一种多尺度分形特征目标检测方法

自然背景干扰下的自动目标检测是目标检测的一个基本问题.根据尺度变化时自然场景中人造目标的分形特征变化剧烈这一特点,提出了一种分形参数极值特征的自动目标检测方法.大量的实验结果表明,分形参数极值特征的自动目标检测方法能较好地完成自然背景干扰中人造小目标的自动检测.     

基于分形图像编码的海空目标检测方法研究

提出了一种基于分形图像编码的海空目标检测方法。对图像平滑滤波后，进行快速无搜索编码，利用编码过程中各值域块的均方根误差来判断该块是否包含人造目标，标记包含人造目标的值域块，并将邻近的标记块连接起来，就可以得到完整的目标区域。实验结果表明，该方法对海空背景下的目标检测具有较高的准确率，且抗噪能力强，处理速度快，能够满足实时处理的要求。     

基于分形特征的复杂环境目标检测方法研究

针对复杂的自然背景下的运动目标检测,提出了一种基于分形特征的运动目标检测算法;该算法利用目标的分形维数与自然背景分形维数的差异将目标从背景检测出来;首先应用改进的地毯覆盖法快速得到图像的分形维数,然后通过比较邻域之间分形维数的相互关系进行目标检测;实验结果表明,该方法能对复杂背景下的运动目标进行检测,由于采用分块求分形特征的方法,能有效地减少搜索目标所带来的计算量,算法过程简单、检测速度快、检测结果精确,目标与背景对比度的变化对检测结果几乎没有影响,且噪声对该算法的检测结果影响较小;在运动目标实时检测问题上有着很好的实用价值和应用前景。     

一种基于分形的金字塔快速图象分割方法

本文在离散分形布朗增量随机场（ＤＦＢＩＲ）的图象模型基础上，利用在图象处理中常用的金字塔技术，通过提取特性参数－Ｈ值和方差，并结合传统的聚类会割方法，实现了图象的快速分割，通过对自然背景中的人造物体进行分割实验，结果表明，这处快速算法不仅能得到较好的分割效果，而且可以将速度将近三分之一倍。     

基于分形的水声图像目标探测

针对水声图像中人造物体的探测问题，给出了一种基于分形分析的方法，由于分形模型可以较好地模拟自然物体，而与人工物体存在较大差距，所以以其为主要特征可以准确地将人造物体从自然背景中探测出来。本文讨论了分维的提取方法，根据分形特征将水声图像标记为人造目标区域和非人造目标区域，并对一定噪声干扰下该方法的应用进行了研究，给出了相应的实验结果。实验结果表明，分形特征可以实现人造目标和自然物体的分类，并具有一定的抗噪声性，适宜对水声图像中的目标进行探测和识别。     

基于分形特征的人造目标探测方法研究

自然背景和人造目标对于某些分形特征存在着一定的本质差别，因此充分利用这些差别，能够为目标探测提供一套全新的方法。从仿真实验的处理结果来看，这种方法对于自然背景嵌入少量人造目标这类简单情况的检测效果较好，且具有较强的抗噪声干扰能力；对于其他复杂情况，本分别采用阈值分割组合法和Ｋ均值聚类法进行尝试，得到了一类初步结果。     

多尺度分形维的星载舰船显著性检测

目的 星上的舰船检测需要在资源和时间受限条件下实现快速检测,并且对目标的种类和尺寸缺少先验信息的指导,更多时候还需要实现一景图像中不同尺寸舰船的检测,因此,星上舰船检测要求检测方法具有一定的自适应性,从而实现星上多变的检测场景。方法 针对这一问题,提出了一种多尺度分形维的检测方法,可以实现一景遥感图像中不同尺寸舰船目标的检测。首先,针对差分盒算法受盒子尺寸约束的限制使分形维数的计算精度受到影响的问题提出了一种改进算法,改进算法增加了拟合直线的点对数目并引入了拟合误差剔除误差点对,提高了分形维特征计算的精确度。结果 在提高了分形维计算精度的基础上,新算法利用自然物体在不同尺度上具有的自相似性,通过多尺度分形维的计算并借鉴视觉显著性中c-s算子来排除背景对目标的干扰,突出舰船目标。实验结果表明,新算法能够有效检测出一景图像中不同尺寸的舰船,优于双参数CFAR算法的检测结果。结论 本文提出的多尺度分形维的检测算法可以实现对一景图像中不同尺寸舰船目标的检测,在保证一定检测率的同时有效降低了目标检测的虚警率。     

红外图象序列中运动点目标检测技术

对于红外传感器来说，当距目标很远时，目标在成象平面上仅占一个或几个象素，且接收到的信号很微弱。由于点目标象素少，无形状特征，信噪比低，如何正确检测出目标就是一个值得研究的问题。本文首先对于这种检测问题的主要技术难点进行了讨论，然后分别介绍了目前具有代表性的几种常用方法，例如Ｆａｌｃｏｎｅｒ于１９７７年提出的Ｈｏｕｇｈ变换法，Ｒｅｅｄ等人采用匹配滤波的方法，Ｍｏｈａｎｔｙ等人提出的基于概率估计的最大似然比自适应方法，Ｌａｒｓｏｎ于１９６６年首先提出的动态规划法，Ｂｌｏｓｔｅｉｎ等提出的序贯检测法和近年来所提出的神经网络法，作者对他们进行了评述，最后指出了点目标检测技术今后的发展方向和主要研究内容。     

基于参数的分形地形可控性研究

本文在深入研究分形布朗运动原理和中点位移算法的基础上,推导出分形地形参数之间的关系表达公式,分析了分形参数对地形形状的影响,提出了基于参数的可控分形地形生成方法,并进行了仿真。试验表明,该方法能快速有效地对分形地形进行控制,是自然景观仿真的一种有效手段。     

