CN105303526B - 一种基于海岸线数据及频谱分析的舰船目标检测方法 - Google Patents

Abstract

一种基于海岸线数据及频谱分析的舰船目标检测方法，本发明涉及舰船目标检测方法。本发明是要解决现有技术不能有效去除噪声以及大幅面卫星图像中舰船目标的检测消耗较大的计算资源和时间的问题，而提出的一种基于海岸线数据及频谱分析的舰船目标检测方法。该方法是通过一、形成背景全为海洋的图像数据即掩膜后的图像；二、得到去除云层噪声后的图像；三、得到二值化图像，在二值化图像中检测到种子点或种子区域；根据检测到种子点或种子区域进行区域生长获得舰船船体区域；四、通过舰船船体区域的面积和长宽比特征进行筛选，获得最终的高分辨率卫星图像中舰船目标检测结果等步骤实现的。本发明应用于舰船目标检测领域。

Description

一种基于海岸线数据及频谱分析的舰船目标检测方法

技术领域

本发明涉及舰船目标检测方法，特别涉及一种基于海岸线数据及频谱分析的舰船目标检测方法。

背景技术

随着卫星遥感技术的发展，获取高分辨率图像已经成为趋势之一。高分辨率图像中目标细节清晰、灰度信息丰富，为目标检测提供了良好的数据基础。对于高分辨率遥感图像的应用而言，目标的检测是其一项重要的应用。海洋遥感图像中的舰船目标具有较高的经济价值和军事价值，基于遥感图像对舰船目标进行精确定位是一项有意义的工作。

现有的针对舰船目标的检测，尤其是对高分辨率图像中舰船目标的检测，往往受到较多的噪声干扰。其中，一种噪声是复杂的陆地地物对海面舰船目标检测引入的干扰。一般通过提取舰船船体与周围地物的空间关系特征，从而将舰船目标与陆地地物分开以达到目标检测的目的。但是由于舰船目标与地物关系一般较为复杂，例如，实际情况中，舰船可能靠岸停泊，容易与地物混淆。直接考虑舰船与地物的空间关系，分离处理的效果往往不尽如人意，从而影响了后续的目标检测结果。

此外，另一种噪声是自然景物中云层引入的。对于这部分噪声，其较高的亮度值会给舰船检测结果带来较多的虚警。现有的检测方法往往采用较为复杂的方法去除该类噪声，导致对大幅面卫星图像中舰船目标的检测需要消耗较大的计算资源和时间。本方法以二维快速傅里叶变换为基础，通过分析其频谱特征，能够以较快速度和较小代价滤除噪声，完成舰船目标的检测，以获得检测结果并能满足后续应用。

发明内容

本发明的目的是为了解决现有技术由于舰船目标与地物易发生混淆而不能有效去除噪声以及大幅面卫星图像中舰船目标的检测消耗较大的计算资源和时间的问题，而提出的一种基于海岸线数据及频谱分析的舰船目标检测方法。

上述的发明目的是通过以下技术方案实现的：

步骤一、获得同一地点的海岸线矢量数据和高分辨率卫星遥感图像，完成海岸线矢量数据比例尺和高分辨率卫星遥感图像的分辨率两类数据坐标系的统一，在手动修正微小细节后，利用陆地掩膜去除高分辨率卫星遥感图像中陆地地物噪声；形成背景全为海洋的图像数据即掩膜后的图像；

步骤二、对掩膜后的图像进行分块处理，形成图像块，对图像块进行二维快速傅里叶变换得到傅里叶变换后的图像块，判断傅里叶变换后的图像块是否含有云层噪声；若傅里叶变换后的图像块含有云层噪声，则根据模板设计加入汉明窗的滤波器对傅里叶变换后的图像块进行滤波，得到去除云层噪声后的图像；

步骤三、对去除云层噪声后的图像进行灰度阈值分割的二值化得到二值化图像，在二值化图像中检测到种子点或种子区域；根据检测到种子点或种子区域进行区域生长获得舰船船体区域；

