIS (Automatic Identification System, AIS) data. These showed that GF-4 satellite can be used for surveillance and monitoring of ships in near real-time, and has unique advantages and great potential in dynamic changes of ships on the sea.

Keywords: Geosynchronous orbit (GEO) remote sensing satellite ; GF-4 ; Gradient threshold ; Dynamic changes of ships

PDF (9570KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张志新, 徐清俊, 张川, 赵冬. 基于单景高分四号卫星多光谱影像的舰船运动特征检测. 遥感技术与应用[J], 2019, 34(4): 892-900 doi:10.11873/j.issn.1004-0323.2019.4.0892

Zhang Zhixin, Xu Qingjun, Zhang Chuan, Zhao Dong. Ship Moving Feature Detection Using a Single GF⁃4 Multispectral Image. Remote Sensing Technology and Application[J], 2019, 34(4): 892-900 doi:10.11873/j.issn.1004-0323.2019.4.0892

1 引 言

海上舰船监视监测是海洋监测的重要任务之一,对于经济发展、环境保护、海域使用管理、海洋权益维护都具有重要意义[1,2]。卫星遥感技术是海上舰船监视监测的重要手段,近年来,许多科研工作者利用低轨道卫星遥感数据在舰船检测、分类、识别与运动特征提取等方面做了大量的研究,并将成果应用到实时海洋监测中[3,4,5,6,7,8,9,10]。然而,低轨道卫星在观测范围、实时性、连续性动态观测方面已难以满足相关应用的需求;而且上述工作在检测舰船运动方向与速度上,过度依赖于舰船、舰船湍流尾迹、开尔文波。

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

本文研究区(22°00′~22°30′N, 113°30′~114°00′E)位于广东省珠江口伶仃洋的南部海域,东北起于深圳市深圳湾,西北至中山市南蓢镇,东南起于三门岛,西南至澳门特别行政区路环岛南部海区,总面积2 100 km2,覆盖了部分内伶仃洋和全部的外伶仃洋海域。伶仃航道位于珠江出海航道的南端,是从珠江口进入广州港的起始段,范围为马友石灯船至南沙港区航道入口,全长66.39 km,航道狭窄、流急、转向点多、船舶密度大,是广州港唯一的重要出海航道[22,23,24]图1)。

图1

图1   研究区位置图

Fig. 1   Location of the study area


2.2 数据源

GF-4卫星是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,卫星配备了大口径凝视相机,并首次采用了共口径技术,能够对可见光及红外波段同时成像,其中可见光波段的空间分辨率可达50 m,多光谱波段空间分辨率可达400 m[25],具体技术参数指标如表1所示[21]

表1   高分四号卫星技术参数

Table 1  Technical indexes of the GF-4 imaging spectrometer

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

新窗口打开| 下载CSV


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

首先,选取单一波段GF-4卫星多光谱影像,如绿波段(B3)影像,按照图2对研究区进行舰船运动特征检测实验,船只检查过程如图3。然后对检测结果中部分船只进行局部放大显示(图4),在放大显示图像中,大部分被检测到的船舶呈U型,少量船只呈O型,极少部分船只的形状不规则,在全色波段、蓝色波段、绿色波段、红色波段、近红外波段(B1、B2、B3、B4、B5)中如图5所示。根据波段B1至B5图像中船舶位置关系,可以发现同一船舶各波段检测结果存在明显的空间位移,且U型图斑的位移方向与其U型口部→底部方向一致。

图3

图3   船只检查过程

Fig.3   Ship detection


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

单波段检测时,少量船只未能被检测到,鉴于GF-4多光谱影像具有多个波段,可以利用多波段同时检测,以提高船只的检出率。多波段协同检测,不仅能够提高舰船检出率,还能获得航向信息、识别出海上运动船只。根据舰船在各波段图像上的空间位移,结合波段间成像时间间隔,可进一步计算成像期间运动舰船的航速。在单景影像的两个波段成像期间,可以获取短时间内连续观测影像的成像期间的运动舰船空间位移向量[21],由于成像时间非常短,在此期间舰船运动状态通常较为稳定,因此从图像上量测各向量的方向,即可获得运动船只在成像期间的航向;量测空间位移向量的长度,并除以相应的成像时间间隔,即可获得成像期间的船舶航速[21]

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


以AIS船位为基准,将图像检测船位与相应实测船位之间的距离记为船位绝对误差,并以AIS记录中的航速为辅助信息,计算各船行驶过相应位移值所需的时间间隔。按上述方法计算的时间间隔大部分介于10~20 s之间(图8(a)),虽然各船航速并无相关性,该时间间隔与船位误差却明显线性相关(图8(b))。鉴于绿色波段(B3)成像时间与影像元数据中记录的时刻存在一定的时差,因此可以根据图8(a)中的时间信息计算该时差,从绝对船位误差中减去该时差间隔中各船航行的距离后,再对船位检测精度进行精度评价。

