基于能量场边缘提取和改进Hough变换的图像几何特征检测

根据光纤定位管图像的特点,提出了一种基于Hough变换的几何特征精密测量的方法。对图像进行能量场边缘提取后,通过改进的Hough变换求出图像中基本的几何元素:圆和直线的方程,进而精确确定其几何特征如:角点的位置等。试验结果表明,本方法可用于含噪图像中的几何特征检测,该方法具有较好的准确性和较强的稳定性。     

基于SAR图像的水下运动目标探测方法

为了探测合成孔径雷达(Synthetic Aperture Radar, SAR)图像中的水下运动目标,提出一种基于目标的海表面尾迹特征波纹的检测方法。先运用鲁棒性主成分分析(Robust Principal Component Analysis, RPCA)稀疏分解法对SAR图像尾迹波纹进行增强,再将恒虚警率(Constant False Alarm Rate, CFAR)思想应用于灰度归一化Hough变换检测方法以检测线性波纹特征。针对水下目标检测数据匮乏的现状,首先利用舰船尾迹的实测SAR图像对所提的基于运动目标尾迹波纹增强的局部CFAR检测方法进行验证,然后仿真不同海情、航速及潜深条件下的水下运动目标尾迹和海面的混合波纹的SAR图像,并对仿真SAR图像中目标的线性波纹特征进行检测,达到目标探测的目的。检测实验结果表明,提出的方法可有效探测水下运动目标。     

基于序列图像的运动轨迹检测方法

序列图像中运动目标轨迹检测是目标识别与跟踪处理的关键技术。运动轨迹检测的核心是运动目 标的轮廓特征提取,传统算法提取的目标物体由于受不同因素的影响只突出了轮廓的部分特征,给运动轨迹检测带 来一定的困难。在利用传统算法获取不同特征信息的基础上,采用蚁群聚类的多模板融合边缘检测方法获取目标 边界,实验结果表明该方法在轨迹检测过程中能够获得较完整的特征信息,能更有效地获取目标轨迹。     

基于Hough变换的人眼检测方法研究

人脸检测在许多应用中都是重要的一个处理阶段,眼睛是一个在人脸检测中极为重要的人脸特征,因此一种精确可靠的定位眼睛的算法对许多实际的应用是十分重要的.提出一种基于Hough 变换椭圆检测的人眼睛定位方法,先对人脸图象进行canny边缘提取,然后根据眼睛的生理特征,利用提取的眼睛边缘特征进行椭圆检测.实验证明该方法定位准确,能有效的抑制噪声,并且有很高的识别率.     

基于聚类的异常检测方法的研究与实现

入侵检测系统是一种积极主动的安全防护技术,它是信息安全保护体系结构中的一个重要组成部分。以基于数据挖掘的入侵检测技术为研究对象,以提高入侵检测的检测率、降低误报率为目标,以聚类分析为主线,提出聚类检测算法和模型,并进行仿真实验。利用KDDCUP1999数据集对模型进行实验测试,并对改进算法的效果进行了对比和分析。实验证明,新的检测系统具有良好的性能。     

基于弦中点Hough变换的椭圆检测方法

为了提高从图像中检测椭圆的效率和精度，利用椭圆中心平分经过中心的弦的性质，提出了
一种基于弦中点Hough变换（CMHT）的椭圆检测方法。引入内切椭圆的概念，基于椭圆上所有点的内切椭
圆必经过椭圆中心的事实，对图像中边缘像素点的有效分布进行了分析。通过黑白边缘图像的提取，建立
二维数组累加器，依照像素点分布扫描边缘图像，累加器计数，最后进行椭圆位置和参数的计算。该算法
与标准Hough变换（SHT）和三点随机Hough变换（RHT-3） 相比，具有更高的执行速度和检测精度，同时
对于颗粒噪声具有较强的抵抗能力。     

减法聚类的Hough变换航迹起始算法

针对低信噪比、低信杂比目标检测时Hough变换累积矩阵存在的峰值簇拥现象,提出了一种基于减法聚类的Hough变换航迹起始算法.该方法首先采用Hough变换初步筛选出参数空间上大于投票阈值的投票值,然后采用减法聚类对获取的参数进行二次处理.实验表明该方法不但能够明显改善局部峰值簇拥现象,而且对杂波干扰具有更好的鲁棒性,特别适用于复杂环境中的目标检测.     