其中，检测到种子点或种子区域进行区域生长获得舰船船体区域的具体过程为：

(1)获得种子区域之后，采用相对二值化阈值低于20％的生长阈值进行八邻域的区域生长；

(2)以种子区域中的点为中心，判断八连通域中的点的值是否大于选定生长阈值；若八连通域中的点的值大于选定生长阈值，将八连通域中的点的值设为1；

(3)重复步骤(1)和(2)直到八邻域的区域相邻两次区域生长的结果一致或重复步骤(1)和(2)进行了20次为止；得到八邻域的区域生长获得的完整的舰船船体区域；

步骤四、通过舰船船体区域的面积和长宽比特征进行筛选，获得最终的高分辨率卫星图像中舰船目标检测结果。

发明效果

本发明提出一种解决不同噪声存在时的高分辨率遥感图像中的舰船目标检测问题的方法。在获取海岸线矢量数据和高分辨率遥感图像的前提下，将两类数据统一在同一坐标系下，利用海岸线数据对陆地地物进行掩膜达到去除一部分噪声的目的。进而在较为简单的地物环境中对云层噪声进行去除，以减小该类噪声引入的检测虚警，最后能通过检测方法获得卫星图像中的舰船目标。

本发明通过利用海岸线数据对陆地进行掩膜处理，尽管舰船目标与地物易发生混淆也能有效的去除噪声。

本发明旨在解决不同噪声存在时的高分辨率遥感图像中的舰船目标检测问题。在获取海岸线矢量数据和高分辨率遥感图像的前提下，将两类数据统一在同一坐标系下，利用海岸线数据对陆地地物进行掩膜达到去除一部分噪声的目的。进而在较为简单的地物环境中对云层噪声进行去除，以减小该类噪声引入的检测虚警，最后能通过检测方法获得舰船目标。

基于海岸线数据的陆地噪声去除；

进行陆地噪声去除的前提是已经获得同一地点的海岸线矢量数据和高分辨率卫星遥感图像，根据矢量数据比例尺和卫星图像的分辨率完成两类数据坐标系的统一，在手动修正微小细节后，完成陆地掩膜以达到陆地地物噪声去除的目的。

基于频谱特征的云层噪声去除；

对图像块进行二维快速傅里叶变换，对于带有云层噪声的图像块，其幅度值的频谱特征是沿一条或两条坐标轴存在明显的突起。根据模板设计加入汉明窗的滤波器进行滤波，完成云层噪声的去除。

基于阈值分割和区域生长的舰船目标检测；

完成噪声的去除后，对待处理的图像进行阈值分割，获取种子点或种子区域。然后进行八邻域的区域生长得到舰船船体区域，最后通过舰船的长宽比等特征完成筛选，获得最终的舰船目标检测结果，如图10(a)和图10(b)所示。

