近海岸舰船目标红外图像中ROI的获取方法研究

针对红外图像中舰船目标的分布特点,通过海天/海岸线检测确定舰船的大致位置,再利用目标的面积特性确定舰船目标的感兴趣区域(Region of Interest, ROI)。采用中值滤波、Canny边缘检测和Hough变换从红外图像中检测出海天/海岸线,并划定出海天/海岸线区域;然后,通过舰船的面积特征确定ROI。通过Vc++编程对算法进行了实现。结果表明, 该方法简单直观、计算量小, 能有效确定近海岸舰船目标的ROI。     

基于海岸线背景的海面小目标检测方法

针对海岸线背景下的海面小目标的自动检测问题展开讨论,提出一种目标所在感兴趣区域的自动提取算法,将水域和复杂背景分离,并对分割后的二值图像进行标记,海面区域即水域应该是标记块中面积最大的一块,利用此特征提取出感兴趣区域——水域。对感兴趣区域进行轮廓跟踪后再用原始灰度进行扫描填充,在得到的简单背景下对目标进行局部中值滤波,进而用F—R准则将感兴趣舰船目标检测出来。最后拟利用感兴趣舰船目标区域的方差值计算感兴趣目标出现的置信度估计值,若置信度大于90％,则认为是真目标。实验结果给出了实验处理时间和所识别出的各个目标的置信度．表明了本文算法的有效性。     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

复杂海天背景下红外舰船目标的自动检测方法

近年来,舰船目标的检测与识别技术得到了人们越来越多的重视.研究了复杂海天背景下红外舰船目标的自动检测问题.首先运用小波变换对图像进行预处理,提高了图像的信噪比,从而抑制了噪声和背景杂波.然后针对红外舰船目标总是出现在海天线附近的问题,采用梯度强度均值分割的算法检测了海天线,确定了目标的潜在区域.最后,提出了一种基于行列均值的自适应阈值分割算法,结合使用红外舰船目标的几何特征量,采用特征匹配方法提取出舰船目标,达到了自动检测的目的.实验结果表明:该方法能有效地自动检测复杂海面背景中的红外舰船目标.     

基于Harris算法的直线提取方法

根据Harris算法的原理,结合直线边缘的特征,提出一种新的直线提取方法。图像灰度窗口在直线边缘上移动时,只有沿直线方向移动,窗口灰度才不会发生变化,沿其他方向移动,窗口灰度会产生较大变化。结合Harris算法原理,推导了直线边缘的提取原理和方法,并通过仿真实验,证明该方法能有效的提取直线特征,相比于Hough变换法具有更快的运行速度。     

一种遥感图像中海岸线的提取方法

针对遥感图像中海水和陆地区域分割和海岸线提取的问题,提出了新的区域分割和边界提取。首先对目前存在的分割技术进行分析,确定这些方法的局限性和缺陷,然后回归到最基本的阈值分割和边缘检测技术,并受这些基本算法的启发提出一种边界寻找和阈值分割的方法,并通过实验证明了这种方法在进行海陆分割和海岸线的提取方面的有效性,最终实现了海陆分割和海岸线的提取。     

基于小目标预提取的OTSU分割方法

针对传统OTSU（最大类间方差法）方法对于占图像比例较小的目标检测效果不佳,通过对图像边缘检测、图像局部运算、自动确定目标位置并预先提取出潜在目标区域,对潜在目标区域图像利用OTSU方法进行分割,得到新的小目标检测方法。将该方法与经典OTSU法、迭代法和区域生长法的在不同场景下小目标进行检测,实验结果表明该方法在运算时间上接近于其他方法,在分割效果和稳定性上优于其他方法。     

基于海天线提取的红外小目标检测方法

通过对海上红外图像进行分析,提出了一种基于海天线提取的红外小目标检测方法。该算法的基本思路是根据所需提取目标的特点,首先选择感兴趣的灰度区域,然后运用Canny算子进行边缘检测,接着对图像进行Hough变换检测海天线,最后对海天线以下且符合目标特征的连通域进行标记从而来确定目标的位置。实验结果表明,该方法能较好地检测出海上红外小目标。     

基于改进轮廓提取的Hough变换椭圆检测方法

分析椭圆目标在成像平面上的特点,提出一种基于改进轮廓提取的Hough变换椭圆检测方法,可以有效地在图像中提取出椭圆的轮廓。对边缘检测后的图像进行边缘点分类,去除交叉点和孤立点,保存端点;根据端点,提取图像中的非封闭轮廓,再扫描图像,提取剩余的封闭轮廓;针对随机Hough变换,根据每条轮廓的长度判断该轮廓需要采样计算的次数,在每个循环的内部,设定阈值来判断每组椭圆参数的统计值,用以跳出循环。实验结果表明,与普通随机Hough变换相比,该算法的内存占用量与计算量大大减少。     

基于CCD拖尾特性的空间目标单帧检测方法

在固定天区长时间的天文观测中,为避免CCD相机的机械快门寿命限制造成的系统维护和运行不便,在观测中不使用机械快门,这种情况下CCD拖尾噪声对目标检测的影响相当严重.根据行转移CCD拖尾产生机理,首先分析了静止恒星目标竖直拖尾和运动空间目标倾斜拖尾的形成.结合实际工程对空间目标单帧检测的需求,在后续图像处理中提出了恒星拖尾的消除方法,消除了图像中的竖直直线,利用Hough变换检测倾斜直线进而实现空间目标的单帧检测,提高了检测精度减少了虚警.实验验证了该方法的有效性.     