基于小波变换的医学图像分割

医学图像分割是图像分割的一个重要应用领域,也是制约医学图像在临床上广泛应用的题.对医学图像分割技术进行了综合研究,在此基础上提出了一种新的基于小波变换的医学图像分割方法.首先利用小波变换提取边缘信息,然后采用C均值聚类法把原有灰度信息和边缘信息进行聚类.仿真试验证明该方法能有效地解决过分割问题,提高了分割效率.     

基于Hough变换的票据图像倾斜校正

针对票据图像,考虑框线变换后参数空间分布,提出了一个改进的基于Hough变换的票据图像倾斜检测与校正方法。通过对图像进行平移变换,选择图像中心作为原点,使得框线变换后的参数空间,呈现对称的蝶形,从而更容易检测出峰值点,得到精确的票据图像倾斜角度。实验结果验证了提出方法的有效性,与传统方法相比,检测的倾斜角度更加精确,具有更强的抗噪声能力。     

基于短时傅立叶变换的脉象信号的模式识别方法

针对脉象信号的非平稳特性,采用全极点滑动窗递归算法,对15例吸毒者和15例正常人脉象信号的离散短时功率谱进行了分析。在得到每一例脉搏波的短时功率谱后,应用奇异值分解有效地提取特征矢量,然后进行模糊c-均值聚类,受测者全部予以正确识别。研究结果表明,基于短时傅立叶变换的奇异值分解方法是一种稳定、有效的特征提取方法;同样,运用模糊c-均值聚类算法不需要模式的先验知识,分类结果正确率较高,简便实用。     

船舶尾流目标识别的随机梯度遗传算法研究

船舶尾流形貌包含着船舶类型、船舶吨位、船舶航速等方面的信息,对尾流目标的识别是船舶识别的一种有用途径.论述了随机梯度遗传算法的原理、特点及运算步骤,将该算法应用于船舶尾流目标的识别问题,对三个航速下船舶尾流目标的分类及识别.随机梯度遗传算法进化代数从5增加到10以及从10增加到15时,三个航速下的目标识别率按照接近20%的比例增加.而当进化代数从15增加到20及以上时,目标识别率增加缓慢,即进化代数达到15时,算法基本收敛.识别结果表明随机梯度遗传算法可用于船舶尾流目标的识别.标准遗传算法逼近全局最优值比较慢,有时会陷入局部最优,在全局最优值附近出现波动现象,算法收敛性较差.     

光学遥感探测尾流研究

本文对舰船航行产生尾流（伯努利水丘、表面波尾流、内波尾流、涡旋尾流）的生成机制进行探讨.研究了水中气泡上升的运动学规律和气泡群光散射特性.通过比较分析尾流在可见光、红外和微波等不同波段所表现的物理特征,并对可见光探测尾流、红外遥感探测尾流、合成孔径雷达探测尾流的发展进行探究,表明三种不同光学遥感探测尾流分别具有各自的优劣.研究合成孔径雷达（Synthetic Aperture Radar,SAR）图像检测算法表明,Radon变换检测算法能增强尾流图像,Hough变换检测算法能从尾流图像中提取目标的位置、航速、航向等参数.合成孔径雷达探测尾流具有高分辨率、快速实时、全天候等显著优势,是目前最适合探测尾流的光学遥感.     

Improved Ship Target Detection Accuracy in SAR Image Based on Modified CFAR Algorithm

基于修正CFAR算法的高精度SAR图像舰船目标检测

王勇,郭天骄

(哈尔滨工业大学 电子与信息工程学院,哈尔滨 150001)

创新点说明：

本文基于舰船目标实测数据SAR成像结果,提出一种新的二维SAR图像舰船目标检测算法,具体创新性可说明如下：

1）首先使用Otsu算法大致确定舰船目标的大小,进而自适应地确定CFAR滑动窗的尺寸,使算法更有普适性。

2）介绍了CFAR算法的改进形式,在提高运算速度的同时大大提升了检测效率。

3）所用的综合算法包含了形态学分割算法,解决了传统Otsu、CFAR算法不能处理多目标融合、角反射过强等问题,降低了漏警概率。

研究目的：

传统CFAR舰船检测算法效率低、无法根据图像分辨率和舰船目标大小来确定滑动窗大小,而且无法解决多目标融合等问题,基于此,本文设计一种综合算法可解决基于SAR图像的舰船目标检测问题。

