一种改进的子视图交叉相关法检测海面小型移动船舶

本文基于船舶检测的子视图交叉相关法,提出一种SAR图像检测小型移动船舶的方法,突破了原算法仅适用于检测大型或静止目标的限制.SAR图像数据由ALOS-PALSAR采集,海面实况已知数据包括ALOS经过时的海面船只数量、航速及航向等参数.实验结果表明本文提出方法优于恒虚警率CFAR与原有的子视图相关法,同时也讨论了用ALOS-PALSAR图像检测船舶时,其尺寸大小对识别船舶的限制.     

基于变异系数法的SAR船舶检测优化研究

船舶检测在民用和军用领域都具有广阔的前景。利用高分辨率SAR图像可以提高海上船舶检测精度,但同时也面临船舶旁瓣、海表漂浮物及人工设施等物体的干扰。针对这些不足,提出了一种基于最佳熵双阈值算法对SAR影像检测的基础上,利用多种几何属性特征组合优化初步检测结果的算法。首先,基于最佳熵双阈值算法对研究区域的Radarsat-2影像进行初步检测,得到潜在船只目标;其次,计算潜在目标的核密度、长宽比、潜在像元数目等3个特征;最后,利用客观权重分配方法——变异系数法,针对3个特征进行权重分配,降低虚警率,达到优化船只检测结果的目的,同时利用AIS数据、K-CFAR算法检测结果及黄河口的ALOS-2数据验证了该算法的有效性和实用性。     

基于混沌理论和形态学变换的海面分布目标检测

基于海杂波的混沌特性,给出了混沌理论和形态学变换相结合的海面分布目标检测方法.该方法首先利用海杂波的混沌预测误差对海面合成孔径雷达(Synthetic aperture radar,SAR)图像中的分布目标进行恒虚警率(Constant false alarm rate,CFAR)栓测,然后用形态学变换来改善检测效果.用实测的机栽海面SAR图像进行检测实验,结果表明该算法有效,并且可以对任意类型的海面分布目标进行检测.     

联合显著性特征与卷积神经网络的遥感影像舰船检测

目的 针对高分辨率遥感影像舰船检测受云雾、海浪以及海岛等复杂因素干扰,存在虚警率高、漏检率高、目标检测和识别困难等问题,提出一种联合视觉显著性特征与卷积神经网络的海面舰船目标检测方法。方法 基于频率域相位谱显著性检测能够有效抑制高分辨率遥感影像上云层、海面杂波干扰的特点,计算影像多尺度显著图并进行加权融合。采用对数变换对融合后的图像进行空间域灰度增强以提高目标与背景的区分度,利用灰度形态学闭运算填充舰船目标孔洞,采用大津分割法来提取疑似舰船目标作为兴趣区域。最后构建舰船样本库,利用迁移学习的思想训练卷积神经网络模型,对所有兴趣区域切片进行分类判断和识别,得到最终检测结果。结果 利用多幅不同背景下的高分辨率遥感影像,分别从视觉显著性检测、舰船粗检测与船只类型识别3个方面进行实验验证,选取检测率、虚警率、识别率3个指标进行定量评价。结果表明,本文方法相比于其他方法能有效排除云雾、海岛等多种因素的干扰,检测率、虚警率、识别率分别为93.63%、3.01%、90.09%,明显优于其他算法,能够实现大范围影像上多种类型舰船的快速准确检测和识别。结论 本文将图像视觉显著性检测快速获取图像显著目标的特点与卷积神经网络在图像分类的优势相结合,应用于遥感影像的海域舰船目标检测,能够实现对复杂背景下舰船目标的检测和船只类型的精细化识别。     

基于PCDM香农熵的全极化SAR图像船舶目标检测方法

极化合成孔径雷达(PolSAR)数据包含了丰富的地物极化散射信息,已被广泛应用于海上交通监测与目标检测。根据船舶目标与海杂波背景在图像上的极化响应差异,提出了一种基于极化协方差差异矩阵PCDM(Polarimetric Covariance Difference Matrix)香农熵的全极化SAR图像船舶目标检测方法。首先计算极化协方差矩阵中元素与邻域元素的差值,由此得到协方差差异矩阵,以提高"船—海"对比度。然后根据香农熵计算公式提取图像的香农熵特征,并依据目标和背景的不同特性对船舶进行检测。针对检测结果中存在的由方位向模糊导致的虚警,根据目标与方位向模糊的偏移量和能量比关系进行移除。利用Radarsat-2全极化精细扫描数据和高分三号GF-3全极化条带1数据进行实验,并将提出的方法与SPAN方法、HV通道、PWF方法进行对比。结果表明:该方法能有效增强船海对比度,并有效提高检测准确率。     