附图说明

图1为具体实施方式一提出的基于海岸线数据及频谱分析的舰船目标检测方法流程图；

图2(a)为具体实施方式二提出的海岸线数据的可视化概览示意图；

图2(b)为具体实施方式二提出的海岸线数据的局部细节示意图；

图3(a)为具体实施方式二提出的海岸线矢量数据与卫星图像的叠合后的结果示意图；

图3(b)为具体实施方式二提出的对海岸线矢量微调并进行掩膜后的结果示意图；

图4(a)为具体实施方式四提出的仅有云层噪声的图像块示例图；

图4(b)为具体实施方式四提出的仅有云层噪声的图像块在频域上的特征示意图；

图5(a)为具体实施方式四提出的云层噪声和舰船目标同时存在的图像块示例图；

图5(b)为具体实施方式四提出的云层噪声和舰船目标同时存在的图像块在频域上的特征示意图；

图6(a)为具体实施方式四提出的仅有舰船目标的图像块示例图；

图6(b)为具体实施方式四提出的仅有舰船目标的图像块在频域上的特征示意图；

图7(a)为具体实施方式五提出的滤波器设计模板示意图(白色部分代表可以通过滤波器的部分，黑色的代表不能通过滤波器的部分)；

图7(b)为具体实施方式六提出的去噪滤波器的频率响应示意图；

图8(a)为具体实施方式六提出的去除云层噪声前的图像示例图；

图8(b)为具体实施方式一提出的去除云层噪声后的图像示例图；

图9(a)为具体实施方式一提出的舰船目标图像块1示例图；

图9(b)为具体实施方式一提出的舰船目标图像块1二值化后的种子区域示意图；

图9(c)为具体实施方式一提出的舰船目标图像块2示例图；

图9(d)为具体实施方式一提出的舰船目标图像块2二值化后的种子区域示意图

图10(a)为具体实施方式八提出的舰船目标图像块1的最终检出区域示意图；

图10(b)为具体实施方式八提出的舰船目标图像块2的最终检出区域示意图。

具体实施方式

具体实施方式一：本实施方式的一种基于海岸线数据及频谱分析的舰船目标检测方法，具体是按照以下步骤制备的：

步骤一、基于海岸线数据的陆地噪声去除；获得同一地点的海岸线矢量数据和高分辨率卫星遥感图像，根据海岸线矢量数据比例尺和高分辨率卫星遥感图像的分辨率完成两类数据坐标系的统一(即完成确定海岸线矢量数据和高分辨率卫星遥感图像坐标原点)，在手动修正微小细节后，利用陆地掩膜去除高分辨率卫星遥感图像中陆地地物噪声；形成图像没有陆地地物干扰的、背景全为海洋的图像数据即掩膜后的图像；

步骤二、基于频谱特征的云层噪声去除；对掩膜后的图像进行分块处理，形成图像块，对图像块进行二维快速傅里叶变换得到傅里叶变换后的图像块，傅里叶变换后的图像块的幅度值的频谱特征是幅度图沿频域一条或两条坐标轴存在明显的突起，如图4(b)所示；判断傅里叶变换后的图像块是否含有云层噪声；若傅里叶变换后的图像块含有云层噪声，则根据模板设计加入汉明窗的滤波器对傅里叶变换后的图像块进行滤波，得到去除云层噪声后的图像；经过滤波器滤波的图像见图8(b)完成云层噪声的去除；其中，二维傅里叶变换得到的是频域上的数据，其可视化之后的图像见说明书附图4(b)，此时傅里叶变换后的图像块带有云层噪声；

步骤三、基于阈值分割和区域生长的舰船目标检测；完成云层噪声的去除后，对去除云层噪声后的图像进行灰度阈值分割的二值化得到二值化图像，在二值化图像中检测到种子点或种子区域与海面背景灰度差异较大的舰船区域部分即种子点或种子区域见图9(a)、(b)、(c)和(d)，根据检测到种子点或种子区域进行区域生长获得舰船船体区域；

其中，检测到种子点或种子区域进行区域生长获得舰船船体区域的具体过程为：

(1)获得种子区域之后，采用相对二值化阈值低于20％的生长阈值进行八邻域的区域生长；

(2)以种子区域中的点为中心，判断八连通域(八邻域)中的点的值是否大于选定生长阈值；若八连通域(八邻域)中的点的值大于选定生长阈值，将八连通域(八邻域)中的点的值设为1；如果八连通域(八邻域)中的点的值小于选定生长阈值，不作任何处理；

(3)重复步骤(1)和(2)(持续进行八邻域的区域生长)直到八邻域的区域相邻两次区域生长的结果一致或重复步骤(1)和(2)进行了20为止；八邻域的区域生长获得完整的舰船船体区域；

步骤四、通过舰船船体区域的面积和长宽比特征进行筛选，获得最终的高分辨率卫星图像中舰船目标检测结果总体流程见图1。

本实施方式效果：

本实施方式提出一种解决不同噪声存在时的高分辨率遥感图像中的舰船目标检测问题的方法。在获取海岸线矢量数据和高分辨率遥感图像的前提下，将两类数据统一在同一坐标系下，利用海岸线数据对陆地地物进行掩膜达到去除一部分噪声的目的。进而在较为简单的地物环境中对云层噪声进行去除，以减小该类噪声引入的检测虚警，最后能通过检测方法获得卫星图像中的舰船目标。

本实施方式通过利用海岸线数据对陆地进行掩膜处理，尽管舰船目标与地物易发生混淆也能有效的去除噪声。

本实施方式旨在解决不同噪声存在时的高分辨率遥感图像中的舰船目标检测问题。在获取海岸线矢量数据和高分辨率遥感图像的前提下，将两类数据统一在同一坐标系下，利用海岸线数据对陆地地物进行掩膜达到去除一部分噪声的目的。进而在较为简单的地物环境中对云层噪声进行去除，以减小该类噪声引入的检测虚警，最后能通过检测方法获得舰船目标。

