光学遥感图像海面船舶目标检测技术进展

徐芳; 刘晶红; 孙辉; 王腾龙; 王宣

doi:10.37188/OPE.2020.0419

您当前的位置：

首页 >

文章列表页 >

光学遥感图像海面船舶目标检测技术进展

信息科学 | 更新时间：2021-05-12

- 光学遥感图像海面船舶目标检测技术进展
- Research progress on vessel detection using optical remote sensing image
- 光学精密工程 2021年29卷第4期页码：916-931
- 作者机构：
  
  1.中国科学院长春光学精密机械与物理研究所航空光学成像与测量重点实验室，吉林长春 130033
  2.中国电力工程顾问集团东北电力设计院有限公司，吉林长春 130021
- 作者简介：
  
  [ "徐　芳（1987-），女，山东日照人，助理研究员，2018年于中国科学院大学获得博士学位，主要从事航空航天成像处理、目标检测与识别等方面的研究。E-mail： xufang59@126.com" ]
- 基金信息：
  
  国家自然科学基金资助项目(61905240)
- DOI：10.37188/OPE.2020.0419
  中图分类号： TP391.4
- 收稿日期：2020-08-25，
  
  修回日期：2020-10-17，
  
  纸质出版日期：2021-04-15
- 稿件说明：
移动端阅览
徐芳,刘晶红,孙辉等.光学遥感图像海面船舶目标检测技术进展[J].光学精密工程,2021,29(04):916-931.

XU Fang,LIU Jing-hong,SUN Hui,et al.Research progress on vessel detection using optical remote sensing image[J].Optics and Precision Engineering,2021,29(04):916-931.
徐芳,刘晶红,孙辉等.光学遥感图像海面船舶目标检测技术进展[J].光学精密工程,2021,29(04):916-931. DOI： 10.37188/OPE.2020.0419.

XU Fang,LIU Jing-hong,SUN Hui,et al.Research progress on vessel detection using optical remote sensing image[J].Optics and Precision Engineering,2021,29(04):916-931. DOI： 10.37188/OPE.2020.0419.

摘要

海面船舶目标检测一直是遥感图像处理、模式识别与计算机视觉等领域的研究热点，船舶作为海上运输载体和重要军事目标，对其进行自动检测在军用与民用领域有着广阔的应用前景和重要现实意义。本文梳理了用于海面船舶目标检测的光学成像卫星的发展情况，分析了光学遥感成像船舶目标的物理特性和特征，归纳了国内外该领域海面船舶检测技术研究现状，围绕构建相关目标检测模型和架构的相关理论与关键技术进行了分析、比较和总结，探讨了当前光学遥感图像船舶目标检测方法面临的问题与挑战以及未来的发展趋势。

Abstract

Vessel detection has always been a popular research topic in fields such as remote sensing image processing， pattern recognition， and computer vision. As vessels are maritime transport carriers and important military objects， vessel detection plays an important role in a spectrum of related military and civil fields. It has broad application prospects and high practical significance. This paper provides an overview of the existing literature on vessel detection using optical satellite imagery. The development of optical satellites for vessel detection on the sea surface is reviewed. The physical characteristics of vessels in optical remote sensing imaging are analyzed. The global research status of vessel detection technology using optical remote sensing imaging is summarized. The related theories and key technologies pertaining to the target detection model and architecture are analyzed and compared in detail. The problems and challenges of vessel detection methods using optical remote sensing images are discussed. Aiming at the urgent demand for good performance and robustness of the algorithm in practical applications， some crucial problems that need to be solved are proposed. The development trend of future research on vessel detection using optical remote sensing images is discussed.

关键词

Keywords

references

KANJIR U ， GREIDANUS H ， OŠTIR K . Vessel detection and classification from spaceborne optical images： a literature survey ［J］. Remote Sensing of Environment ， 2018 ， 207 ： 1 - 26 .

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 .

ZOU Z X ， SHI Z W . Ship detection in spaceborne optical image with SVD networks ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 10 ）： 5832 - 5845 .

WESSEL P ， SMITH W H F . A global， self-consistent， hierarchical， high-resolution shoreline database ［J］. Journal of Geophysical Research： Solid Earth ， 1996 ， 101 （ B4 ）： 8741 - 8743 .

DAI C L ， HOWAT I M ， LAROUR E ， et al . Coastline extraction from repeat high resolution satellite imagery ［J］. Remote Sensing of Environment ， 2019 ， 229 ： 260 - 270 .

