第一章绪论
1研究背景及意义
我国是一个海洋大国，拥有1.8W多公里海岸线，6000多个岛屿和300万平方公里管辖海域，海洋为我国的经济发展提供了源源不断的资源。与此同时，海洋环境的污染与破坏、海洋资源的过度开发问题也口益突出和严重，尤其随着近年来海上经济活动的口益频繁和各国对海洋资源的竞争口益加剧，我国面临的海洋环境保护和管理问题也变得更加复杂和艰巨。一方面，海洋环境问题涉及海洋环境保护、海域监测、海洋维权、海岛保护等诸多方面，需要统筹规划和管理，但是海洋环境参数和海上运动目标信息的缺失极大的阻碍了相关政策法规的制定与执行;另一方面，广阔的管辖海域和相对较少的人员配置的矛屑仍然突出，尤其随着海上船只的增多，使得监管工作更加困难。因此，针对各种海上活动，开展海上运动目标检测技术研究，对于有效的保护和管理海洋环境，充分利用海洋资源，实现海洋可持续发展具有重要的意义
根据数据获取方式的不同，目前的海上运动目标检测方法大致基于以下四类:卫星遥感图像、雷达图像、红州纠像和视频图像。传统的检测手段大多集中于卫星遥感图像和雷达图像，卫星遥感具有良好的形态探测能力和对地穿透性，雷达具有较强的探测能力和精确的距离计算能力，因此这两类方法得到了广泛的研究和应用，然而其不足之处在于系统的运行成本较高，而较难实施全天候、实时、直观的监控。红外摄像机具有在夜间或光照不充分情况下连续工作的能力，但是红外观测系统明显的缺点是获取的图像分辨率较低目_功率消耗较大
与其它技术手段相比，视频检测技术具有成本低、适应性强、实时性高、空间分辨率高等优势，可快速及时地对周围海域等进行动态监控，随时了解现场情况。随着摄像设备成本的不断降低以及视频处理技术的口益成熟，基于视频的海上运动目标检测技术正逐渐应用于海洋环境保护、海域监测、海洋维权和海岛保护等诸多海洋管理活动中，有效地弥补了传统检测手段的不足。
在传统的视频监控系统中，海上目标的识别与行为分析是由监控人员来完成的，但是由人来执行这种长期枯燥的例行监测是不实际也是不可靠的，因此对于智能的目标检测与识别技术有着迫切的需求。目前的智能视频监控系统主要应用于陆地环境，在复杂的海面背景下实现运动目标检测是一个于分具有挑战性的课题。这主要是由于受光照、风、海浪等因素的影响，海面环境一直处在动态的变化过程中，图像中包含了大量的相关噪声，如杂乱无章的鱼鳞光、不规则运动的丰富纹理的波浪等，同时，天空移动的云团、近岸的波浪碎沫以及摇摆的树枝也给目标检测造成了很大干扰。因此，如何有效的排除干扰，实现运动目标的准确检测是本文需要重点解决的问题。
1.2国内外研究现状
利用视频图像获取海洋信息的研究可以追溯至20世纪30年代，研究人员通过航空拍摄的海面图像研究近岸过程以及岸线绘制。1980年，美国俄勒冈州立大学近岸影像实验室(Coastal Imaging Laboratory, CIL)首先开展了近岸视频监测技术的研究，在数据采集方法和近岸过程研究等方面进行了开创性的工作，随后于1992年开始实施以希一腊神话中“百眼巨人”命名的Argus计划，由CIL和美国海军研究署主导，建立分布全球的近岸视频监测网，经过近20年的发展，目前已经在美国、英国、荷兰、西班牙、口本、澳大利亚、新西兰等国共建有50余个Argus站位，研究内容涉及信息科学、物理海洋学、近水文水动力、海岸环境和海滩演变等多方面内容
近年来，欧洲、新西兰、澳大利亚等国家和地区也先后启动了基于Argus技术的视频监测项目，如欧洲的CoastView项目，新西兰的Cam-Era项目，澳大利亚的金色海滩视频图像系统，这些项目在沿海环境保护、海岸带管理等方面都起到了重要作用
与此同时，一些基于具体应用的视频监测系统也相继被研发出来，如美国EVS (Erdman Video Systems)从1998年开始开发了以海岸管理为主的系统，采用摄像机和高分辨率照相机相结合的系统，用于海岸带保护，沙滩使用管理以及海上交通监抓‘等。澳大利亚CoastWatch开发了CoastalCOMS ( Coastal Conditions Monitoring System)系统，包括海岸线提取、海滩游客检测近海船只目标检测等多种应用模块以满足不同用户的需求。
针对海上目标检测中存在的问题，一些新的理论和解决方法也不断被提出。美国南佛罗里达大学的Fefilatyev利用安装于浮标上的数字摄像机检测海上船只目标。在长距离观测下，摄像机的观测视线趋向于与海平面平行，因此感兴趣的船只目标位于海天线之上。在这一假设前提下，Fefilatyev将海天线检测算法与边缘检测算法相结合，从单帧图像中提取船只目标，同时根据卡尔曼滤波器提出了一种新的船只追踪算法
美国佛罗里达大西洋大学的海岸线防护技术中心(CCST)开发了一套半自动化的视频监测系统，该系统主要用于重点海域的海上交通监测，对采集的视频图像进行分析，检测潜在的威胁并触发相应的响应信号。
2.1.3 均值滤波...........13-14
2.1.4 混合高斯法........... 14-16
2.1.5 非参数模型........... 16-17
2.2 海上运动目标检测........... 17-19
2.3 小结 19-20
第三章 基于视频的海上船........... 20-45
3.1 海上船只目标检测...........20-23
3.2 海上船只目标检测........... 23-35
3.2.1 预处理........... 24-29
3.2.2 目标区域........... 29-34
3.2.3 后处理........... 34-35
3.3 实验结果分析........... 35-44
3.3.1 单目标检测........... 37-38
3.3.2 多目标检测........... 38-39
3.3.3 遮挡下的目标........... 39
3.3.4 检测性能统........... 39-44
3.4 小结........... 44-45
第四章 视频与AIS信息融合........... 45-54
4.1 目标检测........... 45-47
4.1.1 AIS信息与视........... 45
4.1.2 著性区域检测........... 45-47
4.2 目标检测算法........... 47-52
4.2.1 小范围图像........... 47-49
4.2.2 高频加强........... 49-50
4.2.3 显著性区域........... 50
4.2.4 双阈值分割........... 50-51
4.2.5 形态学处理........... 51-52
4.3 实验结果........... 52-53
4.4 小结........... 53-54
全文工作总结
本文围绕基十视频的海上运动目标检测这一主题开展了研究。在对海上运动目标的图像特征充分分析的基础上，
