基于分形模型的人造目标检测技术

介绍一种在红外和可见光图像中，自动检测自然背景中人造目标的方法．该方法以分形结构做为自然背景的数学模型，利用自然背景和人造目标在分形模型上的固有差异检测人造目标．本文还介绍了自适应分形特征的增强及图像检测方法；并以实际图像的处理结果，说明人造目标检测方法的效果．     

基于分形理论的目标检测

军事目标检测一般是由自然背景和少量的人造目标所组成．现有的图像目标检测方法大多是基于对目标本身特性进行分析，不适用于目标特性未知的军事目标检测．本文根据人造目标和自然背景在分形特征上的固有差异，在利用分形维数提取人造目标边缘特征的基础上，结合小波分析方法提取的目标边缘特征，对自然背景中的人造军事目标进行检测．实验证明该方法具有较好的适应性．     

基于分形的实现小目标检测的一种具体方法

介绍了基于分形的复杂背景下实现小目标检测的一种具体方法，该方法以自然背景和人造目标在分形特征上的固有差异为依据，利用了人造目标分形特征数大的特点，给出了进行小目标检测的具体实现过程。实际检测的实验结果表明：该小目标检测方法对环境的适应性强，检测结果精确，颇具发展前途。     

一种基于分形模型的新特征及其在自动目标识别中的应用

基于分形模型的自相似性，提出一种识别自然背景中人造目标图像特征的新方法．解释了该特征的含义，给出了计算方法，并利用实验数据将其与分维数特征和分形模型拟合误差特征进行了对比，说明了该特征在识别自然背景中人造目标时的优越性；还以实际红外图像的处理结果显示该特征在实际中应用的效果．     

基于分形的红外图象目标自动检测

本文介绍了一种基于分形的复杂背景下红外图象目标自动检测方法,该方法以自然背景和人造目标在分形特征上的固有的差异为依据,利用了人造目标分形特征拟合误差大的特点,实现了复杂背景中红外图象目标的自动检测。实际检测的实验结果表明：该目标自动检测方法对环境的适应性强,是一种颇具发展前景的目标自动检测方法。     

自然地面背景红外目标检测方法研究

文章结合分形特征的特点,提出了一种基于分形技术的图像预处理算法。该方法利用 自然背景和人造目标的不同分形持征检测目标,并利用领域连通性进行目标边界的合并,进一步地提取目标,大大提高了单帧检测的概率。仿真结果表明,该方法可以有效地在单帧图像中检测出目标。     

一种新的基于分形特征的人造目标快速检测算法

从分形布朗模型出发,通过对自然背景和人造目标图像不同的灰度相关性分析,提出 一种新的分形特征提取算法,根据新算法得到的分形特征分布规律,进而形成一种简单有效的自然背景中人造目标的检测算法。实验结果说明了该算法的性能。     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于分形曲面尺度斜率特征的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的检测方法不能准确、稳定地检测出目标,提出了运用分形曲面尺度斜率特征检测弱小目标的方法。通过实际数据分析可以得出:相比常用的分形维数和分形拟合误差等检测特征,分形曲面尺度斜率特征在表征人造目标与自然背景的差异上更加明显,在抗图像噪声干扰上也更为优异,有着更强的鲁棒性。该方法普遍适用于检测自然环境中的弱小目标,尤其在对空弱小目标方面,检测概率更高。无论背景、飞行姿态、目标类型发生怎样的变化,经本文算法运算后只需一步简易的分割就可以检测出微弱暗小目标。     

一种基于局部分形维的CFAR检测算法

目标检测是图像处理领域和计算机视觉中一项非常重要的研究课题.针对光学遥感图像自然背景下人造目标检测中检测时间长,虚警率偏高的问题,本文提出一种基于局部分形维的CFAR检测算法.该算法首先引入重标极差分析法,把图像的局部窗转化为一维序列的形式,且通过对一维序列极差和偏差的运算得到反映图像局部纹理特征的局部分形维,并以此构造出图像的分维像.然后在分维像基础上进行快速CFAR检测,确定滑窗中心点像素是否为目标像素.最后对目标像素进行聚类以提取感兴趣目标区域.利用本文提出的算法对不同地区的光学图像进行了大量的实验,得到了较好的检测结果.实验结果证明了该算法在高分辨光学图像中能有效、快速地地检测自然背景中的人造目标.与传统的人造目标检测算法相比,本文提出的算法能有效地减少检测时间,降低虚警率.     

基于DRF模型的自然背景中人造目标的检测算法

自然背景中人造目标的检测是计算机视觉、模式识别、机器学习和图像处理领域中非常活跃的研究课题.概率模型的方法为该问题的解决提供了新的研究途径,其中基于DRF模型的人造目标检测算法是一种最新发展的检测算法,仿真结果表明,该算法漏检率和误检率低,检测效果良好.     

Fractal error for detecting man-made features in aerial images

A technique is proposed for aiding photointerpreters in detecting man-made features in aerial reconnaissance images. The technique, which uses a metric called fractal error, is based on the observed propensity of natural image features to fit a fractional Brownian motion model. Man-made features usually do not fit this model well, and consequently the fractal error metric may be used as a discriminant function for detecting man-made scene features     

IMAGE OBJECT DETECTION BASED ON FRACTIONAL BROWNIAN MOTION

Fractional Brownian motion, continuous everywhere and differentiable nowhere, offers a convenient modeling for irregular nonstationary stochastic processes with long-term dependencies and power law behavior of spectrum over wide ranges of frequencies. It shows high correlation at coarse scale and varies slightly at fine scale, which is suitable for and successful in describing and modeling natural scenes. On the other hand, man-made objects can be constructively well described by using a set of regular simple shape primitives such as line, cylinder, etc. and are free of fractal. Based on the difference, a method to discriminate man-made objects from natural scenes is provided. Experiments are used to demonstrate the good efficiency of developed technique.