MÁTTYUS G . Near real-time automatic marine vessel detection on optical satellite images ［J］. ISPRS-International Archives of the Photogrammetry ， Remote Sensing and Spatial Information Sciences， 2013 ， XL-1/W 1 ： 233 - 237 .

MUBAREKA S ， EHRLICH D ， BONN F ， et al . Settlement location and population density estimation in rugged terrain using information derived from Landsat ETM and SRTM data ［J］. International Journal of Remote Sensing ， 2008 ， 29 （ 8 ）： 2339 - 2357 .

LIU G ， ZHANG Y S ， ZHENG X W ， et al . A new method on inshore ship detection in high-resolution satellite images using shape and context information ［J］. IEEE Geoscience and Remote Sensing Letters ， 2014 ， 11 （ 3 ）： 617 - 621 .

吴一全，刘忠林 . 遥感影像的海岸线自动提取方法研究进展［J］. 遥感学报， 2019 ， 23 （ 4 ）： 582 - 602 .

WU Y Q ， LIU ZH L . Research progress on methods of automatic coastline extraction based on remote sensing images ［J］. Journal of Remote Sensing ， 2019 ， 23 （ 4 ）： 582 - 602 . （in Chinese）

CHENG D C ， MENG G F ， XIANG S M ， et al . Efficient sea-land segmentation using seeds learning and edge directed graph cut ［J］. Neurocomputing ， 2016 ， 207 ： 36 - 47 .

WANG D ， CUI X R ， XIE F Y ， et al . Multi-feature sea-land segmentation based on pixel-wise learning for optical remote-sensing imagery ［J］. International Journal of Remote Sensing ， 2017 ， 38 （ 15 ）： 4327 - 4347 .

LI R R ， LIU W J ， YANG L ， et al . DeepUNet： a deep fully convolutional network for pixel-level sea-land segmentation ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 11 ）： 3954 - 3962 .

SHAMSOLMOALI P ， ZAREAPOOR M ， WANG R L ， et al . A novel deep structure U-net for sea-land segmentation in remote sensing images ［EB/OL］. 2020： arXiv ： 2003 .

07784［ eess . IV］ . https：//arxiv.org/abs/2003.07784 https://arxiv.org/abs/2003.07784

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 （ 22 ）： 5837 - 5854 .

BUCK H ， SHARGHI E ， GUILAS C ， et al . Enhanced ship detection from overhead imagery ［C］. SPIE Defense and Security Symposium. Proc SPIE 6945 ， Optics and Photonics in Global Homeland Security IV， Orlando， Florida， USA . 2008 ， 6945 ： 69450U .

YUAN Z Q ， GENG J ， DAI T R . Ship Detection from Remote Sensing Images Based on Deep Learning ［M］. Singapore ： Springer Singapore ， 2018 ： 336 - 344 .

DE MICHELE M ， LEPRINCE S ， THIÉBOT J ， et al . Direct measurement of ocean waves velocity field from a single SPOT-5 dataset ［J］. Remote Sensing of Environment ， 2012 ， 119 ： 266 - 271 .

PAN M Y ， SUN J ， YANG Y H ， et al . Improved TQWT for marine moving target detection ［J］. Journal of Systems Engineering and Electronics ， 2020 ， 31 （ 3 ）： 470 - 481 .

ZHU C R ， ZHOU H ， WANG R S ， et al . A novel hierarchical method of ship detection from spaceborne optical image based on shape and texture features ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2010 ， 48 （ 9 ）： 3446 - 3456 .

WEI Y Y ， WU Z S ， LI H Y ， et al . Application of periodic structure scattering in Kelvin ship wakes detection ［J］. Sustainable Cities and Society ， 2019 ， 47 ： 101463 .

BURGESS D W . Automatic ship detection in satellite multispectral imagery ［J］. Photogrammetric Engineering & Remote Sensing ， 1993 ， 59 （ 2 ）： 229 - 237 .

PROIA N ， PAGE V . Characterization of a Bayesian ship detection method in optical satellite images ［J］. IEEE Geoscience and Remote Sensing Letters ， 2010 ， 7 （ 2 ）： 226 - 230 .

YANG G ， LI B ， JI S F ， 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 .

XU Q Z ， LI B ， HE Z F ， et al . Multiscale contour extraction using a level set method in optical satellite images ［J］. IEEE Geoscience and Remote Sensing Letters ， 2011 ， 8 （ 5 ）： 854 - 858 .

LI Y ， SUN X ， WANG H Q ， et al . Automatic target detection in high-resolution remote sensing images using a contour-based spatial model ［J］. IEEE Geoscience and Remote Sensing Letters ， 2012 ， 9 （ 5 ）： 886 - 890 .

