自适应双极性红外舰船目标分割算法

红外舰船目标分割是红外海面场景中舰船目标自动识别的关键技术之一,通过阈值方法分割舰船因具有诸多优点而被广泛应用.已有阈值算法假设己知舰船和目标的能量强度关系(一般假设舰船亮度高于背景),但实际中波红外探测器所采集的图像易受环境影响,导致成像后舰船目标呈现双极性,使得已有的阈值方法难以自适应的分割舰船目标.为解决双极性舰船目标的自适应分割问题,该文提出一种新的最大化2维熵分割算法.算法首先利用图像的多尺度局部方差-熵变化量和梯度方向方差两个指标构建2维直方图,然后使用粒子群优化算法寻找最大化2维熵的最优阈值来对图像进行粗分割,随后在粗分割的基础上进行迭代精分割获得准确的目标分割结果.实验结果表明,该文算法能够在舰船目标呈现双极性的情况下均获得较好的分割结果.     

海面红外舰船目标背景对比度的统计特性分析

在灰度的增益与偏置不变，以及目标背景对比度定义的基础上，研究了海面红外舰船目标背景对比度的特征，通过对大量实际海面红外舰船目标图像的统计分析，获得了海面红外舰船目标与其周围背景及背景与背景的统计特性，研究结果可用于海面红外舰船目标的检测中。     

基于小波变换的红外成像海面小目标检测算法

文中研究海面少像素舰船红外目标的自动检测算法，针对红外图像噪声干扰大，舰船目标像素少，但存在相对连续的目标小块区域等特征，考虑采用小波变换的方法达到增强目标，抑制噪声的效果，对用小波变换处理后的图像，分析目标和背景部分的灰度对比度，用图像对比度的方法易检测出舰船小目标。     

海面岛礁背景下舰船红外自动识别技术研究

为了提高岛礁背景下对红外目标的识别能力,提出了基于平均灰度的识别方法.红外探测器在对远距离舰船目标识别时,舰船附近与目标外型轮廓相似的海岛会给识别带来很大困难.通过对海岛和舰船的组成和红外特性的对比分析,以及从实地试验图像中得到的数据发现舰船的灰度平均值要高于海岛的灰度平均值.     

基于Top-hat变换与OTSU的近岸舰船目标检测

长期以来,雷达对近岸目标的检测是目标识别的难题。对于近岸低速舰船目标,存在探测难、识别难的问题。然而,舰船目标具有较好的红外辐射特征,在探测过程中可以充分地利用这一特征。针对其红外特性提出了一种基于Top-hat变换与最大类间方差法的图像处理方法。经开运算重构,利用Top-hat变换增强红外图像中目标与背景的对比度;根据图像的灰度特性,使用最大类间方差法对图像进行阈值分割,以便检测目标。实验结果表明,该算法能够有效地检测出近岸舰船目标,对近岸目标识别具有一定的现实意义。     

复杂海天背景下红外舰船目标的自动检测方法

近年来,舰船目标的检测与识别技术得到了人们越来越多的重视.研究了复杂海天背景下红外舰船目标的自动检测问题.首先运用小波变换对图像进行预处理,提高了图像的信噪比,从而抑制了噪声和背景杂波.然后针对红外舰船目标总是出现在海天线附近的问题,采用梯度强度均值分割的算法检测了海天线,确定了目标的潜在区域.最后,提出了一种基于行列均值的自适应阈值分割算法,结合使用红外舰船目标的几何特征量,采用特征匹配方法提取出舰船目标,达到了自动检测的目的.实验结果表明:该方法能有效地自动检测复杂海面背景中的红外舰船目标.     

