共查询到20条相似文献,搜索用时 78 毫秒
1.
静止轨道(GEO)的高分四号(GF-4)卫星具备对海上运动船舶进行连续观测的能力,由于轨道高,海面船舶在GF-4卫星遥感图像中比较弱小不易检测。该文分析海面运动船舶的尾迹特征,提出一种基于多尺度双邻域显著性(MDSM)的GF-4卫星遥感图像运动船舶检测方法。首先依据多尺度双邻域显著性模型计算显著度,生成显著图;然后使用自适应阈值分割提取运动船舶的位置;最后利用尾迹几何特征对候选目标的形状进行校验,进一步去除虚假目标。实验结果和分析表明,所提方法可以有效地检测GF-4卫星遥感图像中的多个运动船舶目标,相比目前主流的视觉显著性检测算法,该文所提算法具有更好的检测性能。 相似文献
2.
为了降低传统高分辨率海面遥感图像舰船目标检测方法的计算复杂度,提高检测速度,在舰船目标检测中引入了基于直方图对比度的视觉显著模型和空间降维算法,提出一种新的高分辨率海面遥感图像舰船目标快速检测算法。首先对高分辨率遥感图像进行空间降维,然后计算降维图的视觉显著图,突出感兴趣目标区域,最后利用最大类间方差法分割视觉显著图以获取舰船目标候选区域。结果表明,目标检测所消耗的时间减小为原来的10%~12%,弱化了复杂海面纹理背景对目标检测的影响。该研究提高了高分辨率遥感图像舰船目标的检测效率。 相似文献
3.
光学遥感图像海面舰船目标检测易受云雾、海岛、海杂波、阴影等多种复杂因素的干扰。同时,由于卫星遥感图像的幅宽较大,若需要满足实时检测和硬件移植的需求,还要考虑算法的计算量和可移植性。鉴于实际工程的需要,本文提出了一种基于视觉显著性适用于复杂背景下的自适应舰船目标快速定位与检测方法。本算法首先基于图像梯度自适应获取全局最优尺度,通过谱残差显著性模型获得全局显著性区域。对于显著区域局部存在全局阈值分割效果不佳的区域(称为复杂区域),本文通过设计轮廓等形状特征来筛选出局部复杂区域,并对其进一步计算显著图,之后将处理结果与原显著图进行融合,获取最终的疑似区域提取结果。最后使用支持向量机对候选区域进行进一步判别。结果表明,本文算法可以有效检测出复杂背景下不同尺寸和方向的舰船目标区域,算法检测正确率为91.4%,召回率为91.2%,优于大多数同类算法,接近深度学习算法精度。同时在算法体量上,本文算法的计算量和参数量远远低于大多数深度学习框架,更适合硬件移植,同时算法的迁移性更强,易于修改和维护。 相似文献
4.
为了提高显著性算法对不同类图像的适用性以及结果的完整性,该文提出一种基于自适应阈值合并的分割过程与新的背景选择方法相结合的显著性检测算法。在分割过程中,生成相邻区块的RGB以及LAB共六通道融合的颜色差值序列,采用区块面积参数的反比例模型生成自适应阈值与颜色差值序列进行对比合并。在背景选择过程中,根据局部区域背景-主体-背景的相对位置关系线索,得到背景区域,再对结果进行边缘优化。该算法与其它算法相比得到的显著图不需要外接其他阈值算法即生成二值图,自适应阈值合并能排除复杂环境中的物体细节,专注于同等级大小物体的显著性对比。 相似文献
5.
针对传统的图流行排序显著性目标检测算法存在先验信息单一,显著目标检测不完整的问题,提出一种新的基于背景先验与中心先验的显著性目标检测算法。首先将图像边界节点作为背景种子进行流行排序获得粗略的前景区域,将其再次流行排序得到初步显著图;然后利用Harris角点检测、聚类实现中心先验显著性检测,捕获中心显著信息;最后在初步显著图上融合图像中心显著性,得到最终显著图。本文对综合指标、精确率-召回率曲线、F-measure值以及平均绝对误差(mean absolute error,MAE)值进行实验评估,在公开数据集MSRA-10K和ECSSD上进行的实验结果表明:对比10种主流算法,本文算法在不同的评估指标上都具有较好的表现,且能准确地突出显著目标,提升背景抑制效果。 相似文献
6.