HAN J W ， ZHOU P C ， ZHANG D W ， et al . Efficient， simultaneous detection of multi-class geospatial targets based on visual saliency modeling and discriminative learning of sparse coding ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2014 ， 89 ： 37 - 48 .

YOKOYA N ， IWASAKI A . Object detection based on sparse representation and Hough voting for optical remote sensing imagery ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2015 ， 8 （ 5 ）： 2053 - 2062 .

WANG X ， SHEN S Q ， NING C ， et al . Multi-class remote sensing object recognition based on discriminative sparse representation ［J］. Applied Optics ， 2016 ， 55 （ 6 ）： 1381 - 1394 .

ZHUANG Y ， LI L L ， CHEN H . Small sample set inshore ship detection from VHR optical remote sensing images based on structured sparse representation ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2020 ， 13 ： 2145 - 2160 .

YU Y T ， GUAN H Y ， LI D L ， et al . Orientation guided anchoring for geospatial object detection from remote sensing imagery ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2020 ， 160 ： 67 - 82 .

ZHU J ， QIU Y Y ， ZHANG R ， et al . Top-down saliency detection via contextual pooling ［J］. Journal of Signal Processing Systems ， 2014 ， 74 （ 1 ）： 33 - 46 .

ZHANG X N ， WANG T T ， QI J Q ， et al . Progressive attention guided recurrent network for salient object detection ［J］. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2018 ： 714 - 722 .

ITTI L ， KOCH C ， NIEBUR E . A model of saliency-based visual attention for rapid scene analysis ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 1998 ， 20 （ 11 ）： 1254 - 1259 .

RICHE N ， MANCAS M ， DUVINAGE M ， et al . RARE2012： a multi-scale rarity-based saliency detection with its comparative statistical analysis ［J］. Signal Processing： Image Communication ， 2013 ， 28 （ 6 ）： 642 - 658 .

ZHU W J ， LIANG S ， WEI Y C ， et al . Saliency optimization from robust background detection ［J］. IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2014 ： 1 - 8 .

YU Y ， YANG J . Visual saliency using binary spectrum of Walsh-hadamard transform and its applications to ship detection in multispectral imagery ［J］. Neural Processing Letters ， 2017 ， 45 （ 3 ）： 759 - 776 .

XU F ， LIU J H ， DONG C ， et al . Ship detection in optical remote sensing images based on wavelet transform and multi-level false alarm identification ［J］. Remote Sensing ， 2017 ， 9 （ 10 ）： 985 .

YANG F ， XU Q Z ， LI B . Ship detection from optical satellite images based on saliency segmentation and structure-LBP feature ［J］. IEEE Geoscience and Remote Sensing Letters ， 2017 ， 14 （ 5 ）： 602 - 606 .

NIE T ， HAN X Y ， HE B ， et al . Ship detection in panchromatic optical remote sensing images based on visual saliency and multi-dimensional feature description ［J］. Remote Sensing ， 2020 ， 12 （ 1 ）： 152 .

王春哲，安军社，姜秀杰，等 . 基于卷积神经网络的候选区域优化算法［J］. 中国光学， 2019 ， 12 （ 6 ）： 1348 - 1361 .

WANG CH ZH ， AN J SH ， JIANG X J ， et al . Region proposal optimization algorithm based on convolutional neural networks ［J］. Chinese Optics ， 2019 ， 12 （ 6 ）： 1348 - 1361 . （in Chinese）

范丽丽，赵宏伟，赵浩宇，等 . 基于深度卷积神经网络的目标检测研究综述［J］. 光学精密工程， 2020 ， 28 （ 5 ）： 1152 - 1164 .

FAN L L ， ZHAO H W ， ZHAO H Y ， et al . Survey of target detection based on deep convolutional neural networks ［J］. Optics and Precision Engineering ， 2020 ， 28 （ 5 ）： 1152 - 1164 . （in Chinese）

李宇，刘雪莹，张洪群，等 . 基于卷积神经网络的光学遥感图像检索［J］. 光学精密工程， 2018 ， 26 （ 1 ）： 200 - 207 .

LI Y ， LIU X Y ， ZHANG H Q ， et al . Optical remote sensing image retrieval based on convolutional neural networks ［J］. Optics and Precision Engineering ， 2018 ， 26 （ 1 ）： 200 - 207 . （in Chinese）

LONG Y ， GONG Y P ， XIAO Z F ， et al . Accurate object localization in remote sensing images based on convolutional neural networks ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2017 ， 55 （ 5 ）： 2486 - 2498 .