基于多尺度静态小波分解的改进型CFAR船只检测算法

SAR船只目标检测是实现海上安全监测的有效手段。由于在海杂波较为复杂的情况下,传统CFAR算法对于弱小船只检测效果不佳,本文提出了基于多尺度静态小波分解的改进型CFAR检测算法。首先通过实验选出最优小波基及最佳小波分解级数,再利用幂运算对经多尺度乘性增强的小波系数进行优化,以增强船只与海洋背景的对比度,从而运用简单的CFAR算法即可得到较好的检测效果。最后,以新型星载ALOS-PALSAR数据为例,通过与传统CFAR算法的对比实验,验证本文算法的有效性。实验表明,利用Sym2最优小波基的较强边缘检测能力以及小波多尺度乘性增强,双重强化了船只目标的边缘影像特征,并有效抑制了海杂波噪声,使得本文算法在提高检测率与降低虚警率两方面都优于传统CFAR算法,有利于高海杂波下弱小船只的检测。     

雾霾图像增强算法对目标检测性能影响研究

针对雾霾环境下目标检测率低,容易造成交通事故等问题,提出了基于图像增强的动态双阈值算法。该算法针对雾霾天气下,传统的检测算法目标检测率低、虚警率高等问题,利用大气散射模型及联合双边滤波算法首先对原始雾霾图像的增强处理,然后再进行目标检测。分别使用动态双阈值、基于均值滤波的动态双阈值、基于直方图均衡化的动态双阈值、基于拉普拉斯算子的动态双阈值目标检测算法对不同程度雾霾环境下的实拍车辆运动视频进行目标检测,并用11097组图像数据对比分析改进算法的最佳检测率、最差检测率、平均检测率和虚警率。实验结果表明,改进算法目标检测率高、虚警率低,有助于减少交通事故,更加适用于雾霾环境下图像目标检测。     

基于局部灰度熵的人体检测方法

针对造成低对比度环境下运动人体检测困难的两个主要因素：拍摄时光线昏暗和拍摄时距离较远,引入局部灰度熵概念,根据局部灰度熵可以准确地反映样本的离散程度且与样本的灰度均值无关这一原理,提出基于局部灰度熵的人体目标检测算法。建立背景模型,运用泰勒展开式简化局部灰度熵计算公式,计算邻域窗口内运动物体与背景模型的局部灰度熵值之差,通过检测率与虚警率对算法进行的评价, 得到两种低对比度情况下可以获取运动人体目标的局部灰度熵差值的最佳阈值。实验结果表明,在低对比度环境下,基于局部灰度熵的人体检测算法能够有效地检测出运动人体目标。     

高分辨率光学遥感影像舰船检测算法研究

针对传统舰船检测方法在高分辨率光学遥感影像中虚警率较高的问题,提出了一种适用于高分辨率光学遥感影像的舰船检测算法。利用能够表征地物纹理特征的二维图像熵结合区域生长原理实现海陆分离,在舰船目标分割阶段,引入视觉显著性模型,解决了不能分割暗极性舰船目标的问题,大部分场景下分割精度较高。最后在分割出的候选目标中,采用多特征量综合的方法剔除虚警。结果表明,该算法在舰船目标检测中有较高的检测率和较低的虚警率。     

遥感图像中复杂海面背景下的海上舰船检测

针对遥感图像中复杂海面背景下海上舰船的检测问题展开讨论,在Itti视觉显著度模型的基础之上进行改进,提出一种基于特征显著度图的复杂海面上舰船的自动检测方法,解决了传统的阈值分割方法在遥感图像复杂海面背景下较难将目标与背景分离的问题.在多种不同复杂海面背景下的舰船检测实验中,与传统阈值分割方法比较,本文方法有较高的检测率和较低的虚警率.     

基于SVM的遥感影像目标检测中的样本选取

在基于支持向量机的遥感影像目标检测中,因为有限的目标样本和相对复杂的背景,造成检测结果的虚警率偏高。论文提出了自举算法用于样本的选取,试验表明该方法可使检测的虚警率成倍降低。     

基于粒子群优化算法和模糊熵的多级阈值图像分割算法

针对现有阈值分割算法利用穷举搜索寻找最优阈值而造成的计算成本较大的问题,提出了一种基于粒子群优化算法和模糊熵的多级阈值图像分割算法。图像分割是图像分析中非常重要的预处理步骤,在提出的方法中,首先选择香农熵和模糊熵作为优化技术的目标函数;然后建立一种基于粒子群优化算法的多层次图像阈值分割,通过最大化香农熵或模糊熵进行图像分割。最后从图像分割数据库中选取Lena、baboon和airplane作为测试图像进行性能分析（包括鲁棒性、效率和收敛性）,并与现有的几种阈值分割算法进行比较。结果显示,提出的算法得到了更高PSNR值和更少的分类误差,证明了该算法是一种高效的多级阈值图像分割算法。     

