有云层干扰的光学遥感图像舰船检测算法

针对海面光学卫星遥感图像舰船检测中云层干扰所产生高虚警率的情况,提出一种基于串并联混合多维特征融合判决的舰船目标检测算法。首先,利用高斯灰度阈值分割目标与海面云层背景,并对分割后的二值图像进行区域标记;然后,利用感兴趣区域的几何形态和边缘能量两类特征,包括中心偏移度、长宽比、面积变化比、曲折度和填充度,构建了串并联混合多维特征融合判决方法;最后,通过对感兴趣区域进行综合鉴别,有效剔除了云层干扰导致的虚警,解决了含云层背景检测结果虚警率高的问题。对多幅SPOT4光学遥感卫星图像的实验结果表明算法的有效性。     

海空复杂背景下红外弱点目标的检测算法

为第空复杂背景下红外弱点目标的检测,提出了基于小波变换模极大的检测算法,该算法通过计算小波变换模极大值求出图像中的所有奇异点,去除由复杂背景形成的模极大值链,消除云层、海浪及水天线等复杂背景,提高了单帧点目标检测能力,结果表明,余步坷检测信杂比为２的点目标。     

红外遥感图像舰船目标检测

红外遥感图像舰船目标检测在军舰探测、精确制导等军用领域以及海面搜救、渔船监测等民用领域具有极其重要的战略意义.本文回顾了红外遥感图像的发展历程, 总结了舰船遥感图像的特点及其图像处理的难点.着重分析了海陆分割和海洋背景图像预处理的研究现状, 对舰船检测算法进行了总结和归纳, 在此基础上对各种算法进行比较并指出其适用性和优缺点, 最后对其未来发展趋势进行了展望.     

红外目标检测与识别技术研究

在图像分析和目标识别技术中,图像分割和特征提取是两个非常关键的问题。但是往往会由于对目标分割的不够准确和完整,导致特征提取变得很困难,首先采取自动多门限算法对图像初步分割,再利用二维直方图准确划分出目标,最后利用组合概率的方法将区域的分散度、不变矩进行综合,实验结果表明对五类目标的识别效果十分明显。     

基于小波方向滤波的有云层遥感图像舰船检测方法

提出了小波分析和方向滤波相结合的有云遥感图像目标检测方法。首先对原始遥感图像进行小波分解,采用比率-平均边缘检测法检测人造目标的边缘方向,在该方向上进行Frost滤波,有效抑制云层干扰的同时突出了人造目标及其边缘信息;然后进行阈值分割并剔除大块云层,根据区域的平均边缘梯度剔除小块云层,实现了有云遥感图像的舰船目标检测。实验证明,该方法能减少遥感图片云层对舰船检测的影响,并具有较高的目标检测率。     

一种基于阈值分割的红外图像边缘检测方法

针对红外图像对比度和信噪比低,经典的图像边缘检测方法对实际图像难以检测的特点,提出了一种基于阈值分割的边缘检测算法。首先利用最大方差阈值法分割出红外图像的目标图像,其次用线性拉伸的方法对目标图像中存留的噪声进行去除,最后运用Sobel算子对目标图像进行边缘检测得到结果图像,并与经典的Roberts边缘检测算法、Sobel检测算法、Prewwit检测算法、Gauss-Laplacian检测算法进行比较。实验结果显示该检测方法是可行、有效的。     

野外复杂背景下红外图像的目标检测

野外复杂背景下红外图像序列目标检测是红外野外监视中的重点问题。大量的背景物增加了目标检测的难度。文中针对野外复杂背景下红外图像序列的特点,提出了一种实用的运动目标检测算法。该算法包括两个处理步骤：首先,在场景配准后利用帧间差图像提取目标的运动信息,并据此进行目标的粗检测;其次,合目标运动在时间和空间上的相关性进行精检测。粗检测的低漏判度和精检测的低误差率保证了算法的可靠性。在检测的同时算法确定了目     

红外运动目标的灰度分层检测算法

为了减少复杂背景下红外序列图像运动目标检测中的漏检与误检,采用了基于灰度分层的瞬时帧差检测算法。该算法根据红外图像的特点,使用自适应门限将当前帧图像分为两层,采用基于区域的像素间差分代替传统的基于空间坐标的像素间差分,通过对高灰度层检测时得到的高置信度的检测结果去引导对低灰度层的检测。实验表明,该算法可对多类多个运动目标进行有效检测,且具有较高的实时性与鲁棒性。     

海空复杂背景中基于自适应局部能量阈值的红外小目标检测

自适应Butterworth高通滤波是一种有效的海空复杂背景下红外小目标检测方法,但其在序列图像检测中不可避免地存在虚警。该研究通过估计因前后帧间不同截止频率导致Butterworth高通滤波后红外图像中小目标局部能量值的变化情况,可实现对滤波后图像中小目标检测阈值的自适应调整。实验结果表明该算法不仅可很好解决上述虚警问题,而且对跟踪过程中可能出现的目标消失或背景突然变化的情况也有良好的适应性。     

变化背景下的污染气体遥感探测

文中介绍的快速背景扣除算法对在污染气体的特征峰是单峰、多峰等情况下,都能快速有效地扣除掉低频背景信号,检出目标特征.这一方法为在快速移动背景下的污染气体探测识别提供了一种快速简便的手段.     