陈科峻，张叶 . 基于YOLO-v3模型压缩的卫星图像船只实时检测［J］. 液晶与显示， 2020 ， 35 （ 11 ）： 1168 - 1176 .

CHEN K J ， ZHANG Y . Real-time ship detection in satellite images based on YOLO-v3 model compression ［J］. Chinese Journal of Liquid Crystals and Displays ， 2020 ， 35 （ 11 ）： 1168 - 1176 . （in Chinese）

ZHANG Z H ， GUO W W ， ZHU S N ， et al . Toward arbitrary-oriented ship detection with rotated region proposal and discrimination networks ［J］. IEEE Geoscience and Remote Sensing Letters ， 2018 ， 15 （ 11 ）： 1745 - 1749 .

XIAO X W ， ZHOU Z Q ， WANG B ， et al . Ship detection under complex backgrounds based on accurate rotated anchor boxes from paired semantic segmentation ［J］. Remote Sensing ， 2019 ， 11 （ 21 ）： 2506 .

陈彦彤，李雨阳，陈伟楠，等 . 基于深度语义分割的遥感图像海面舰船检测研究［J］. 仪器仪表学报， 2020 ， 41 （ 1 ）： 233 - 240 .

CHEN Y T ， LI Y Y ， CHEN W N ， et al . Sea surface ship detection based on deep semantic segmentation using remote sensing image ［J］. Chinese Journal of Scientific Instrument ， 2020 ， 41 （ 1 ）： 233 - 240 . （in Chinese）

ZHANG Y L ， GUO L H ， WANG Z F ， et al . Intelligent ship detection in remote sensing images based on multi-layer convolutional feature fusion ［J］. Remote Sensing ， 2020 ， 12 （ 20 ）： 3316 .

DONG Z ， LIN B J . Learning a robust CNN-based rotation insensitive model for ship detection in VHR remote sensing images ［J］. International Journal of Remote Sensing ， 2020 ， 41 （ 9 ）： 3614 - 3626 .

GUO H Y ， YANG X ， WANG N N ， et al . A rotational libra R-CNN method for ship detection ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2020 ， 58 （ 8 ）： 5772 - 5781 .

GÓMEZ-ENRI J ， SCOZZARI A ， SOLDOVIERI F ， et al . Detection and characterization of ship targets using CryoSat-2 altimeter waveforms ［J］. Remote Sensing ， 2016 ， 8 （ 3 ）： 193 .

DUPONT C ， GOURMELON F ， MEUR-FEREC C ， et al . Exploring uses of maritime surveillance data for marine spatial planning： a review of scientific literature ［J］. Marine Policy ， 2020 ， 117 ： 103930 .

HOU X Y ， AO W ， SONG Q ， et al . FUSAR-Ship： building a high-resolution SAR-AIS matchup dataset of Gaofen-3 for ship detection and recognition ［J］. Science China Information Sciences ， 2020 ， 63 （ 4 ）： 140303 .

QI S X ， MA J ， LIN J ， et al . Unsupervised ship detection based on saliency and S-HOG descriptor from optical satellite images ［J］. IEEE Geoscience and Remote Sensing Letters ， 2015 ， 12 （ 7 ）： 1451 - 1455 .

DONG C ， LIU J H ， XU F . Ship detection in optical remote sensing images based on saliency and a rotation-invariant descriptor ［J］. Remote Sensing ， 2018 ， 10 （ 3 ）： 400 .

LI S ， ZHOU Z Q ， WANG B ， et al . A novel inshore ship detection via ship head classification and body boundary determination ［J］. IEEE Geoscience and Remote Sensing Letters ， 2016 ， 13 （ 12 ）： 1920 - 1924 .

HE H J ， LIN Y D ， CHEN F ， et al . Inshore ship detection in remote sensing images via weighted pose voting ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2017 ， 55 （ 6 ）： 3091 - 3107 .

CHENG G ， HAN J W ， LU X Q . Remote sensing image scene classification： benchmark and state of the art ［J］. Proceedings of the IEEE ， 2017 ， 105 （ 10 ）： 1865 - 1883 .

LI K ， WAN G ， CHENG G ， et al . Object detection in optical remote sensing images： a survey and a new benchmark ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2020 ， 159 ： 296 - 307 .

浏览量

1235

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于双目结构光周视扫描的3D件三维重构与位姿估计研究

重叠分数与匹配矩阵驱动的部分重叠点云配准网络设计

基于Snell窗及偏振模式的水下载体航姿测量

改进多尺度结构化融合的红外与可见光图像融合