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


在单景影像的绿色波段(B3)图像上由梯度阈值法检测出的39艘舰船中,10艘无明显方向性(呈圆形或形状不规则),余下29艘可根据其图斑方向性信息判断舰船的航向,可知基于梯度阈值法的GF-4多光谱影像单波段图像船只航向检出率约为74.36%。在上述29艘舰船中,17艘(图8(a)中除s1、s11、s13、s21之外的舰船)在影像成像期间有实时记录AIS数据,以其AIS数据中的航向值为参考(图10),图上量测所得的航向结果的绝对误差约为8.65°。

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。

本文提出的单景影像法较之于Liu等[18,19,20]研究中采用的时序影像法具有显著优势,具体表现如下:①单景影像法在舰船检测过程中充分利用了GF-4卫星多光谱影像的多波段信息,舰船检出率更高,实时性也更好;②由于波段—波段的成像时间间隔明显短于影像—影像的成像时间间隔,在密集航段,尤其对于高速航行的船只,利用单景影像法更易实现同名船只的判别,准确度也更高。

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

Wang Yanqing , Wang Runsheng , Tian Yuan .

State-of-the-art of Ship Detection and Recognition in Optical Remotely Sensed Imagery

[J]. Acta Automatica Sinica, 2011, 37(9): 1029-1039.

[本文引用: 1]

王彦情, 王润生, 田园 .

光学遥感图像舰船目标检测与识别

[J]. 自动化学报, 2011, 37(9): 1029-1039.

[本文引用: 1]

Heiselberg H .

A Direct and Fast Methodology for Ship Recognition in Sentinel-2 Multispectral Imagery

[J]. Remote Sensing, 2016, 812): 1-11.

[本文引用: 1]

Corbane C , Najman L , Pecoul E , et al .

A Complete Processing Chain for Ship Detection Using Optical Satellite Imagery

[J]. International Journal of Remote Sensing, 2010, 31(20): 5837-5854.

[本文引用: 1]

Bi F K , Liu F , Gao L M .

A Hierarchical Salient-region based Algorithm for Ship Detection in Remote Sensing Images

[J]. Lecture Notes in Electrical Engineering, 2010, 67: 729-738.

[本文引用: 1]

Zhou Hui , Guo Jun , Zhu Changren , et al .

Ship Detection from Optical Remote Sensing Images based on PLSA Model

[J]. Journal of Remote Sensing, 2010, 14(4): 663-680.

[本文引用: 1]

周辉, 郭军, 朱长仁, .

引入PLSA模型的光学遥感图像舰船检测

[J]. 遥感学报, 2010, 14(4): 663-680.

[本文引用: 1]

Bi F , Zhu B , Gao L , et al .

A Visual Search Inspired Computational Model for Ship Detection in Optical Satellite Images

[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(4): 949-753.

[本文引用: 1]

Satyanarayana M S , Aparna G .

A Method of Ship Detection from Spaceborne Optical Image

[J]. International Journal of Advanced Computer and Mathematical Sciences, 2012, 34): 353-540.

[本文引用: 1]

Yang G , Lu Q C , Gao F .

A Novel Ship Detection Method based on Sea State Analysis from Optical Imagery

[C]∥International Conference on Image & Graphic, 2011: 466-471.

[本文引用: 1]

Yang G , Li B , Ji S , et al .

Ship Detection from Optical Satellite Images based on Sea Surface Analysis

[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(3): 641-645.

[本文引用: 1]

Prathima V R , Manasa C H .

Ship Detection on Space Borne Image Using Machine Learning Techniques

[J]. International Journal of Science and Research, 2013, 55): 369-373.

[本文引用: 1]

Guo Linghua , Deng Zheng , Tao Jiasheng , et al .

Preliminary Research on Development of Foreign GEO Remote Sensing Satellites

[J]. Spacecraft Recovery & Remote Sensing, 2010, 31(6): 23-30.

[本文引用: 1]

郭玲华, 邓铮, 陶家生, .

国外地球同步轨道遥感卫星发展初步研究

[J]. 航天返回与遥感, 2010, 31(6): 23-30.

[本文引用: 1]

Yu Longjiang , Liu Yunhe .

Development Analysis on GEO Civil Optical Earth Observation Satellites with Mid-high Resolution

[J]. Spacecraft Engineering, 2013, 22(1): 106-112.

[本文引用: 1]

于龙江, 刘云鹤 .

GEO中高分辨率民用光学对地观测卫星发展研究

[J]. 航天器工程, 2013, 22(1): 106-112.

[本文引用: 1]

Tourneur C , Pawlak D , Sembely X .