基于海岸线数据的陆地噪声去除；

进行陆地噪声去除的前提是已经获得同一地点的海岸线矢量数据和高分辨率卫星遥感图像，根据矢量数据比例尺和卫星图像的分辨率完成两类数据坐标系的统一，在手动修正微小细节后，完成陆地掩膜以达到陆地地物噪声去除的目的。

基于频谱特征的云层噪声去除；

对图像块进行二维快速傅里叶变换，对于带有云层噪声的图像块，其幅度值的频谱特征是沿一条或两条坐标轴存在明显的突起。根据模板设计加入汉明窗的滤波器进行滤波，完成云层噪声的去除。

基于阈值分割和区域生长的舰船目标检测；

完成噪声的去除后，对待处理的图像进行阈值分割，获取种子点或种子区域。然后进行八邻域的区域生长得到舰船船体区域，最后通过舰船的长宽比等特征完成筛选，获得最终的舰船目标检测结果，如图10(a)和图10(b)所示。

具体实施方式二：本实施方式与具体实施方式一不同的是：步骤一中获得同一地点的海岸线矢量数据和高分辨率卫星遥感图像，完成海岸线矢量数据比例尺和高分辨率卫星遥感图像的分辨率两类数据坐标系的统一，在手动修正微小细节后，利用陆地掩膜去除高分辨率卫星遥感图像中陆地地物噪声；形成背景全为海洋的图像数据即掩膜后的图像具体过程为：

(1)、数据准备；一幅高分辨率遥感卫星图像携带的元数据记录了图像获取时的基本信息；对于陆地掩膜方法而言，需要图像提供拍摄的位置信息，一般以经纬度表示；

以矢量数据方式给出海岸线数据(见图2(a)和图2(b))；

(2)、利用海岸线数据的公开的美国国家海洋与大气管理局测算的中分辨率海岸线数据的比例尺完成数据坐标系的统一；

根据经纬度确定海岸线矢量数据和高分辨率遥感图像数据属于同一地理位置，并且要求海岸线矢量数据和高分辨率遥感图像数据的方向呈与正北方向对齐状态；

海岸线矢量数据的重要属性是比例尺，在完成矢量与图像数据叠加时，需要保证矢量数据具有恰当的比例尺；比例尺与图像分辨率由以下公式换算：

其中PPI为每英寸像素数，一般的计算机显示器的PPI为72；0.0254是英制单位(英寸)和公制单位(米)的换算常数；根据上述公式可以保证矢量数据与图像数据较好地吻合，能够获得较理想的数据叠加效果；叠加后的示意见图3(a)

(3)、手动微调；由于矢量和图像数据的误差不可避免，完成海岸线矢量数据和高分辨率遥感图像数据的叠加后，海岸线矢量数据所标示的海岸线往往难以完全契合图像中的海岸，因此需要人工进行微调；

将海岸线矢量数据和高分辨率遥感图像数据显示在同一数据可视化窗口界面中，矢量数据是由点构成的，因此使海岸线矢量数据的点元素能够自由移动，采用人工的方式将没有准确对应的海岸线边界点调整至高分辨率遥感图像中显示的海岸线上；

(4)、陆地掩膜；将遥感图像中的海岸线通过海岸线矢量数据标示出之后，去除高分辨率遥感图像中的陆地部分，即可输出陆地掩膜后的图像，结果见图3(b)；其中，掩膜后的图像去除了对舰船目标检测影响极大的陆地地物，形成背景为海洋的图像数据。其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：比例尺极限范围是1:10000到1:600000。其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：步骤二中对掩膜后的图像进行分块处理，形成图像块，对图像块进行二维快速傅里叶变换得到傅里叶变换后的图像块，判断傅里叶变换后的图像块是否含有云层噪声；若傅里叶变换后的图像块含有云层噪声，则根据模板设计加入汉明窗的滤波器对傅里叶变换后的图像块进行滤波，得到去除云层噪声后的图像的具体过程：

(1)、云层噪声的频谱特征分析

云层噪声是海洋遥感图像中常见的噪声之一，见图4(a)，图5(a)；云层一般颜色浅、范围大、边缘较模糊，其较大的灰度值往往与海面背景的反差较为强烈，极易被判定为疑似的舰船区域，从而增大检测的虚警概率；

