梁 杰，李 磊，2，周红丽

(1.北京机电工程研究所，北京 100074; 2.复杂系统控制与智能协同技术重点实验室，北京 100074)

0 引言

海面和港口作为交通枢纽以及重要经济区域，在军事和民用领域具有重要的地位，而舰船作为海上交通运输以及装备的主要载体，对其进行有效的定位和分类在沿海监管和防御等领域具有重要意义[1]。因此，在复杂环境和弱保障条件下，有必要提高对港口、海面舰船等概略、混杂目标选择性精确识别的能力[2]，要求不仅能够准确定位舰船位置，给出其朝向信息，还能完成细粒度分类，实现舰船的类型识别和军民识别。

针对舰船目标的检测方法，主要可以分为两类。一类是基于人工特征提取加特征分类器的传统目标检测方法，它利用一些手工设计的图像特征或特征点来表征每一类物体的特点，并将图像由矩阵信息转化成对应的特征向量；然后利用训练好的特征分类器(如支持向量机(Support Vector Machine, SVM))对特征向量进行分类判别，同时通过滑动窗口的方法找到与目标特征最相似的位置从而完成目标定位[3]。例如，文献[4]提到了一种基于灰度统计特性的舰船检测方法，该方法以灰度值作为特征，通过人为设定的阈值来区分背景和目标，仅适用于海面较为平静且水体灰度较低的情况，对海面噪声较敏感，识别虚景率较高。针对上述不足，文献[5]提出了一种基于自适应阈值分割的舰船检测方法，该方法的阈值可由算法根据图像特征进行调节，但仅在舰船与背景对比度明显时效果较好。……