1、“.....准确提取感兴趣区域。最后，结合舰船和典型虚警的特点，建立分类器，有效剔除虚警。实验结果表明，本文提出的港口内舰船检测方法具有较高的舰船检测准确性和效率，并且对于不同尺寸的舰船目标和不同分辨率的图像均具有较好的适应性。关键词舰船检测模板匹配特征特征提港口内舰船通常包括海陆分割舰船感兴趣区域提取和虚警排除个主要阶段。本文对每个港口利用的图像分别建立模板，并且人工确定海岸线。图显示了旧金山港口部分区域的模板图像。图像配准方法有基于区域的配准基于特征的配准基于混合模型的配准和基于物理模型的配准类。由于待检测图像的分辨率具有多样性，并且模板图像不具有准确的分辨率，同时光学图基于特征的港口内舰船检测方法论文原稿图像配准快速准确地定位海水区域。然后，对港口内靠岸舰船使用和角点结合方法对水面舰船使用基于异常检测的方法，准确提取感兴趣区域。最后，结合舰船和典型虚警的特点......”。

2、“.....有效剔除虚警。实验结果表明，本文提出的港口内舰船检测方法具有较高的舰船检测准确性和效率，并且对于不同尺寸的舰船目标和不同分辨率的图像均具有较好的兴趣区域提取方法的研究仅有较少的报道。由于港口内舰船包括背景不同的靠岸舰船和水面舰船两类，因此，文献对上述两类舰船使用不同的方法分别进行感兴趣区域提取，但是该文章研究的主要是大型舰船，对于舰船的普适性不强。文献则提出使用种基于分布的港口内舰船检测方法，能够有效检测靠岸舰船和水面舰船，但是该方法针对的是图像，对于光学图像难以确定区域提取的目的是确定舰船的位置和数量。港口内靠岸舰船分布在海岸线的海水侧，但是有时会出现并排停靠多个舰船的情形，如图所示。港口内的水面舰船相互之间有定的距离，但是出现的位置比较随机。根据第节提出的方法可以准确定位海岸线，所以靠岸舰船感兴趣区域提取的重点是数量，而水面舰船感兴趣区域提取的重点是位置......”。

3、“.....对两幅待配准图像的所有特征点均进行两两匹配，最终选取距离最近的点。对于每个港口，其位置是固定的。因此在特征点匹配过程中，首先利用图像分辨率进行初匹配，对于两幅待配准图像的中分辨率相差较大的高斯金字塔不进行处理然后，对于金字塔的每层先使用位置信息进行粗匹配，再利用欧式距离对特征点间的过对特征点提取过程的描述可以看出，传统的方法需要对个图像进行特征点提取，并且要对所有的特征点进行匹配计算，会严重影响数据量较大的全色图像的实时处理。同时，港口区域的高分辨率图像受地物舰船云等的影响要高于低分辨率图像，所以提取的特征点可用性相对不高。此外，全色分辨率图像中港口区域的轮廓比较明显。因此，本文依据港口区域图像的特驶痕迹云等的干扰比较复杂所示。文献提出了基于背景分析的舰船检测方法......”。

4、“.....因此，本文参考文献的方法提取港口内水面舰船的感兴趣区域。图显示了图中的舰船感兴趣区域提取结果。基于分类器的虚警排除方法在全色图像中，港口内舰船检测结果中的虚警主要有云行驶痕迹阴影波浪等。表分析了舰船和典型虚警在全色图特征点提取过程的描述可以看出，传统的方法需要对个图像进行特征点提取，并且要对所有的特征点进行匹配计算，会严重影响数据量较大的全色图像的实时处理。同时，港口区域的高分辨率图像受地物舰船云等的影响要高于低分辨率图像，所以提取的特征点可用性相对不高。此外，全色分辨率图像中港口区域的轮廓比较明显。因此，本文依据港口区域图像的特点，将行配准的结果。从图中可以看出，本文基于配准的方法能够准确获取港口内的海水区域，为后续准确检测舰船提供了保证。舰船感兴趣区域的有效提取方法舰船感兴趣区域提取的目的是确定舰船的位置和数量......”。

