基于元胞自动机混沌分类的海空目标检测

为了有效检测出海空背景的舰船目标,给出了一种扩展的元胞自动机(CA)的δ占参数求取方法,并针对海空目标图像的特点,提出了一种墓于CA混沌特征提取的海空目标检测方法.首先对连续的多帧视频图像序列进行分块,然后利用CA的占参数提取图像序列的混沌特征,标记没有混沌特征的图像区域,最后依据种子点和区域生长法确定目标区域.在连续的100帧视频图像序列上进行仿真实验,结果表明新的方法检测率更高,优于灰度统计和谱分析方法.     

基于元胞自动机的图像边缘检测新方法

具有自组织性并行行为的元胞自动机模型已逐步应用于图像处理领域。在已有的基于元胞自动机的图像处理算法基础上,结合元胞自动机和图像边缘的种种特征,提出了一种新的适用于图像边缘检测的元胞自动机模型。实验证明,新模型更加有效地勾勒出图像细节边缘。同时,该模型也适用于高分辨率遥感图像中小目标的边缘检测和提取。     

基于CNN的海空目标检测

针对海空目标运动速度快,机动频繁,要对其既准又快的识别和跟踪,算法和硬件都要求很高的特点,提出了一种新的基于元胞神经网络(CNN)海空目标检测方法。通过大量的仿真实验证明,CNN与传统的方法如各种梯度算子、形态学、小波等相比,其处理结果更加完整细腻,细节更加突出,有利于提取目标的细微特征,特别是对于以云层、海浪为背景的海空光电目标,能更好地进行目标检测。该方法收敛时间快,适合高速并行信号处理,能满足实时处理的要求,因此在军事上具有较大的应用潜力。     

海空背景下红外小目标检测算法

研究海空复杂背景下红外图像小目标检测问题,针对海空背景下远距离小目标总是出现在水天线附近的特点,通过小波多尺度分析边缘检测算法检测水天线,确定出目标潜在区域,再进行精细目标搜索,从而提出了一种由粗到精的小目标检测算法。实验结果表明,对一般噪声条件下得到的红外目标图像,该方法能准确地检测、定位小目标,单帧检测准确率达96%以上并具有单帧检测率高、实现速度快的特点。     

基于摩尔近邻模型的二维元胞自动机在图像处理中的应用

元胞自动机是一种具有空间、时间和状态离散性的动力学系统。在简单介绍了元胞自动机基本原理的基础上,提出采用二维元胞自动机对图像做边缘检测以及对破坏图像做恢复的算法。通过与传统处理方法的结果比较,表明该算法具有处理速度快、质量较好、易于硬件集成等优点,是一种新颖实用的图像处理算法。     

一种基于直线拟合法的新的海天线检测方法

针对海空环境的特点,在提取海天线前进行有效的背景抑制和目标增强处理.在直线拟合法的基础上提出了一种剔除粗大点的改进方法,并利用Matlab对该方法进行了仿真试验.试验结果表明,该方法可以有效地检测出海空背景下的海天线与舰船位置,为目标识别和图像配准奠定了良好的基础.     

雷达/红外复合制导体制下的目标融合检测方法研究

文章介绍了主动式雷达/红外复合制导体制的特点,分析了海空背景及舰船目标的红外特性.为了滤除红外诱饵、箔条的干扰,基于现象学提出了一种目标检测新算法.首先确定海空背景下红外图像中的目标潜在区域并运用阈值分割检测潜在的目标;然后利用雷达获取的潜在目标的方位角信息生成虚拟图像;最后用生成的虚拟图像与红外检测图像进行"与"操作,实现融合检测.     

海空背景下红外点目标检测算法

提出了一种基于灰度形态学的海空背景下的红外点目标检测算法。该算法三步：第一步,对原始序列图像进行了膨胀后累加,以提高信噪比（SNR）;第二步,对原始序列图像进行形态学滤波,去掉噪声和目标以提取出背景;第三步,前两步结果相减,自适应阈值后即可得到点目标,用实际摄取的图像进行实验,结果表明该算法能检测出信杂比（SCR0为1的红外图像。     

基于区域方差和RANSAC的海天线检测新方法

针对海空背景图像中海天线的检测问题,提出了一种基于区域方差和RANSAC算法的新方法.该方法首先搜寻图像中设定区域内方差最大值的位置,并以此确定出若干海天线候选点坐标,然后结合RANSAC算法求取海天线直线参数.实验证明,该方法能有效地检测出复杂海空背景下的海天线,具有鲁棒性强、运算速度快、工程实用价值高等优点.     

基于元胞自动机的红外图像边缘检测新方法

元胞自动机是一种新的快速、有效的实现各种图像处理算法的理论工具,其核心是状态转移函数的确定.针对红外图像边缘检测,研究并实现了三种状态转移函数:最大最小值法、阈值法和形态梯度法.和传统边缘检测方法的对比实验表明,基于元胞自动机的边缘检测方法整体上不仅检测效果好,且可实时实现.     