对掩膜后的图像进行分块处理成512像素×512像素的图像块和长或宽小于512的图像块，见图4(a)，5(a)，6(a)；对图像块进行二维快速傅里叶变换；得到傅里叶变换后的图像块；

(2)、在频域空间中，计算傅里叶变换后的图像块频谱的幅度，并将傅里叶变换后的图像块频谱的幅度转换为对数单位，用分贝(dB)形式表示成频域空间的幅度图；在频域空间画出幅度图，见图4(b)，5(b)，6(b)，在幅度图中可以明显地看出云作为噪声存在时，在频域幅度谱上的特征表现为幅度图沿频域一条或两条坐标轴及其周围区域幅度较大，显示出一种凸起的特征；判断傅里叶变换后的图像块云层噪声是否存在，如果存在，根据云层噪声的特征，设计滤波器模板并加入汉明窗将云层噪声从傅里叶变换后的图像块中滤除。其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：判断云层噪声是否存在的具体过程为：

(1)、根据云层噪声的这种特征，计算频域空间中的傅里叶变换后的图像块以频域空间中x轴和y轴分别为中轴线、沿中轴线两边分别扩展5个单位坐标长度形成的带状区域内的幅度平均值见图7(a)作为信噪比判别中的信号分量；将由频域坐标轴分割成的四个象限中的幅度平均值作为噪声分量；在频域空间中，将频谱的幅度转化为对数傅里叶变换后的图像的信噪比的计算表示为：

信噪比(dB)＝信号分量-噪声分量

为信噪比设定一个信噪比阈值(15dB～25dB)，判定傅里叶变换后的图像块是否有云层噪声存在；若傅里叶变换后的图像块信噪比大于阈值，则傅里叶变换后的图像块存在云层噪声；

(2)、根据云层噪声的特征，设计滤波器模板并加入汉明窗将云层噪声从傅里叶变换后的图像块中滤除。其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：根据云层噪声的特征，设计滤波器模板并加入汉明窗将云层噪声从傅里叶变换后的图像块中滤除的具体过程为：

确定云层噪声在频域幅度谱上的特征后，使用频域滤波的方法去除云层噪声对后续舰船检测的影响；

1)在对云层噪声进行滤波时，设计滤出云层噪声的滤波器模板；

2)直接使用理想滤波器将会引入振铃效应，因此在步骤(1)得到的滤波模板上加海明窗系数；尽管加海明窗后截止频率范围有所扩大，但相较于振铃效应对图像的影响，这种误差是可以接受的，其中，海明窗的系数ω(n)计算公式为：

由于已经将图像分割为512×512大小，因此窗口长度L＝512，其中，L＝N+1；ω(n)为滤波器系数、N为滤波器长度，n滤波器步进点序列；

3)滤波模板获得了海明窗的系数之后，通过海明窗的系数和滤波器模板设计二维有限长冲击响应滤波器即FIR滤波器，滤波器的频率响应见图7(b)；获得FIR滤波器后，在空间域中进行卷积滤出云层噪声图像；

4)由于实际应用中数值计算必然引入误差，因此并不直接在频域滤除云层噪声；采用的方法是在滤波器滤出云层噪声后，令高分辨率卫星遥感图像的像素值与滤出的云层噪声图像的像素值相减，从而获得去噪图像；去噪前后的结果示意见图8(a)。其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：步骤三中灰度阈值分割的二值化方法具体为：

使用灰度阈值分割的方法提取舰船区域中较为明显的区域；将进行灰度分割的二值化阈值设定为图像最大灰度值的75％-85％；高分辨率卫星遥感图像的像素值大于等于二值化阈值，在二值化图像中设为1；高分辨率卫星遥感图像的像素值小于二值化阈值，在二值化图像中设为0。其它步骤及参数与具体实施方式一至六之一相同。

具体实施方式八：本实施方式与具体实施方式一至七之一不同的是：步骤五中通过舰船船体区域的面积和长宽比特征进行筛选的具体过程：

(1)、结合图像分辨率，舰船船体在图像上所占据的面积有一定的限制，因此若舰船船体区域目标二值图像的面积不处在合理区间(合理区间的面积范围为200到800像素，不在此范围内的均认定为非舰船目标)，则将舰船船体区域目标判断为非舰船目标，将非舰船目标剔除；其中，合理区间的面积范围为200到800像素；

