共查询到20条相似文献,搜索用时 0 毫秒
1.
基于能量特征的图像目标检测 总被引:7,自引:0,他引:7
根据被测图像纹理背景和目标区域在小波变换域 在小波变换域内图像能量分布的不同,以及经过多尺度分解后在各子空间信息分布的不同,提出与背景纹理的方向无关,把目标的变化具有旋转、平称我以及尺度不变性的能量特征作为检测的依据。实验证明该方法具有较好的适应性。 相似文献
2.
3.
4.
如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景. 相似文献
5.
6.
7.
8.
针对高光谱图像解译需求,提出了一种基于目标检测理论的NSCT域高光谱图像与全色图像融合方法.首先对高光谱图像进行RX异常目标检测,得到目标背景分离图像;然后对参与融合的波段图像进行无下采样轮廓波分解,得到不同分辨率的低频子带和多方向的带通子带;对于背景区域的低频子带系数和高频子带系数,分别采用加权平均和平均梯度自适应加权的融合策略,对于目标区域,则根据不同特征采用区域方差自适应加权的低频系数融合方法和区域方差取大的高频系数融合方法;最后进行NSCT逆变换得到融合图像.实验结果表明,本文提出的融合方法能够有效提高高光谱图像的目视效果,突出目标与背景区域的差异,有利于目视解译工作的进行. 相似文献
9.
10.
11.
穿透叶簇5的VHF/UHF超宽带(UWB)SAR具有相对带宽很宽,积累角大的特点,可同时获得距离、方位两个方向的高分辨能力,能用于探测叶簇隐蔽的军用车辆等人造目标而有着重要的军事应用价值。在多孔径SAR成像的基础上,本文用隐马尔可夫模型对人造目标和叶簇等杂波建模,可有效地检测目标,实现一个ATR系统的预筛选处理。 相似文献
12.
该文研究了训练样本不足的情况下利用卷积神经网络(Convolutional Neural Network, CNN)对合成孔径雷达(SAR)图像实现目标检测的问题。利用已有的完备数据集来辅助场景复杂且训练样本不足的数据集进行检测。首先用已有的完备数据集训练得到CNN分类模型,用于对候选区域提取网络和目标检测网络做参数初始化;然后利用完备数据集对训练数据集做扩充;最后通过四步训练法得到候选区域提取模型和目标检测模型。实测数据的实验结果证明,所提方法在SAR图像目标检测中可以获得较好的检测效果。 相似文献
13.
针对NSCT具有方向性、各向异性和平移不变性的特点,提出了一种新的基于NSCT图像融合算法。该方法同时考虑了窗口区域的匹配度和窗口中心像素的正负号相位信息,将选择和加权平均二种融合规则相结合,取最高层绝对值较大的系数作为融合图像最高层的系数。实验结果表明,文中方法融合效果优于传统小波和轮廓波变换方法。 相似文献
14.
15.
基于CFAR级联的SAR图像舰船目标检测算法 总被引:1,自引:0,他引:1
SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。 相似文献
16.
17.
本文结合遗传算法,研究同时利用SAR(Synthetic Aperture Radar)图像中动静目标信息检测动目标的高效算法,进一步揭示单通道SAR/GMTI的潜力.单通道SAR图像中包含着动目标和静止背景信息,在SAR图像方位向信号中,以对称搜索二次相位和对称带通滤波(通带针对动目标频谱)所得两图像模差的绝对值检测动目标,既利用其中的静止背景信息抑制杂波,又利用其中的动目标信息聚焦动目标能量,能获得更好的动目标检测性能. 相似文献
18.
SAR图像舰船目标检测算法的对比研究 总被引:8,自引:0,他引:8
SAR图像舰船目标检测有二种经典算法:双参数CFAR算法和K-分布CFAR算法。本文分析了二种算法的特点,使用RADARSAT卫星不同模式SAR图像分别进行实验,给出二种算法的适应性。 相似文献
19.