高分遥感影像的场景分类是解译遥感影像信息的重要工作之一.为了准确提取出目标信息,针对高分遥感影像场景分类中存在的背景复杂、目标多样、目标信息与背景信息难以区分等问题,提出了一种基于显著性特征和深度卷积神经网络(DCNN)的高分遥感影像场景分类方法.首先,利用K-means聚类与超像素分割算法得到影像的颜色空间分布与颜色对比图,融合不同对比图,以得到显著图.然后,通过对数变换增强显著图中的特征,采用自适应阈值分割方法提高目标的区分度并划分出目标区域和背景区域,以提取出感兴趣区域.最后,构建了一种用于提取深层语义特征的DCNN模型,并将得到的特征输入网络模型中进行训练和分类.实验结果表明,本方法能有效区分主要目标信息与背景信息,减少无关信息的干扰,在UC-Merced数据集和WHU-RS数据集上的分类精度分别为96.10%和95.84%. 相似文献
7.
针对单一显著性特征无法全面表达图像显著性致使显著性检测精度不高等问题,本文提出了一种多特征融合的显著性检测算法。算法在高层先验知识基础上,对靠近中心的超像素设置高显著值,利用高斯分布求解中心先验;在底层特征上融合图像的边界稀疏、全局对比度、颜色空间分布和超级像素差异等4种显著特征,利用类间差异最大阈值对高低层特征进行线性和非线性融合,最终得到高质量的显著图。在MSRA-1000、SED、SOD 3个公开的数据集上进行实验,结果表明:本文算法融合得到的显著图边缘清晰、显著区域突出均匀,在有效抑制背景信息的同时所得显著图像视觉感知更好,与其他显著性算法相比查全率和查准率上至少提高3.4%。 相似文献
8.
针对基于图模型的显著性检测算法中节点间特征差异描述不准确的问题,该文提出一种目标紧密性与区域同质性策略相结合的图像显著性检测算法。区别于常用的图模型,该算法建立更贴近人眼视觉系统的稀疏图结构与新颖的区域同质性图结构,以便描述图像前景内部的关联性与前景背景间的差异性,从而摒弃众多节点的冗余连接,强化节点局部空间关系;并且结合聚类簇紧密性采取流形排序的方式形成显著图,利用背景区域簇的相似性,引入背景置信度进行显著性优化,最终得到精细的检测结果。在4个基准数据集上与4种基于图模型的流行算法对比,该算法能清晰地突出显著区域,且在多种综合指标评估中,具备更优越的性能。 相似文献
9.
10.
11.
12.
13.
14.
船舶航迹预测对保障海上交通安全具有重要意义,为进一步提高船舶航迹预测精度,提出了一种从认知神经科学和神经生理学继承的模块化设计方法用于开发神经网络,旨在通过大脑强大的功能(分而治之)来解决复杂问题。首先,利用互补集合经验模式分解算法(CEEMD)将船舶航迹时间序列分解为多个相对平稳的子序列,使其具有不同的本征模态函数及趋势项,这在一定程度上降低了航迹时间序列的复杂程度;然后,通过模糊熵(FE)量化各子序列的复杂性用于辅助模块化神经网络(MNN)任务分配;最后,将粒子群(PSO)改进的长短期记忆神经网络(LSTM)作为模块化神经网络的子网络用于解决船舶航迹时间序列预测任务。选取相关数据进行测试,验证了所提方法对船舶航迹预测的准确性和实用性。 相似文献
15.
16.
17.
舰艇作为有限空间内电子设备密集布置的典型平台, 导致舰船电磁综合仿真范畴学科交叉性强、技术复杂度高等问题,一直是世界各国关注的焦点。文中从舰船电磁特征出发,概述了其研究范畴、技术特点、预测仿真方法及其进展,并结合世界海军装备发展的趋势给出了未来水面舰船电磁仿真的难点和热点技术问题。 相似文献
18.
在船舶不断朝着智能化、数字化方向发展的形势下,其也面临着更为严峻的网络安全风险。若不能合理应对网络安全风险,则可能会诱发环境污染、搁浅及碰撞等事故,进而影响到船东的经济利益,使船员的生命安全受到严重威胁。鉴于此,文中重点论述了船舶网络系统现状和面临的安全风险,并基于船员、船东和VTS主管机关提出了应对网络安全风险的对策。 相似文献
19.
20.
针对常规船舶模糊控制存在的缺陷,提出一种基于线性插值的船舶模糊控制方法,该方法可以在线计算出系统的控制输出,通过使控制规则表内相邻分档之间补充了无穷多个经过细分的控制规则,克服由于量化误差而引起的稳态误差和稳态颤振现象。以本校远洋实习船“育龙轮”为例,利用Matlab的Simulink工具进行了仿真研究,对比常规模糊控制,此种方法具有良好的控制性能。 相似文献