Image processing with traditional and artificial intelligence techniques for ship detection

Earth surveillance has received a great boost in recent years due to the increase of satellites in orbit. Various types of data can be obtained from space, among them, optical cameras, capable of obtaining high-resolution images have received a lot of interest. One area that has received significant attention is maritime surveillance. Possible illegal activities, or emergency situations, are difficult to deal with in this framework. With current means, which consist of radar, on-board sensors (AIS), and visual inspection of the sea, only a small portion of the water can be monitored. Making use of satellites in orbit, would overcome the current limitations while reducing costs. Several image processing techniques have been proposed in recent years to identify ships at sea or to extract certain features. In particular, the objective of this M.Sc. thesis is to compare the performance of two image processing techniques, one traditional and one artificial intelligence. An algorithm based on object analysis, such as OBIA, and a Unet-like architecture will be applied to the case study of detecting small moving ships and extracting their position, length and orientation. Later, the two algorithms will be compared. The ultimate goals of this analysis go beyond the case study presented here. A more in-depth analysis would require a complex dataset, which is not yet available. For this purpose, a synthetic dataset created at the DART lab was generated using Blender. The possibility of using a synthetic dataset paves the way for future more complex work. The performance of the techniques proposed here will be evaluated on a test set consisting of 404 images. In contrast, their robustness will be tested on 2 real images from the public DIOR dataset. Both algorithms showed their limitations in handling small ships. Finally, artificial intelligence outperformed OBIA in the detection task and orientation estimation, while OBIA obtained a better error in position and length estimation.

La sorveglianza terrestre ha ricevuto un grande impulso negli ultimi anni grazie all’aumento dei satelliti in orbita. Diversi tipi di dati possono essere ottenuti dallo spazio, tra questi, le camere ottiche, capaci di ottenere immagini ad alta risoluzione hanno ricevuto molto interesse. Un settore che ha riscosso grande interesse è quello della sorveglianza marittima. Possibili attività illegali o situazioni di emergenza, sono difficili da affrontare in questo contesto. Con i mezzi attuali, ovvero radar, sensori a bordo (AIS), e ispezione visiva del mare, è possibile sorvegliare solo una piccola porzione di mare. Sfruttare i satelliti in orbita, permetterebbe di superare questi limiti, riducendo i costi. Negli ultimi anni sono state proposte diverse tecniche di elaborazione delle immagini per identificare le navi in mare o per estrarre determinate caratteristiche. In particolare, l’obiettivo di questa tesi di laurea magistrale è quello di confrontare le prestazioni di due tecniche di elaborazione delle immagini, una tradizionale e una di intelligenza artificiale. Un algoritmo basato sull’analisi di oggetti, come OBIA, e un’architettura simile ad Unet saranno applicati al caso di studio del rilevamento di piccole navi in movimento e all’estrazione della loro posizione, lunghezza e orientamento. In seguito, i due algoritmi verranno confrontati. Gli obiettivi finali di questa analisi vanno oltre il caso di studio qui presentato. Un’analisi più approfondita richiederebbe un dataset complesso, che non è ancora disponibile. A tal fine, è stato generato un dataset sintetico creato presso il DART lab utilizzando Blender. La possibilità di utilizzare un tale dataset apre la strada a lavori più complessi. Le prestazioni delle tecniche qui proposte saranno valutate su un test set di 404 immagini. La loro robustezza sarà invece testata su 2 immagini reali prese dal dataset pubblico DIOR. Entrambi gli algoritmi hanno mostrato i loro limiti nella gestione delle navi di piccole dimensioni. Infine, l’intelligenza artificiale ha superato OBIA nel rilevamento e nella stima dell’orientamento, mentre OBIA ha ottenuto un errore migliore nella stima della posizione e della lunghezza.