基于小波变换的海面红外小目标检测

本文提出了一种基于小波多尺度分析的海面红外目标自动检测方法.在分析海空场景图像特征的基础上,利用小波多分辨率分析和小波变换良好的局部分析特性,研究了图像预处理和目标检测的小波分析方法.通过实验证明本文提出的检测算法在各种复杂的海空背景以及不同环境干扰下有较好的检测效果.     

基于多向梯度表决融合的双波段目标检测算法

为解决海空复杂背景下弱点目标的检测,针对电视和3～5μm红外弱点目标提出了一种采用多向梯度表决融合的检测方法。该算法依据目标辐射特征是像素灰度在水平和垂直方向上梯度变化,将弱点目标特性转化为对图像奇异性的分析。采用匹配的梯度分割阈值分别对红外和电视通道的图像进行检测,并对各通道的检测结果进行表决融合。仿真实验通过实测的海空背景下电视和3～5μm红外图像进行。在红外梯度阈值系数选取为2．4～2．8、电视梯度阈值系数选取0．6～1．8时,可实现对信杂比(SCR)为1的海空背景下点目标的检测概率≥97％,单帧图像的虚警个数≤10。     

基于小波和分形的海面红外小目标自动检测方法

提出了一种基于小波与分形的红外小目标自动检测算法,首先对原始图像进行小波分 解,计算其低频概貌图像的分形参数,利用在不同纹理图像分形参数变化的特性,检测出水天线的位置,在水天线附近利用红外目标的灰度特性进行精细搜索,最后确定目标所在的位置。实验表明该算法能有效地消除云层、海浪等杂波干扰,适用于海空复杂背景下远距离红外船只目标的检测。     

复杂海天背景下红外舰船目标实时检测算法

针对复杂海空背景条件下的低信噪比舰船目标检测问题,在分析海面背景舰船目标红外图像特点的基础上,提出首先进行红外图像预滤波以抑制噪声背景增强目标,然后通过检测图像水平与垂直边缘得到潜在目标区域,最后通过小范围的图像分割检测舰船目标。实际录取数据实验结果表明,算法针对各种海面场景与目标类型均能准确检测目标,实时性好。     

海空背景下确定弱小目标潜在区域的方法

目标潜在区域的确定对于成像型反舰导弹的目标检测、目标识别具有重要意义.本文深入分析了海空背景及舰船目标的红外特性,提出了一种海空背景下确定弱小目标潜在区域的方法,首先利用梯度算子得到差分图像,然后基于边缘阈值策略二值化图像,最后利用二值化图像在竖直方向上的投影确定目标潜在区域.实验证明次种算法速度快、精度较高、能够有效地剔除部分干扰.     

基于CA的图像边缘检测新算法

针对边缘检测的特点,定义了一种元胞自动机规则,并用不同规则号的元胞自动机对图像进行边缘检测.分别对边缘整齐和边缘细节丰富的两类图像进行仿真实验,把结果图像与经典的Sobel算子和Canny算子检测的结果相比较,结果表明通过选择合适的规则号,新算法检测的速度更快,是一种有效的方法.     

基于形态滤波与梯度检测的红外弱点目标检测技术研究

为实现舰载红外警戒系统对海空背景下红外弱点目标的检测,本文提出一种将形态滤波与梯度检测相结合的红外图像滤波与目标检测方法,首先采用多形态算子对输入的图像进行并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息,对并行处理后的图像进行基于树状小波帧变换的图像信息融合,然后依据目标的像素灰度在水平和垂直方向上的梯度变化,将弱点目标特性转化为对图像奇异性的分析,采用多向梯度算法对目标进行检测.实验表明算法有高检测概率,同时又把虚警个数降的很低,适用于舰载红外警戒系统.     

基于K-means聚类红外目标检测

目标检测是红外图像处理环节中的重要组成部分,检测结果直接影响后续处理。在分析红外图像特点的基础上,采用改进的Top-Hat算子对红外图像中的噪声点进行抑制,同时基于传统K-means聚类思想,提出基于二维梯度信息的K-means聚类目标检测算法。实验结果表明,该方法抑制噪声作用明显,能很好地检测出红外图像中的目标,为后续图像处理工作打下较好的基础。     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

新的红外图像小目标检测方法

在分析了海空背景下舰船目标红外图像特征的基础上．提出了一种基于背景粗糙度估计的红外图像小目标自适应检测算法,该算法利用LOG算子检测目标的大致轮廓,确定目标的中心点作为区域生长的种子点,可以看作是为后续处理压缩数据量的一种方法。它可以减少运算量,提高检测速度,抑制对不必要的种子点的区域生长,提高目标的检测概率。