(2)、由于舰船属于人造物体，舰船独有的流线型特征使得二值图像中代表舰船目标区域的最小外接矩形的长宽比相较非舰船目标比较特殊，其长宽比也应处在一定区间；通过长宽比特征判断二值图像中非舰船船体区域面积接近舰船船体区域目标但外形特征不属于舰船的区域；若疑似舰船目标的长宽比在3到8范围内，则判定疑似舰船目标为舰船船体区域目标；若疑似舰船目标的长宽比在3到8范围外，则判定疑似舰船目标为非舰船目标；最终的检测结果见图10(a)和图10(b)。其它步骤及参数与具体实施方式一至七之一相同。

Claims (8)

1.一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于一种基于海岸线数据及频谱分析的舰船目标检测方法具体是按照以下步骤进行的：

步骤一、获得同一地点的海岸线矢量数据和高分辨率卫星遥感图像，完成海岸线矢量数据比例尺和高分辨率卫星遥感图像的分辨率两类数据坐标系的统一，在手动修正微小细节后，利用陆地掩膜去除高分辨率卫星遥感图像中陆地地物噪声；形成背景全为海洋的图像数据即掩膜后的图像；

步骤二、对掩膜后的图像进行分块处理，形成图像块，对图像块进行二维快速傅里叶变换得到傅里叶变换后的图像块，判断傅里叶变换后的图像块是否含有云层噪声；若傅里叶变换后的图像块含有云层噪声，则根据模板设计加入汉明窗的滤波器对傅里叶变换后的图像块进行滤波，得到去除云层噪声后的图像；

步骤三、对去除云层噪声后的图像进行灰度阈值分割的二值化得到二值化图像，在二值化图像中检测到种子点或种子区域；根据检测到种子点或种子区域进行区域生长获得舰船船体区域；

其中，检测到种子点或种子区域进行区域生长获得舰船船体区域的具体过程为：

(1)获得种子区域之后，采用相对二值化阈值低于20％的生长阈值进行八邻域的区域生长；

(2)以种子区域中的点为中心，判断八连通域中的点的值是否大于选定生长阈值；若八连通域中的点的值大于选定生长阈值，将八连通域中的点的值设为1；

(3)重复步骤(1)和(2)直到八邻域的区域相邻两次区域生长的结果一致或重复步骤(1)和(2)进行了20次为止；得到八邻域的区域生长获得的完整的舰船船体区域；

步骤四、通过舰船船体区域的面积和长宽比特征进行筛选，获得最终的高分辨率卫星图像中舰船目标检测结果。

2.根据权利要求1所述一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于：步骤一中获得同一地点的海岸线矢量数据和高分辨率卫星遥感图像，完成海岸线矢量数据比例尺和高分辨率卫星遥感图像的分辨率两类数据坐标系的统一，在手动修正微小细节后，利用陆地掩膜去除高分辨率卫星遥感图像中陆地地物噪声；形成背景全为海洋的图像数据即掩膜后的图像具体过程为：

(1)、数据准备；以矢量数据方式给出海岸线数据；

(2)、利用海岸线数据的公开的美国国家海洋与大气管理局测算的中分辨率海岸线数据的比例尺完成数据坐标系的统一；

根据经纬度确定海岸线矢量数据和高分辨率遥感图像数据属于同一地理位置，并且要求海岸线矢量数据和高分辨率遥感图像数据的方向呈与正北方向对齐状态；

其中，比例尺与图像分辨率由以下公式换算：

式中，PPI为每英寸像素数；0.0254是英制单位和公制单位的换算常数；

(3)、手动微调；将海岸线矢量数据和高分辨率遥感图像数据显示在同一数据可视化窗口界面中，采用人工的方式将没有准确对应的海岸线边界点调整至高分辨率遥感图像中显示的海岸线上；

(4)、陆地掩膜；将遥感图像中的海岸线通过海岸线矢量数据标示出之后，去除高分辨率遥感图像中的陆地部分，即可输出陆地掩膜后的图像；其中，掩膜后的图像去除了对舰船目标检测影响极大的陆地地物，形成背景为海洋的图像数据。

3.根据权利要求2所述一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于：比例尺极限范围是1:10000到1:600000。