基于BP神经网络的风云四号遥感图像云检测算法

通过对风云四号每两张相隔15分钟的图像进行分析,提出了归一化动云指数,加强数据集对低云、薄云及云系运动边缘的检测.在此基础上,提出了一种基于归一化动云指数的动态阈值法用于初步云检测,并进一步提出基于BP神经网络的云检测算法.实验结果表明,该算法可以消除阈值选取中的主观影响,在大范围复杂下垫面的遥感图像数据中可以取得较好的云检测效果.     

一种遥感图像中海岸线的提取方法

针对遥感图像中海水和陆地区域分割和海岸线提取的问题,提出了新的区域分割和边界提取。首先对目前存在的分割技术进行分析,确定这些方法的局限性和缺陷,然后回归到最基本的阈值分割和边缘检测技术,并受这些基本算法的启发提出一种边界寻找和阈值分割的方法,并通过实验证明了这种方法在进行海陆分割和海岸线的提取方面的有效性,最终实现了海陆分割和海岸线的提取。     

基于集成学习的风云四号遥感图像云相态分类算法

云相态分类在气象预报和气候研究中具有重要的地位。我国新一代气象卫星风云四号的成像仪在光谱通道数量和空间分辨率较上一代风云二号有较大提升,这为云相态的研究提供了新的遥感数据。本文首先对风云四号相隔15 min的遥感图像进行分析,然后提出亮温云相态指数,该指数可以进行初步云相态分类,最后在此基础上提出基于集成学习的云相态分类算法。实验结果与风云四号官方云相态分类结果进行比较,水云的一致率达到91.69%,冰云的一致率达到76.10%。     

基于遥感图像的船舶目标检测方法综述

如何在复杂环境中准确、快速地实现各类船舶目标检测是一项重要研究课题,也是保障船舶航行安全、保护领土安全、加强水域资源监管的基础。红外成像、合成孔径雷达（Synthetic Aperture Radar,SAR）以及卫星遥感等成像技术的发展为船舶检测提供了丰富的图像数据,已取得许多研究成果。介绍了船舶目标检测的过程,从基于传统图像处理技术的船舶目标检测和基于深度学习的船舶目标检测两方面总结并分析了现有船舶目标检测方法,讨论了相关关键技术,最后指出了未来的研究方向。     

基于全卷积神经网络的卫星遥感图像云检测方法

云检测作为遥感影像数据处理中的重要组成部分,在气候分析等各个方面起到了重要的作用.在云检测研究中,无论是应用广泛的阈值法或是基于模式识别的方法,以及在二者基础上的综合分析法.这些方法大多都依赖于单一类型的遥感数据来源,且在特征提取方面十分依赖先验知识,受主观影响较大.本文利用两种不同类型\     

红外图像阈值分割算法的研究

目标分割是图像处理、计算机视觉及人工智能领域中的一项基本而关键的技术,其目的是为后续的识别、分类、跟踪和检索提供依据.由于红外图像具有对比度低、噪音大,图像模糊等特点,故将遗传算法应用到红外图像阚值分割中.本文对红外图像阈值分割算法进行了综述,对遗传算法在红外图像分割中应用的研究方法,研究现状及其新技术进行了介绍.该算法被用在红外图像处理中,并取得较好效果.     

一种遥感图像中的道路检测方法

道路是遥感图像的重要特征。提出一种从遥感图像中检测道路目标的方法。首先,进行图像预处理,提取边缘,然后进行图像分块并利用Hough变换进行道路检测。分析了Hough变换的特点,并研究了Hough变换域极值点参数的特点,改进了Hough变换在道路目标检测中的应用。该方法不仅快速地检测机场等严格的线状道路目标,而且对具有一定曲率的道路目标同样有效。     

基于小波融合和PCA-核模糊聚类的遥感图像变化检测

本文提出了一种变化检测方法以提高算法的鲁棒性、检测精度以及抗噪性.首先对差值法构造的差异图和比值法构造的差异图进行小波融合.然后将融合图像分成互不重叠的小块,并用主成分分析得到图像块的正交基.通过将融合图像中每个像素的邻域小块映射到正交基上使得每个像素用一个特征向量来表示.最后用基于核的模糊C均值对特征向量进行聚类.实验结果显示与使用单一类型差异图的聚类方法相比,本方法由于采用了图像融合的策略而增强了鲁棒性,且由于采用了核模糊聚类,进一步提高了变化检测精度.此外由于使用了特征提取的技术,本方法具有一定的抗噪性能.