共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
针对红外图像中的弱小目标检测,提出了一种经验模态分解(EMD)检测复杂云天背景下红外弱小目标的新方法。该方法基于Delaunay三角剖分和径向基函数,将一维EMD方法推广到二维,并将其应用于红外图像中小目标的检测。仿真实验结果表明,该方法能快速、准确地检测出云天背景下的红外弱小目标。 相似文献
3.
针对SAR图像舰船目标尺寸大小不一、舰船分布密集、背景复杂等问题,本文提出一种改进YOLOX网络并用于SAR图像舰船目标检测。该网络包括主干特征提取网络、加强特征提取网络、解耦头、预测框优化及损失计算等4个部分。与常规YOLOX网络相比,本文作了如下改进:首先,在主干特征提取网络中,3个基础特征层之后都添加了CA模块;在加强特征提取网络中,两处下采样之后也都添加了CA模块。以强化对SAR图像中重要区域的特征提取。其次,在框回归损失函数中,引入CIOU替代IOU,以更好地利用预测框和真实框之间的相对位置信息和形状信息,提升预测框回归精度。本文基于AIR-SARSHIP-2.0数据集进行了大量的舰船目标检测实验,并选择了Faster-RCNN、YOLOv3和常规YOLOX等3种网络与本文的改进YOLOX网络进行对比。实验结果表明,本文的改进YOLOX网络整体性能优于其他3种对比网络,有更少的虚警和漏警、更高的检测精度。 相似文献
4.
5.
6.
针对RANSAC算法由于迭代次数过多、精确度不高所造成的计算量增大,拼接效果不好等方面的不足。本文提出了一种带预处理的RANSAC图像拼接算法,包括图像的特征提取与粗匹配,预处理,变换矩阵的求解,图像配准和图像融合等步骤。文中重点论述了预处理的思路和方法:采用Delaunay三角剖分得到的拓扑图对数据集进行筛选,然后用欧氏距离选择RANSAC算法的初始点。通过设计拼接算法的流程和基于Matlab的实验仿真,证明该方法不但有效而且较直接RANSAC图像拼接算法减少了迭代次数、缩短了计算时间,显著提高了拼接效率。 相似文献
7.
针对SAR图像固有的乘性斑噪,把概率竞争网络用于SAR图像分割和水上目标检测,充分利用了图像像素间的空间邻接关系,提高了分割、检测的准确性和有效性,取得较好的结果。 相似文献
8.
针对合成孔径雷达(Synthetic Aperture Radar, SAR)目标检测与识别方法对目标方位角敏感的问题,该文基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的核相关滤波器。该滤波器使用特征向量降低了对训练图像的依赖性,利用目标在非线性空间的高维特征提高了识别能力,并利用核函数解决了高维矢量的内积计算问题。MSTAR实测SAR图像数据的对比实验结果表明,该文所提出的滤波器在低虚警概率下,能够保持较高的检测概率,并且对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角,就能够实现高准确率的目标检测与识别。 相似文献
9.
10.
视频合成孔径雷达(SAR)是雷达成像邻域的研究重点之一,其具有高帧率连续成像特性,有利于对地面运动目标进行实时监测。虽然动目标自身图像难以聚焦,但由于雷达工作频率高,合成孔径时间较短,其真实位置会存在阴影,利用此特征可进行动目标检测。本文对基于阴影的动目标检测流程进行了探讨,并提出了一种新的背景建模方法用于对消待检测图像的背景目标。通过实验验证,该方法能更好地剔除目标阴影对背景的影响,使对消后目标阴影完整保留,从而改善漏警率。 相似文献
11.
12.
该文提出了一种基于有序数据可变索引(Ordered Data Variability Index, ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring, AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。 相似文献
13.
一种基于主分量分析的SAR图像变化检测算法 总被引:3,自引:1,他引:3
该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法.该算法将SAR图像转化为列向量,对两个图像向量组成的矩阵进行主分量分解,其图像的变化部分则表征为矩阵的次分量成分.论文还研究了高效的SAR图像变化检测实现算法,最后通过与对数比方法和分块主分量分析法进行比较实验,实验结果证实了方法的有效性. 相似文献
14.
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
15.
为了提高SAR(合成孔径雷达)图像的目标识别能力,提出基于机器学习的目标识别技术。该技术以马尔可夫网络为体系,从大量的例子中学习并获得网络参数,利用贝叶斯信任传播机制为原图像找到理想的后验概率,从而生成一个边缘信息丰富的结果图。 相似文献
16.
17.