共查询到16条相似文献,搜索用时 62 毫秒
1.
针对复杂背景下点目标的单帧检测,明确提出有效像元的检测,基于点目标的局部相关性以及目标和背景的局部差异,提出了一种改进的基于马尔可夫随机场(Markov Random Field,MRF)的点目标检测算法.该算法依据一种基于复杂背景可分性度量的信杂比(Signal to Clutter Ratio,SCR)准则对MRF进行迭代优化的初始配置.在此基础上,改进了MRF标记场的先验概率模型,设计了一种基于欧式空间度量的MRF先验概率能量函数,构造了MRF对欧式空间距离的标记场概率响应模型,并通过高阶能量函数提高了目标概率对邻域标记变化的响应能力.分析结果表明:该算法在结构化背景中的性能更优,相比于传统Potts模型在目标辐射维度的检测能力更强,是一种鲁棒性更强的检测算法. 相似文献
2.
3.
合成孔径雷达自动目标识别(SAR ATR)算法一般分为三个步骤:预筛选、鉴别和分类,其中鉴别部分将基于预筛选提供的感兴趣区域(ROI)进行特征提取,根据提取的特征消除虚假目标,变化特征是用于消除固定强杂波形成虚假目标的重要特征.本文介绍了两种常用的变化检测算法,并对其在基于ROI变化特征提取中的适用性进行了分析,针对存在的问题,本文提出了三种适用的变化特征提取算法并进行了仿真试验,试验结果表明,本文提出的三种变化特征提取算法在不同检测条件下均保持了较好的稳健性,且滑窗平均相减法性能最优. 相似文献
4.
5.
6.
一种基于主分量分析的SAR图像变化检测算法 总被引:4,自引:1,他引:3
该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法.该算法将SAR图像转化为列向量,对两个图像向量组成的矩阵进行主分量分解,其图像的变化部分则表征为矩阵的次分量成分.论文还研究了高效的SAR图像变化检测实现算法,最后通过与对数比方法和分块主分量分析法进行比较实验,实验结果证实了方法的有效性. 相似文献
7.
针对军用港口SAR图像的特点,提出了一种基于二维模糊熵的SAR图像自适应变化检测算法.建立了反映军用港口的码头、公路、油库、指挥设施等地面目标特性和军事功能变化的毁伤效果评价指标和快速评估算法,并通过仿真实验检证了此方法的有效性. 相似文献
8.
9.
一种基于变化检测技术的SAR图像舰船目标鉴别方法 总被引:2,自引:0,他引:2
该文引入变化检测思想,利用SAR图像中海杂波和目标之间的灰度差异,通过对潜在舰船目标切片的目标像素和背景像素进行分离,计算目标像素聚集度(TPAM)特征,实现对高亮像素在图像切片中聚集程度的定量评估,从而鉴别目标切片中是否包含有舰船目标,有效去除杂波虚警。首先,基于感兴趣区域(ROI)切片中心为目标像素及四周为海杂波的合理假设,构建似然比变化检测量获取差异图像;然后,利用KSW熵阈值选择方法实现差异图像中目标像素和海杂波像素的自动分离,生成二值图像;最后,利用切片中心像素为种子点,对二值图像进行区域生长,计算目标像素聚集度特征,并判断目标切片是否包含舰船目标。基于RADARSAT-1 SAR实测数据的实验结果表明,该文方法得到的目标像素聚集度特征计算简单、稳健性好、可区分度高,具有良好的鉴别性能,能够去除大部分海杂波干扰产生的虚警,有效地降低目标检测虚警率。 相似文献
11.
该文针对载机不同航迹条件下所得多时相UWB SAR图像灰度值存在较大起伏,严重影响了基于像素灰度值差异的变化检测算法性能,提出了一种基于邻域统计分布变化分析的UWB SAR隐蔽目标变化检测方法。该方法将Gram-Charlier展开理论同秩序滤波器相结合对多时相图像中每个像素邻域的统计分布进行估计,进而借助K-L散度理论对多时相图像邻域统计分布变化进行定量分析以检测目标对应的变化区域。实验结果表明,该文方法能够更好地适应不同航迹UWB SAR图像间灰度起伏的影响,取得更好的检测结果。 相似文献
12.
如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景. 相似文献
13.
基于CFAR级联的SAR图像舰船目标检测算法 总被引:1,自引:0,他引:1
SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。 相似文献
14.
15.