基于模糊多重分形特征的人造目标检测

图像灰度的奇异性和多重分形谱特征反映了图像内容的不同属性,并且可以用于在自然背景下对人造目标的检测。基于图像的多重分形谱,多重分形征和多重分形符合误差特征进行了模糊化处理,并且通过对80幅模拟图像的处理和分析获得了两个特征的模糊成员函数,提出了多传感器模糊特征综合函数和判别准则,对80幅样本图像进行目标检测的正确概率可以达到近90%。     

土石分形检测中二值图像封闭边缘跟踪的算法改进

随着工业现代化的快速发展,大量土木工程开工建设,在工程中需要对一些土石混合体的力学特性进行分析,以便能够快速准确地鉴别土石混合体的级别等级。传统的方法是以人力的方式进行分拣筛分,通过筛分得到的数据对土石混合体的微结构进行研究,劳动强度大,操作不变,且效率低下,传统方法已经严重制约工程人员对土石混合体的研究。利用现代的数字图像处理技术,来测量土石混合体的沙石比例,提出了一种改进的跟踪封闭边缘提取算法,经实验验证,该方法较传统的跟踪封闭边缘提取算法有效可靠,适合土石混合体的边缘提取。     

基于小波包变换的红外弱小目标检测

针对复杂背景下红外弱小目标的检测问题,提出一种基于小波包变换的红外弱小目标检测算法。该算法首先采用小波包变换对含有弱小目标的红外图像进行多尺度分解,得到不同尺度下的高低频节点系数;其次根据不同节点系数重构时对目标能量贡献的不同,选取高频频带中能量分布居中的频带节点系数对图像进行重构完成背景抑制;最后对重构后的目标图像采用自适应阈值分割方法进行目标分割,得到目标检测结果。实验采用多组红外序列图像进行验证,仿真结果表明：该算法可以很好地抑制背景和云层边缘,精确地检测出目标信号,同时提高了目标的信杂比和对比度等参数。     

一种基于低空全景图像的低慢小目标检测方法

随着国家低空空域的开放,防范和处置低慢小目标的干扰和破坏已经成为重大安保活动的世界性难题。上海天文台研制了一套快速搜索空中低慢小目标的光电系统。针对该光电系统,提出一种基于全景图像的低慢小目标的检测算法,以降低低慢小目标虚警率。首先利用Top-hat算子对低空全景图像进行高通滤波;然后对提取出的可疑目标进一步筛查判断,通过统计局部区域的天空、云朵和目标自身的灰度特性,设置门限以减少低慢小目标的误检率。对检测算法进行了试验验证,算法有效降低了形态学单帧检测算法虚警率,在低慢小目标搜索发现中取得了较好的工程应用效果。     

基于前视声呐的水下目标检测算法研究

水声目标检测就是从水声取目标信息并进行识别,而有效的水声标检测在现代化的海洋开发中有着十分重要的作用;首先,介绍了水声目标检测所采用的设备,以及该设备的工作方式,并搭建试验场景进行水声回波的采集;其次,对水声标检测算法进行了研究,比对不同的滤波算法可知,中值滤波方法的去噪效果更佳;进行了灰度直方图分析,对目标的灰度范围进行了增强处理;对图像分割算法进行了研究,设计了一种自适应迭代分割算法,对比其他方法有着更好的处理效果;对分割后的图像进行连通域查找,目标筛选,从而识别出待检测目标;试验结果验证了该水声目标检测算法在对水下目标的检测识别上的有效性。     

基于分形理论的离群点检测

现有离群点数据挖掘算法在高维空间效率比较低,针对上述不足,从离群点对数据集有序性的影响角度出发,在界定分形离群点含义的基础上,利用分形理论将离群数据挖掘作为一个优化分割问题进行处理。采用推广的G-P算法计算数据集的多重分形广义维数,利用贪婪算法的思想设计FDOM算法用于求解离群数据挖掘优化问题。实验结果证明,该算法能有效地解决离群点检测问题。     

基于深度分割模型的小目标检测

小目标检测广泛应用于视频监控等各种任务,在各领域均有着重要作用.由于待测目标尺寸小、特征弱等原因,目前的检测算法对小目标的检测性能仍值得进一步提升.现有基于设计特征的传统方法在复杂背景的应用场景下检测精度低、鲁棒性弱,基于深度学习的检测算法存在数据集难获取、小目标特征难提取等问题.面向解决低信杂比图像中小目标因面积占比小导致的特征提取难的问题,提出了一个深度分割模型用于小目标检测.为进一步提升检测性能、降低漏检率,充分应用多波段图像信息,设计了一个基于深度分割模型的多波段融合小目标检测方法.在仿真数据集上的实验结果表明,该方法有效提高了小目标检测的准确率,为小目标检测的后续研究提供了新的思路.     

基于小波变换的分形图像去噪与边缘检测

本文根据分数布朗随机场(FBR)模型理论，运用小波变换法先对图像进行去噪，然后对图像的分形参数H进行估计，进而根据分形参数H的值的奇异性来检测图像的边缘。实验表明，本文的算法能有效地抑制噪声的影响，并能更好地检测出图像的边缘。     

基于双边缘检测的目标定位技术

为了提高目标定位的准确性,在传统的高斯差分边缘检测和Sobel算子边缘检测的基础上,提出将二者相结合的双边缘检测算法。对原始图像进行2次标准差不同的高斯模糊求高斯差分来代替原本边缘检测图像预处理中的高斯平滑过程;对实验结果较好的高斯差分参数,进行Sobel边缘检测并进行目标定位。实验结果表明,在算法时间开销增加较少的情况下,使用高斯差分算子与Sobel算子相结合进行边缘检测的结果优于Sobel算子单独检测,检测效果较好。