共查询到19条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
5.
6.
为探究深度卷积神经网络在舰船检测与识别中的应用,研究了基于深度学习方法的可见光图像舰船目标检测与识别,总结了适用的可见光图像舰船数据集与针对舰船目标的网络优化方法.研究表明,迁移学习、先验框改进、特征优化等方法均能提升舰船检测与识别的准确率.未来应结合多源特征的融合,对轻量化舰船识别、细粒度舰船分类等方向进行研究. 相似文献
7.
8.
针对复杂岸岛背景下的红外舰船目标检测问题,提出了一种多光谱融合红外舰船目标检测方法。首先根据不同谱段信息相互间的关系进行基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform, NSCT)域的多级多光谱图像融合,然后利用LSD线段检测和聚类对融合后的图像进行岸岛线检测。采用选择性搜索算法生成初始目标候选区域,然后结合岸岛线空间位置以及舰船目标的几何特征和灰度特征约束剔除部分虚假目标区域,最后提取候选区域的方向梯度直方图(Histogram of Oriented Gradient, HOG)特征算子。利用线性支持向量机(Support Vector Machine, SVM)分类器进行分类识别,以检测出真实舰船目标。实验结果表明,与单谱段红外舰船目标检测方法相比,本文方法在检测精度上有较大提升。 相似文献
9.
10.
利用单波段特征进行多类别舰船识别对舰船的图像质量与特征描述算子要求较高,图像质量的下降会直接导致复杂的特征描述算子识别能力下降。为了多舰船目标识别率的提高,针对单波段特征识别能力的不足,设计了目标图像特征,对多特征进行协方差融合,对多波段目标图像,采用特征并行处理,进行协方差特征融合,最后利用融合后的特征对多舰船目标进行识别分类。对比试验结果显示,本文设计的融合特征,在单波段图像上,比直接利用流行的HOG特征识别率高,多波段融合特征的识别率较单波段融合特征更是得到了质的提升,达到了95%以上。 相似文献
11.
由于实际的合成孔径雷达(Synthetic Aperture Radar,SAR)图像中各个区域的相干性不同,干涉合成孔径雷达解缠中,低相干区域的误差容易在整幅图像中传播.对此,提出了一种结合区域识别和区域增长的区域识别与扩展解缠方法.在数据预处理阶段,融合可见光图像对SAR图像掩模分类,剔除失相干区域,避免其误差传播至整幅图像.在研究区域中,选取高相干的、稳定的像素作为生长种子,以SAR图像的相干系数和相邻已解缠像素的数量为指导,缠绕像素相位的模糊数经反复迭代检测后,被加入已解缠区域,解缠像素由高相干区域向低相干区域扩展,直到完成整个区域的解缠.相控阵型L波段合成孔径雷达和高级合成孔径雷达数据实验结果和算法比较证明了所提方法在解缠精度上的优越性. 相似文献
12.
13.
提出一种MPEG-2量化器的区域自适应率失真优化算法。这种算法考虑了信源在量化器量化判决区域的分布,通过寻找最小的拉格朗日率失真费用函数,获得量化器的判决电平。根据量化器输入信号的分布自适应地选择量化判决电平提高了量化器的率失真特性,与TM5的量化方法相比,区域自适应率失真优化的量化方法可使亮度分量和色度分量的信噪比分别提高大约0.5dB和0.1dB。 相似文献
14.
基于感兴趣区域轮廓的图像分割方法 总被引:3,自引:0,他引:3
针对耗时和区域边界不精确的图像分割问题,对边缘检测方法和区域生长方法进行研究、改进,提出以边缘检测和区域生长相结合的感兴趣区域轮廓的图像分割方法,该方法能够更加精确地对图像进行分割。实验结果表明,该方法对复杂环境下感兴趣区域的图像分割具有良好的效果。 相似文献
15.
针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复杂变化问题,尤其对目标的部分遮挡、光照变化以及复杂背景等具有较强的鲁棒性. 相似文献
16.
在图像中提取信息是图像处理的一项重要内容,有些测量所得的数据是以图像形式提供,例如卫星拍摄传回的地貌图像等,需要通过图像信息处理获得测量结果,如计算实际地貌二个目标之间的距离,即计算图像中二个区域之间的最短距离。在区域深度标记的基础上给出区域扩张的处理方法,然后用区域扩张计算图像中二个区域之间的最短距离,这种区域扩张算法只需要对图像进行2次扫描即可完成,适合处理数据量大的数字图像。 相似文献
17.
18.