综合特征一致性模型在图像特征检测中的应用

精确检测图像特征是进行图像匹配和识别的关键。针对传统的空域特征检测算子得到的特征对图像的亮度和对比度敏感的缺陷,研究了改进的综合特征一致性模型,并将其应用在图像特征检测中。实验结果表明该算法对图像亮度和对比度具有不变性,并且具有较好的抗噪性能和通用性,符合人类视觉系统特性。     

基于梯度方向一致性和特征分解的红外小目标检测算法

在复杂的海天背景下,现有红外小目标检测算法存在虚警率高的问题,文中深入分析目标和背景的特征差异,首先,提出了一种基于灰度差和梯度方向一致性的方法,增强了小目标并抑制了部分背景杂波,其次,结合特征分解法进一步抑制了锐利边缘背景,最后,采用自适应阈值分离出小目标。实验结果表明,与五种现有算法相比,所提出的检测算法能够在不同复杂场景都有效降低虚警率,大大提升信杂比（SCR）和背景抑制因子（BSF）,并且具有良好的鲁棒性。     

基于能量特征的图像目标检测

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。     

基于特征点的目标检测方法

几十年来,目标检测一直是计算机机器视觉领域中非常重要的研究方向.特别在人工智能飞速发展的今天,目标检测也越来越受到人们的关注,因为很多机器视觉问题都以目标检测为前提.基于特征点的检测方法是目标检测方法中一类细节检测算法,不但可以得到目标的位置,而且可以得到目标中各个特征点的位置.除了上述特点之外,特征点检测方法很容易将特征点周围的局部纹理信息和特征点之间的空间关系信息进行融合,因此检测结果更加准确.本文就特征点检测方法的理论与发展进行总结阐述,按照功能递进的顺序详细介绍了具有平移不变性的特征点检测方法、具有旋转不变性的特征点检测方法和具有旋转尺度不变性的特征点检测方法,以期为特征点检测方法的发展提供线索与思路.     

基于多尺度特征融合的雷达海上目标检测方法

雷达目标检测对海上信息处理具有重要意义,目前提出的检测方法在召回率和精度上都难以满足海上检测要求。为了解决上述问题,提出基于多尺度特征的雷达海上目标检测方法。通过X波段非相参脉冲体制导航雷达采集数据,在完成预处理后检验数据集,提取雷达数据。分析杂散噪声,确定噪声范围,根据平均强度和灰度值的差值实现归一化处理。对目标进行归一化分析,融合多尺度特征实现目标选择,完成目标检测。实验结果表明,基于多尺度特征融合的雷达海上目标检测方法召回率能够在短时间内达到90%以上,精度在95%以上,能够很好地提取海上目标信息。     

基于分形特征的目标检测算法概述及仿真

对目前比较常用的基于分形特征的目标检测算法进行了概述,并给出了相应的仿真结果.从仿真结果我们看出基于多尺度分形参数的目标检测算法是一种比较精确的算法,但是计算量太大.从计算量和精确度双方面考虑快速的基于分维数和分形拟合误差的目标检测算法是一种不错的算法.     

基于子带矩阵CFAR的海面慢速小目标检测算法

对于K分布海杂波环境下的目标检测,基于信息几何理论的矩阵CFAR检测器是一种有效的目标检测方法.但矩阵CFAR方法计算复杂度高且当目标多普勒频率严重偏离杂波频谱中心时,其检测性能不如自适应归一化匹配滤波器(ANMF)方法,影响其实际应用.为此,该文以滤波器组对接收信号进行滤波处理,提出一种基于滤波器组子带分解最大特征值的矩阵CFAR检测方法(FD-MEMD),通过双杂波抑制来解决目标多普勒频率偏离杂波频谱中心时矩阵CFAR方法失效的难题.最后,仿真实验验证了所提FD-MEMD具有较好的检测性能.     

