基于海天线提取和混合灰度差的船舶检测方法

为了快速、准确检测海天背景下远距离水平观测的船舶目标,提出了一种基于海天线提取和混合灰度差的船舶检测方法.首先,利用边缘检测算法将图像分为天空、海天线和海面三个区域,并根据海天区域连接点,采用直线拟合方法确定海天线的直线参数;然后提取海天线区域作为目标感兴趣区域,并在去除海面杂波和噪声等干扰后利用混合灰度差水平投影和垂...     

基于EmguCV的红外图像海天线提取算法研究

本文基于海天背景目标提取技术的研究,给出一种实用的海天线提取算法。首先,采用空域滤波消除弱小船只目标和近域海浪杂碎波的干扰,对降噪后的红外图像进行形态学梯度运算,采用Ostu阈值分割方法,获取海天线边缘轮廓,然后利用Hough直线检测算法,获取海天线待拟合点数组,最后利用最小二乘法拟合海天线。实验结果表明,本算法能够准确、快速地提取海天线,为海上目标的快速探测跟踪奠定基础,对红外搜救设备进行海上目标探测跟踪具有重要意义。     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

基于复杂海空背景行均值曲线的海天线定位算法

复杂海空背景下红外舰船目标总是出现在海天线附近,因此获取海天线位置能确定目标的潜在区域。利用海天线区域在背景灰度上的渐变特性,提出了一种海天线定位方法,该方法首先运用形态学开运算抑制高频目标和杂波、提取平滑背景;然后采用背景行均值曲线首次突降区间检测算法,定位出一个窄的海天线区域,其中线即为工程误差范围内的近似海天线。实验结果表明,该海天线定位算法准确率高、适应于复杂海天环境。     

基于纹理特征分析的海天线检测方法

为抑制海空背景干扰和提高舰船检测速度,提出一种基于纹理特征分析的海天线检测方法。分析了典型红外海空背景下海天线区域的纹理分布特征,建立了适用于海天线检测的纹理模型。通过梯度特征计算和聚类分析找出图像中的候选直线位置,比较其纹理参数并准确检测出海天线。对多种复杂背景红外海空图像的实验表明,该方法适应面广,计算简便,具有很好的抗干扰能力。     

利用局部直线段模糊投票的低SNR海天线提取方法

提出了一种采用“假设-检验”策略的海天线提取新方法。在假设阶段,提出了一种新的直线段Hough变换检测疑似海天线。首先,以局部直线段为整体估计直线参数,理论推导证明此时估计误差方差远小于各边缘点独立估计时误差方差的平均值。其次,针对残余估计误差,设计了局部直线段模糊投票策略,实现全局直线段的投票聚类。最后,检测峰值点形成疑似海天线假设。在检验阶段,提出了三类新特征描述海天线与海杂波的属性差异,并采用SVM分类器识别海天线。该方法提取低信噪比海天线准确,识别正确率高,仿真和实测数据的实验结果验证了所提方法的有效性。      

低对比度条件下基于能量积累和Gabor变换的海天线提取

为了解决基于边缘检测和Hough变换传统方法不能正确检测出低对比度条件下的海天线问题,提出了先采用多帧能量积累方法提高红外图像对比度,然后运用Gabor变换和Gabor多通道滤波器滤除图像干扰部分和凸显图像中的海天线部分,最后使用边缘检测和Hough变换实现海天线的提取.通过对实际海面低对比度条件下红外图像进行海天线提取实验,验证了所提方法的可行性和有效性.     

基于海天线提取的红外小目标检测方法

通过对海上红外图像进行分析,提出了一种基于海天线提取的红外小目标检测方法。该算法的基本思路是根据所需提取目标的特点,首先选择感兴趣的灰度区域,然后运用Canny算子进行边缘检测,接着对图像进行Hough变换检测海天线,最后对海天线以下且符合目标特征的连通域进行标记从而来确定目标的位置。实验结果表明,该方法能较好地检测出海上红外小目标。     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线边缘像素点,最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。     

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Seam Carving的海天线检测算法

海天线在远距离舰船目标检测中具有重要参考价值。目前,主要的海天线检测算法有直线拟合法、基于加权信息熵、Hough 直线检测等,这些算法不同程度地存在运算量较大、应用场合受限等缺点。文中通过研究Seam Carving 原理,将该原理运用到图像中最高能量线的检测,通过计算图像中各点的梯度幅值,采用动态规划技术搜索最高能量线,实现了海天线的检测。实验结果表明,该算法不仅具有较高的检测率,同时具有适用范围广、运算量小、实时性强等特点。     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

基于小波变换的复杂海面背景红外小目标检测

采用基于正交小波的多尺度分解,提取出不同空间分辨率和不同方向的子图像,其低 频逼近分量可用来确定海天线和目标潜在区,水平和垂直方向的高频细节分量则体现了目标所在的区域信息;根据海面目标总是出现在海天线附近的特点,排除虚警点而分离出真正的目标。实验结果表明该方法能检测出低信噪比复杂海面背景中的舰船红外小目标。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。     

基于海天/海岸线检测的舰船目标提取方法

针对成像型反舰导弹所获红外图像的特点,提出了一种将海天/海岸线检测与目标提取相结合的舰船目标提取方法.该方法先综合运用Sobel边缘检测和局部Hough变换等数字图像处理技术从红外图像中检测出海天/海岸线,然后通过对Kapur熵二值化图像进行投影变换实现舰船目标提取.实验结果表明,该方法能够有效地确定舰船目标在海天/海...     

红外图像中海天线的检测

根据红外图像中海天线的特点,提出了一种海天线的检测方法.首先进行中值滤波以抑制红外图像中的噪声的影响,接着使用线检测模板对经中值滤波后的红外图像进行处理,从而检测出水平方向上的所有直线,最后对线检测后的图像进行行扫描,确定海天线的位置.实验表明,该方法可以确定海天线的位置,降低后续海上目标检测的难度和复杂度.     

基于OTSU和区域生长的电厂管道缺陷检测与分割

针对电厂高温管道红外图像背景复杂、干扰较多的特点,结合电厂巡检机器人系统对图像处理算法的需求,提出了基于改进二维最大类间方差法(OTSU)和区域生长法的电厂高温管道缺陷定位与分割方法.将红外图像灰度化后,通过改进二维OTSU进行预分割,提取出管道区域;基于管道区域灰度直方图,结合邻域灰度均值,实现多种子点的自动检测与定...     

基于累积和的改进超宽带循环平稳检测算法

针对超宽带循环平稳检测存在的门限难以设定、低信噪比下检测延迟较大的问题,提出了基于累积和的改进超宽带循环平稳检测算法。首先将信号整个三维循环谱归一化为二维灰度图,与噪声对应的灰度图比较差异,再将两类图像放入卷积神经网络（Convolutional Neural Network,CNN）自行训练提取特征,解决门限难以确定的问题。若分析三维循环谱的时间块长过短,将导致信号灰度图特征在有无噪声情况下区别不大;若块长过长会导致检测延迟较大。为此,采用累积和算法提取网络全连接层输出的信号概率作为累积和的观测统计量,自适应检测所需采样时间长度。将所提算法与传统循环平稳检测以及结合了CNN的循环平稳检测进行对比,仿真表明所提算法在低信噪比下性能最优。