4.根据权利要求3所述一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于：步骤二中对掩膜后的图像进行分块处理，形成图像块，对图像块进行二维快速傅里叶变换得到傅里叶变换后的图像块，判断傅里叶变换后的图像块是否含有云层噪声；若傅里叶变换后的图像块含有云层噪声，则根据模板设计加入汉明窗的滤波器对傅里叶变换后的图像块进行滤波，得到去除云层噪声后的图像的具体过程：

(1)、对掩膜后的图像进行分块处理成512像素×512像素的图像块和长或宽小于512的图像块；对图像块进行二维快速傅里叶变换；得到傅里叶变换后的图像块；

(2)、在频域空间中，计算傅里叶变换后的图像块频谱的幅度，并将傅里叶变换后的图像块频谱的幅度转换为对数单位，用分贝形式表示成频域空间的幅度图；在频域空间画出幅度图，判断傅里叶变换后的图像块云层噪声是否存在，如果存在，根据云层噪声的特征，设计滤波器模板并加入汉明窗将云层噪声从傅里叶变换后的图像块中滤除。

5.根据权利要求4所述一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于：判断云层噪声是否存在的具体过程为：

(1)、根据云层噪声的这种特征，计算频域空间中的傅里叶变换后的图像块分别以频域空间中x轴和y轴为中轴线、沿中轴线两边分别扩展5个单位坐标长度形成的带状区域内的幅度平均值作为信噪比判别中的信号分量；将由频域坐标轴分割成的四个象限中的幅度平均值作为噪声分量；在频域空间中，将频谱的幅度转化为对数傅里叶变换后的图像的信噪比的计算表示为：

信噪比(dB)＝信号分量-噪声分量

为信噪比设定一个信噪比阈值，判定傅里叶变换后的图像块是否有云层噪声存在；若傅里叶变换后的图像块信噪比大于阈值，则傅里叶变换后的图像块存在云层噪声；

(2)、根据云层噪声的特征，设计滤波器模板并加入汉明窗将云层噪声从傅里叶变换后的图像块中滤除。

6.根据权利要求5所述一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于：根据云层噪声的特征，设计滤波器模板并加入汉明窗将云层噪声从傅里叶变换后的图像块中滤除的具体过程为：

1)在对云层噪声进行滤波时，设计滤出云层噪声的滤波器模板；

2)在步骤1)得到的滤波模板上加海明窗系数；其中，海明窗的系数ω(n)计算公式为：

<mrow> <mi>&amp;omega;</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0.54</mn> <mo>-</mo> <mn>0.46</mn> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <mn>2</mn> <mi>&amp;pi;</mi> <mfrac> <mi>n</mi> <mi>N</mi> </mfrac> <mo>)</mo> </mrow> </mrow>

由于已经将图像分割为512×512大小，因此窗口长度L＝512，其中，L＝N+1；ω(n)为滤波器系数、N为滤波器长度，n滤波器步进点序列；

3)通过海明窗的系数和滤波器模板设计二维有限长冲击响应滤波器即FIR滤波器；获得FIR滤波器后，在空间域中进行卷积滤出云层噪声图像；

4)由于在滤波器滤出云层噪声后，令高分辨率卫星遥感图像的像素值与滤出的云层噪声图像的像素值相减，从而获得去噪图像。

7.根据权利要求6所述一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于：步骤三中灰度阈值分割的二值化方法具体为：

将进行灰度分割的二值化阈值设定为图像最大灰度值的75％-85％；高分辨率卫星遥感图像的像素值大于等于二值化阈值，在二值化图像中设为1；高分辨率卫星遥感图像的像素值小于二值化阈值，在二值化图像中设为0。

8.根据权利要求7所述一种基于海岸线数据及频谱分析的舰船目标检测方法，其特征在于：步骤四中通过舰船船体区域的面积和长宽比特征进行筛选的具体过程：

(1)、若舰船船体区域目标二值图像的面积不处在合理区间，则将舰船船体区域目标判断为非舰船目标，将非舰船目标剔除；其中，合理区间的面积范围为200到800像素；

(2)、若疑似舰船目标的长宽比在3到8范围内，则判定疑似舰船目标为舰船船体区域目标；若疑似舰船目标的长宽比在3到8范围外，则判定疑似舰船目标为非舰船目标。