基于Hough变换的海天线检测算法研究

海天线检测是红外航拍图像的一项重要研究内容。深入探讨海天线检测问题,给出了一种实用的检测算法。首先,对获取的红外图像进行梯度运算,采用Ostu阈值分割方法,获取海天边缘信息;然后根据Hough变换原理,完成海天线的检测。此外,通过随机点采样提高了海天线检测的速率,通过多线段拟合提高了检测的准确率。实验结果表明,本算法可以准确、高效地检测出海天线,为下一步研究奠定了基础。     

利用局部直线段模糊投票的低SNR海天线提取方法

提出了一种采用“假设-检验”策略的海天线提取新方法。在假设阶段,提出了一种新的直线段Hough变换检测疑似海天线。首先,以局部直线段为整体估计直线参数,理论推导证明此时估计误差方差远小于各边缘点独立估计时误差方差的平均值。其次,针对残余估计误差,设计了局部直线段模糊投票策略,实现全局直线段的投票聚类。最后,检测峰值点形成疑似海天线假设。在检验阶段,提出了三类新特征描述海天线与海杂波的属性差异,并采用SVM分类器识别海天线。该方法提取低信噪比海天线准确,识别正确率高,仿真和实测数据的实验结果验证了所提方法的有效性。      

一种基于直线拟合法的新的海天线检测方法

针对海空环境的特点,在提取海天线前进行有效的背景抑制和目标增强处理.在直线拟合法的基础上提出了一种剔除粗大点的改进方法,并利用Matlab对该方法进行了仿真试验.试验结果表明,该方法可以有效地检测出海空背景下的海天线与舰船位置,为目标识别和图像配准奠定了良好的基础.     

一种基于图像分割的海天线提取算法

针对红外图像中海天线的特点,提出一种基于图像分割的海天线提取方法.首先通过模板运算对图像进行预处理,以增强海天区域的图像梯度值,然后在竖直方向对图像进行分割,以定位局部海天线,最后用直线拟合法找出海天线位置.实验结果表明,该方法可以快速有效地检测出海天线位置,易于工程应用.     

一种快速有效的红外图像中海天线提取算法

针对海天红外图像的特点,提出一种快速有效的海天线提取方法.首先通过模板运算在大尺度上对图像进行预处理来增强海天线区域的图像梯度值,然后为了减小水面波纹和噪声的干扰,设计了一种非线性分割方法对图像进行处理,最后对图像进行行扫描找出海天线的位置.实验结果验证了该方法的简单有效性,抗干扰能力强,易于工程上应用.     

基于纹理特征分析的海天线检测方法

为抑制海空背景干扰和提高舰船检测速度,提出一种基于纹理特征分析的海天线检测方法.分析了典型红外海空背景下海天线区域的纹理分布特征,建立了适用于海天线检测的纹理模型.通过梯度特征计算和聚类分析找出图像中的候选直线位置,比较其纹理参数并准确检测出海天线.对多种复杂背景红外海空图像的实验表明,该方法适应面广,计算简便,具有很好的抗干扰能力.     

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。     

基于目标特征信息的航迹起始

航迹起始的速度与航迹起始的质量是多目标航迹处理的关键问题,为保证对各种目标实时快速反应,要求航迹处理能快速起始目标航迹,但同时还要求航迹具备低虚警、高航迹起始质量的特性。针对以上问题,首先应用目标特征增值信息库对目标进行初步识别,然后通过Hough变换后再对目标进行相关,完成航迹起始处理,在工程应用中有比较明显的效果,在可有效降低航迹虚警率的同时,大大缩短了航迹起始的时间。     

用统计方法和Hough变换进行GPR目标检测与定位

本文所提出的GPR目标检测方法包含两个步骤.首先基于对GPR一维回波(A-Scan)统计特性的研究,应用加窗统计法从海量数据中实现快速高效的目标检测和感兴趣区域的提取;进而根据GPR二维回波图像(B-Scan)中目标回波的双曲线特征,对经过图像分割的ROI区域采用改进的Hough变换检测目标双曲线,去除虚假目标并实现目标的精确定位.对实测数据检测结果表明:此法水平和纵深向定位误差均小于1cm,输入数据信杂比可低至2dB左右.