一种利用均值匹配改进的高光谱异常检测方法

传统高光谱异常检测算法由于背景信息估计不准确等原因普遍存在高虚警率的问题,针对这一现象,提出了一种利用图像均值进行匹配改进的高光谱异常目标检测后验处理方法。首先采用传统的高光谱异常检测算法将待检测高光谱图像划分为背景与异常目标潜在区域,之后通过对待测图像求解均值,将其与异常目标潜在区域像元进行相似性匹配计算,剔除大范围误检像元,得到最终检测结果。该方法在传统异常目标检测算法基础上进行相似度量剔除大范围虚警像元,在提高原算法探测能力的同时有效地降低虚警率。实验表明,该方法可以有效降低虚警率,提高原算法对于亚像元异常目标的检测能力,且对于不同算法、不同数据具有普适性。     

基于机载SAR图像的海面船只实时检测分类应用架构

合成孔径雷达(SAR)被广泛应用于军事侦察、海洋监测、灾害应急评估等各类应用中。其中,SAR海面船只检测分类是SAR海洋应用的重要一环。限于SAR特殊的成像机理,SAR图像中的目标特征多变,导致基于SAR图像的目标分类应用进展缓慢。机载SAR因其实时、便捷的部署和使用方式得到了快速发展,基于机载SAR图像的海面船只检测分类,特别是实时检测分类应用近年来需求强烈。为此,针对SAR海面船只实时检测分类应用问题,探讨和构建了一种基于机载SAR图像的海面船只实时检测分类系统构架,论述了系统构架在工程应用中的关键流程、方法并进行了初步试验验证,结合当前人工智能技术的发展趋势,对其日后的发展趋势进行了展望。     

Envisat AP图像P-CFAR舰船检测方法研究

Envisat的AP数据可以在一次成像过程中得到同一场景的两幅不同极化模式的数据,使用这种数据进行船只检测可以有效的提高检测概率并降低虚警率。为利用AP数据中包含的关于目标和场景的有效信息,引入了基于向量矢量的P-CFAR检测器对交替极化数据进行检测。首先使用GIS数据对陆地区域进行了掩膜处理,剔除了陆地区域的影响。然后使用P-CFAR检测器对目标进行检测。通过检测器窗口的滑动,我们对中心像素的信息量进行计算,并将其与检测阈值进行比较,从而检测得到目标。最后,为剔除虚警,使用了一个复合目标辨识算法对检测得到的候选目标进行了辨识。为了评价该算法的检测性能,利用Envisat ASAR的交替极化数据进行了实验,实验结果表明该方法能够充分利用目标和场景的有效信息,在环境干扰较大的情况下也可以对舰船进行有效的检测。     

基于概率图与视觉显著性的海面目标检测方法

针对基于视觉的传统海面目标检测算法在水面无人艇的自动避碰应用中存在检测精确率、召回率低以及对复杂场景的适应性不足的问题,提出一种基于概率图与视觉显著性的海面目标检测算法。首先利用概率图模型分割出原始图像中的海界限区域与海面孤立目标;然后针对海界限区域子图像特点,设计了一种基于方向抑制的梯度特征,并结合背景先验改进频率调谐显著图,利用特征融合的方法提取海界限区域的潜在目标。实验结果表明,该算法能够有效抑制云、飞鸟、海天线和海杂波的背景干扰。与传统方法相比,提出的方法具有更高的精确率与召回率,且满足无人艇自动避碰实时性的要求。     

基于最大类间后验交叉熵的阈值比分割算法

从目标和背景的类间差异性出发,提出了一种基于最大类间交叉熵准则的阈值化分割新算法,算法阈设目标的背景象素的条件分布服从正态分布,利用贝叶期公式估计象素属于目标和背景两类区域的后验概率,再搜索这两为区域后验概率之间的最大交叉熵。比较了新算法一基于最小交叉熵以及基于传统香农熵的阈值化算法的分割性能。     

基于显著图的红外弱小目标动态规划检测前跟踪算法

针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.     

基于检测跟踪联合的雷达单帧虚警率计算仿真

针对传统雷达单帧虚警率计算存在雷达探测距离偏低、检测门限高问题,提出了基于检测跟踪联合的雷达单帧虚警率计算方法。量测波门内超过设定阈值的数据,采用跟踪算法进行关联。将跟踪结果反馈到检测中心,通过该反馈信息对波门内的检测阈值进行调整,归一化处理粒子滤波的权重,计算检测单元的相似度,求取非归一化噪声的关联矩阵概率,进而修正粒子滤波的目标状态。根据计算在波门内的虚警率积分,得到波门平均检测概率,实现基于检测跟踪联合的雷达单帧虚警率计算。为验证以上研究的有效性,进行了仿真,结果表明,上述研究获得结果是理想的,具有更高的雷达探测距离,且检测门限降低。说明本研究具有较强应用性。     

基于HVS的空中红外小目标快速检测算法

针对传统目标检测算法实时性较差且在面对复杂云层干扰时虚警率高的问题,提出一种基于人类视觉系统的小目标快速检测算法。利用局部对比度测量方法计算候选目标,根据拉普拉斯高斯尺度空间理论,计算候选目标处的多尺度滤波响应,进而通过自适应阈值分割获取真实目标。实验结果表明,该算法的检测率高达97%,虚警率低于3%,且能够在5 ms内完成目标位置计算。