基于子带矩阵CFAR的海面慢速小目标检测算法

对于K分布海杂波环境下的目标检测,基于信息几何理论的矩阵CFAR检测器是一种有效的目标检测方法.但矩阵CFAR方法计算复杂度高且当目标多普勒频率严重偏离杂波频谱中心时,其检测性能不如自适应归一化匹配滤波器(ANMF)方法,影响其实际应用.为此,该文以滤波器组对接收信号进行滤波处理,提出一种基于滤波器组子带分解最大特征值...     

基于背景抑制和特征点检测的目标检测算法

空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性.     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。     

一种改进的相位一致性图像特征检测方法

同时检测出包括边缘特征和线特征在内的多种图像特征一直是图像特征检测中的难点。在相位一致性基本原理的基础上,提出了一种基于局部频率的相位一致性检测图像特征的算法。试验结果表明,采用的算法在图像特征的细节保留和定位方面要优于传统的相位一致性算法和Canny算法。     

一种波束谱特征加权的水下弱目标检测方法

实际水下被动信号处理中,感兴趣的弱目标往往只在所处理频段的某些频率分量上表现出相对明显的谱特征,现有基于能量累加的后置处理方式存在谱能量小于噪声的目标被平滑的问题,最终导致目标无法被有效检测.针对该问题,本文提出一种新的自适应波束形成后置处理方法,通过Eckan最优滤波器从波束信号谱中提取感兴趣的频谱,从而求取波束谱加...     

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征--缝隙特征.实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率.     

红外弱小目标特征分析及融合检测

研究了复杂背景下的红外弱小目标的典型特征,分析了各个特征的特点和适用环境,从中挑选出可靠性较强的特征,依据文中提出的自适应融合算法,实现了对低信噪比弱小目标的融合检测。实验结果证明,该算法具有较好的有效性和鲁棒性。     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

一种基于相位一致性的虹膜识别方法

由于虹膜具有惟一性、稳定性、不可更改性等优点,虹膜识别已经成为生物特征身份识别领域中的研究热点。为了简化特征提取方法并提高虹膜识别的准确性,提出一种基于相位一致性的虹膜识别方法。该方法利用相位一致性所具有的较强特征检测能力,提取虹膜纹理的边缘点标记纹理的位置信息,将位置特征作为虹膜纹理的可区分性特征实现虹膜识别。在CASIA-IrisV3-Interval图像库上进行实验的结果证明,该方法是可行的,也是有效的,并且具有较高的识别准确性。     

基于特征匹配的水下目标检测与识别

针对水下特殊环境的目标检测与识别,提出一种基于霍夫变换与几何特征相结合的特征匹配算法。通过对Canny边缘检测和迭代阈值分割的有机融合,实现了对图像的后处理式联合分割,有效地减小了光照不均等噪声干扰对目标提取的影响。通过霍夫变换直线匹配和几何特征匹配算法对规则的几何目标进行识别,具有较好的抗旋转和抗缩放性能。实验结果表明了该算法的准确性和稳定性。     

高阶分形特征在雷达信号检测中的应用

本文将高阶分形特征用于雷达信号的分析,提取出用于区分目标和杂波的新的分形特征——缝隙尺度变化率.推导了缝隙值在加性分形噪声中的关系式.实验表明:利用缝隙特征进行海上雷达目标的检测,可以取得较分维值检测更高的准确率.     

高光谱图像波段子集模糊积分融合异常检测

针对高光谱图像中背景及目标先验知识未知条件下的异常目标检测问题,该文给出一种基于高相关性波段子集分割的模糊积分低概率目标检测融合算法。依据高光谱图像数据的波段相关性将原始高光谱数据分割为若干连续波段子集;利用非参核密度估计得到原假设下各波段子集数据RX检测器输出的概率密度函数,构造出非参隶属度映射函数;利用数据光谱维的特征值定义目标信号噪声能量比(TNER),衡量各波段子集信源检测结果的重要程度;最后,通过Sugeno模糊积分实现波段子集检测结果的决策级融合。使用可见光/近红外波段OMIS-I高光谱图像进行了实验,实验结果证明了算法的有效性。