GEO-Africa: A Dedicated African Space Observatory

[J]. 60th International Astronautical Congress. 2009, LAC( 2009 3: 2240-2247.

[本文引用: 1]

Liu Tao .

Geostationary Orbiting High Resolution Optical Imaging Satellites in Great Potential for Marine Surveillance

[J]. Satellite Applications, 2014(12): 70-74.

[本文引用: 1]

刘韬 .

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]. 卫星应用, 2014(12): 70-74.

[本文引用: 1]

Meng Lingjie , Guo Ding , Tang Menghui , et al .

Development Status and Prospect of High Resolution Imaging Satellite in Geostationary Orbit

[J]. Spacecraft Recovery & Remote Sensing, 2016, 37(4):7-15.

[本文引用: 1]

孟令杰, 郭丁, 唐梦辉, .

地球静止轨道高分辨率成像卫星的发展现状与展望

[J]. 航天返回与遥感, 2016, 37(4): 1-6.

[本文引用: 1]

Li Guo , Kong Xianghao , Liu Fengjing , et al .

GF-4 Satellite Remote Sensing Technology Innovation

[J]. Spacecraft Recovery & Remote Sensing, 2016, 37(4):7-15.

[本文引用: 1]

李果, 孔祥皓, 刘凤晶, .

“高分四号”卫星遥感技术创新

[J]. 航天返回与遥感, 2016, 37(4): 7-15.

[本文引用: 1]

Lian Minlong , Shi Zhicheng , Wang Yue , et al .

Design and Verification of the Staring Camera on Board GF-4 Satellite

[J]. Spacecraft Recovery & Remote Sensing , 2016, 37(4): 32-39.

[本文引用: 1]

练敏隆, 石志城, 王跃, .

“高分四号”卫星凝视相机设计与验证

[J]. 航天返回与遥感, 2016, 37(4): 32-39.

[本文引用: 1]

Liu Yong , Yao Libo , Wu Yuzhou , et al .

Target Point Tracks Association and Error Correction with Optical Satellite in Geostationary Orbit and Automatic Identification System

[J]. Journal of Electronics & Information Technology, 2018, 40(7): 1546-1552.

[本文引用: 2]

刘勇, 姚力波, 吴昱舟, .

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]. 电子与信息学报, 2018, 40(7): 1546-1552.

[本文引用: 2]

Yao L B , Liu Y , He Y , et al .

A Novel Ship-tracking Method for GF-4 Satellite Sequential Images

[J]. Sensors, 2018, 18(7): 1-14.

[本文引用: 2]

Liu Y , Yao L B , Xiong W , et al .

GF-4 Satellite and Automatic Identification System Data Fusion for Ship Tracking

[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 16(2): 281-285.

[本文引用: 2]

Zhang Z X , Shao Y , Tian W , et al .

Application Potential of GF-4 Images for Dynamic Ship Monitoring

[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(6): 911-915.

[本文引用: 4]

Xu Xianyi .

Analysis of the Coordination and the Avoidance of Lingding Channel

[J]. China Water Transport, 2014, 14(11): 67-68.

[本文引用: 1]

徐献义 .

浅析伶仃航道的协调与避让

[J]. 中国水运月刊, 2014, 14(11): 67-68.

[本文引用: 1]

Yi Kan , Gong Wenping .

Lateral Circulation in the Liding Estuary

[J]. Haiyang Xuebao, 2015, 37(3): 1-14.

[本文引用: 1]

易侃, 龚文平 .

伶仃洋河口横向环流

[J]. 海洋学报, 2015, 37(3): 1-14.

[本文引用: 1]

Fan Hao .

Two-way Navigation Capacity of the Lingding Channel of Guangzhou Port

[J]. Shipping Management, 2009, 31(10): 14-16.

[本文引用: 1]

范浩 .

广州港伶仃航道的船舶双向通航能力

[J]. 水运管理, 2009, 31(10): 14-16.

[本文引用: 1]

Ma Wenpo , Lian Minlong .

Technical Characteristics of the Staring Camera on Board GF-4 Satellite

[J]. Spacecraft Recovery & Remote Sensing, 2016, 37(4): 26-31.

[本文引用: 1]

马文坡, 练敏隆 .

“高分四号”卫星凝视相机的技术特点

[J]. 航天返回与遥感, 2016, 37(4): 26-31.

[本文引用: 1]

Gu Xi , Li Jun .

Investigation & Application of Automatic Identification System

[J]. Journal of Nantong Vocation & Technical Shipping College, 2003, 2(1): 25-30.

[本文引用: 1]

谷溪, 李军 .

船舶自动识别系统(AIS)的研究和应用

[J]. 南通航运职业技术学院学报, 2003, 2(1): 25-30.

[本文引用: 1]

/