针对可见光学遥感图像港口舰船检测过程中,人造目标造成检测结果准确率低、虚警率高的问题,提出了一种基于边缘线梯度特征定位和聚合通道特征的舰船检测方法。基于多尺度多结构元素形态学滤波实现海陆分割;并结合遥感图像中港口的矩形形状特点,定义边缘梯度正切角和港口凹凸度特征以对港口进行定位,获取港口感兴趣区域集合。提取舰船目标的聚合通道特征,并通过聚合通道特征构建的样本训练库和AdaBoost算法完成分类器的训练,利用训练完成后的分类器完成舰船目标的最终判别确认。实验结果表明该算法相较于传统的HOG特征和Haar特征,检测效果良好,准确率和召回率得到较大的提升。

光学遥感图像中舰船检测，Matlab平台。可提取目标5个特征描述子。学习者可参考。

针对以离散余弦变换为核心的人类视觉模型舰船检测算法受数据类型限制的问题（即 对复数类型的数据检测效果不好），该文提出了一种改进的人类视觉模型 SAR 图像舰船检测算法。该算法是以快速傅里叶变换代替离散余弦变换，将 SAR 图像从空间域变换到频率域。快速傅里叶变换对数据类型要求较低，只要求数据是离散的，并且运行效率更高。