研究方法：

1）对图像进行Otsu二值分割处理,量取分割后的每个区域的尺寸;

2）采用改进的CFAR算法,将积分运算简化为求和迭代运算,将阈值初始化为二倍窗内灰度值均值,窗大小根据Otsu算法分割后的每个区域的长宽来确定;

3）对经过CFAR算法后的图像进行形态学开运算处理。开运算算子采用一条线段,长度同样根据Otsu算法分割后的每个区域的长宽来确定。

结果：

1）说明了SAR图像进行Otsu处理后的图像特点,以及Otsu算法可以迅速获得舰船目标大小的优点。

2）给出了改进的CFAR算法的计算流程,此算法能够根据上一步估计的舰船目标大小来调整滑动窗大小,计算高效迅速,而且比较精确。

3）采用形态学开运算算法,并能根据Otsu算法分割后的每个区域大小来确定开运算算子,开运算处理后融合的多目标彼此分离,强角反射得到了去除,降低了漏警概率和虚警概率。

结论：

对于一幅含有舰船目标的SAR图像,可以通过Otsu、CFAR、开运算处理来进行舰船目标检测,降低漏警概率和虚警概率,提高算法的普适性和精确性。此外,通过对CFAR算法改进可大大提升运算效率。本文的研究结果对SAR舰船目标检测算法的实际应用奠定了良好的理论和实验基础。

关键词：舰船检测,Otsu算法,恒虚警检测,开运算

     

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。     

大场景 SAR图像舰船目标快速检测

基于SAR图像的舰船目标检测是海洋监视应用的重要方面,随着SAR图像资源的不断丰富,计算速度成为衡量舰船目标检测算法的重要指标。针对大场景SAR图像,提出一种基于分块CFAR的舰船目标快速检测算法。首先通过图像增强提高舰船目标与海洋杂波之间的对比度,然后利用差异性参数进行分块筛选,剔除不包含目标的区域,最后对待检测区域实现基于积分图的快速CFAR检测。TerraSAR_X实测数据的实验结果验证了该方法的有效性。     

基于Hough变换的亚像素椭圆检测

提出了一种Hough变换的亚像素椭圆检测方法.通过惯量椭圆匹配法将椭圆参数缩小到一个极小的变化范围内,然后再通过Hough变换法实现亚像素椭圆检测.     

基于Hough变换的圆检测技术

Hough变换是在图形图像处理和计算机视觉中用来提取边缘特征的一个最常用的方法，受到国内外学者和工程技术人员的广泛青睐。该文提出了一种改进的随机Hough变换，并进一步应用于圆检测系统。通过检测系统对不同情况下常规Hough变换和该文改进的Hough变换测试结果对比实验表明，改进随机Hough变换方法能较好的实现检测，并且相比常规Hough变换检测耗时明显减少。     

一种改进的Hough变换图像纠偏算法

为提高倾斜图像纠偏处理的正确率与运算效率,提出一种改进的Hough变换图像纠偏算法.该算法根据扫描文稿图像的特性,设定了边缘区域计算,并基于此约束下对倾角进一步限制,从而在无损内容的前提下,显著提高了倾斜角度计算效率.实验结果表明,对于普通文稿扫描图像该算法在保证准确率的前提下比标准Hough变换倾角运算效率提升约15倍.     

基于改进概率霍夫变换算法的车道检测方法研究

为了提高车道检测的实时性，提出了一种基于改进的概率霍夫变换算法的车道检测方法。改进的概率霍夫变换算法的特点是用设定累加器阈值的方法减少了检测直线的运算量，通过随机取点映射到参数空间使最长直线被最早检测到的概率最大，比现有车道检测方法中普遍采用的标准霍夫变换算法更具实时性。实际路面图像的对比处理结果证明了该检测方法的实时性、精确性和鲁棒性。