5、“.....但是有时会出现并排停靠多个舰船的情形，如图所示。港口内的水面舰船相互之间有定的距离，但是出现的位置比较随机。根据第节提出的方基于特征的港口内舰船检测方法论文原稿，将现有的特征点提取方法做如下改进。在对图像进行下采样时，仅取分辨率最接近和的两个下采样图像和分别对和进行高斯卷积，建立层高斯金字塔，依据实验结果，尺度空间取值为，降低特征点向量维数，对特征区域的子窗口计算个方向的梯度直方图，得到维特征向量。基于特征的港口内舰船检测方法论文原稿。特征刻画感兴趣区域。选择易于理解和实现挖掘出的分类规则准确性高，并且在两分类问题中有较好效果的算法构建分类器。图显示了图中舰船目标的最终检测结果。最后，提取特征向量。将特征区域划分为个大小的子窗口，对每个子窗口计算个方向的梯度直方图，并得到每个方向的梯度加权值，则个极值点对应维的特征向量......”。

6、“.....虚警排除是舰船检测过程中剔除误检的重要步骤。现有舰船检测方法中，大都利用舰船的特点，提取舰船的形状纹理等特征进行虚警排除。特征点匹配与仿射变换现有的特征点匹配方法为了实现尺度适应性，对两幅待配准图像的所有特征点均进行两两匹配，最终选取距离最近的点。对于每个港口，其位置是固定的。因此在特征点匹配过程中，首先利用图像分中的主要特点。从表可以看出，在虚警排除过程中，可以使用纹理特征排除云虚警，使用灰度特征排除阴影虚警，等等。然而，现有虚警排除方法大都使用舰船的特点构建分类器，忽略了典型虚警的特点。因此，本文综合考虑舰船和典型虚警的特点，使用描述亮度的平均灰度特征，描述纹理的方差纹理粗糙度纹理均匀性对比度和算子，描述形状的长宽比紧凑性对称性偏心率，以及面有的特征点提取方法做如下改进。在对图像进行下采样时......”。

7、“.....建立层高斯金字塔，依据实验结果，尺度空间取值为，降低特征点向量维数，对特征区域的子窗口计算个方向的梯度直方图，得到维特征向量。基于异常检测的方法港口内水面舰船的背景有时比较平静所示，有时受行法可以准确定位海岸线，所以靠岸舰船感兴趣区域提取的重点是数量，而水面舰船感兴趣区域提取的重点是位置。基于特征的港口内舰船检测方法论文原稿。最后，提取特征向量。将特征区域划分为个大小的子窗口，对每个子窗口计算个方向的梯度直方图，并得到每个方向的梯度加权值，则个极值点对应维的特征向量。本文中特征点描述方法通过对率进行初匹配，对于两幅待配准图像的中分辨率相差较大的高斯金字塔不进行处理然后，对于金字塔的每层先使用位置信息进行粗匹配，再利用欧式距离对特征点间的相似性进行度量，并使用方法去除匹配的特征点对，从而获取准确的匹配对。最后，使用文献中介绍的方法进行仿射变换，实现图像配准......”。

8、“.....由于港口内舰船包括背景不同的靠岸舰船和水面舰船两类，因此，文献对上述两类舰船使用不同的方法分别进行感兴趣区域提取，但是该文章研究的主要是大型舰船，对于舰船的普适性不强。文献则提出使用种基于分布的港口内舰船检测方法，能够有效检测靠岸舰船和水面舰船，但是该方法针对的是图像，对于特征融合引言港口内舰船检测是监视特定港口海运交通获取舰船部署与动态的主要手段，具有重要的研究价值。随着遥感成像技术的发展，能够提供丰富细节信息且与人类解译方式相同的全色遥感图像近年来被逐步引入到舰船检测领域，使得利用全色遥感图像进行港口内舰船检测成为可能。港口内舰船包括靠岸舰船和水面舰船两类。检测港口内舰船通常包括海陆分割舰船感兴趣区域提取和像受光照的影响较大。因此......”。

9、“.....摘要全色图像中港口内舰船的快速准确检测，受地物云等影响，是个难点问题。针对这个问题，本文提出了种基于特征的港口内舰船检测方法。本文方法与传统方法不同，通过建立港口区域模板，简化特征点提取方法，通过图像配准快速准确地定位海水区域。然后，对港口内应性。关键词舰船检测模板匹配特征特征提取特征融合引言港口内舰船检测是监视特定港口海运交通获取舰船部署与动态的主要手段，具有重要的研究价值。随着遥感成像技术的发展，能够提供丰富细节信息且与人类解译方式相同的全色遥感图像近年来被逐步引入到舰船检测领域，使得利用全色遥感图像进行港口内舰船检测成为可能。港口内舰船包括靠岸舰船和水面舰船两类。检效的阈值。虚警排除是舰船检测过程中剔除误检的重要步骤。现有舰船检测方法中，大都利用舰船的特点，提取舰船的形状纹理等特征进行虚警排除......”。