海天背景下红外舰船自动目标识别算法

海天背景下红外舰船目标的自动识别是武器跟踪导引的重要内容。针对低信噪比和低对比度的红外图像,首先采取均值平滑滤波和指数增强对红外图像进行预处理,然后在So-bel算子检测梯度的基础上,采用最小二乘迭代拟合出海天线。通过区域生长与合并分割图像,提取出表征舰船目标的典型形状与灰度特征,并进行加权融合以实现对潜在目标的自动识别。实验结果表明该算法能以较高准确率实时识别出舰船目标。     

基于9/7提升小波的海面弱目标检测算法

弱目标的检测一直是监视和报警系统的重要组成部分.海面背景下海面及连绵起伏的波浪反光使图像的信噪比和对比度都较低,而且舰船目标像素较少.先利用自适应灰度阈值对图像进行滤波;再进行9/7提升小波变换,提取高频部分;然后利用高频部分进行重构;最后对重构后的图像进行自适应灰度阈值处理,检测出目标.实验结果表明该算法能够有效地检测出强噪声和背景杂波干扰情况下的舰船目标.     

红外序列图像弱小目标检测算法

红外图像中的弱小目标因为信噪比和对比度较低,用单帧图像检测很难得到满意的效果,利用多帧图像信息进行检测是有效的手段之一。分析了利用帧间相关性对红外图像中的弱小目标进行检测的方法,提出了改进的算法和对比度相关性的概念。该算法在序列图像灰度起伏情况下,克服了直接利用灰度相关效果不好的缺点,具有良好的抗噪声和背景干扰的特点。算法可以推广到其他类型图像目标的检测中。     

一种多光谱红外舰船目标融合检测方法

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。     

红外舰船目标的要害点检测算法

针对红外成像与跟踪系统中舰船目标自动识别转跟踪后的跟踪点自动选取问题, 提出了一种新的舰船目标要害点自动检测算法。基于舰船吃水线位于船体位置下方的几何关系以及动力舱的高亮度特征,检测吃水线和动力舱的交叉部位作为首要攻击点,将吃水线中部作为次要攻击点。首先对目标区域进行去噪预处理,通过Canny 边缘提取、边缘闭合、两次连通域去噪等操作滤除背景纹理杂波确定目标的边缘,然后对目标底部边缘进行分段直线拟合,将拟合结果作为吃水线,最后利用灰度值统计确定最亮区域为求取的动力舱位置。实验结果统计表明,该方法检测结果稳定,具有良好的鲁棒性,适用于不同观测方向下的红外舰船目标的要害点检测,为跟踪点的自动选取提供了有效解决方案。     

基于梯度统计特性的自动红外舰船目标检测

红外舰船目标检测是舰船目标识别与跟踪的重要基础。针对典型复杂海天场景下的红外舰船目标检测,本文提出了一种基于多尺度局部边缘梯度统计特性的目标检测算法。算法改进了传统的基于ROI的红外舰船目标检测方法I并0用多尺度局部边缘梯度的统计特性,自适应的检测出完整的舰船目标。实验结果表明,该算法能够有效准确地检测出多种复杂海天场景下的红外舰船目标,且算法简单易于实现。     

基于SUSAN算法和行列均值分割的海面舰船检测

提出一种基于SUSAN检测和行列均值分割的复杂海天背景的红外舰船目标检测算法。首先建立一个简单的舰船轮廓模型,结合SUSAN算子检测得到感兴趣区域ROI,并且感兴趣区域的大小可以由轮廓模型进行一定的控制;然后对感兴趣区域运用改进的行列均值分割得到舰船目标。实验结果表明,提出的算法能正确分割出舰船目标。     

基于海天线抑制的舰船目标检测方法研究

为了改善海天背景下对中远距离上的舰船目标的检测效果,本文简要分析中远距离上红外目标的一些基本特性,海天背景的主要全局特征。简单回顾了基于海天线特征的海上目标的检测方法,指出海天线特征对于中远距离目标检测所带来的不容忽视的不利影响。在此基础上围绕形态学重建构建了一种背景估计方法,实现对海天线特征的有效抑制,并取得良好的检测效果。     

Automatic detection of ship target and motion direction in visual images

In this article, we focus on automatic ship target detection in visual images. The proposed approach consists of two stages. At the first stage, emphasis is placed on sea background suppression. A pre-processing technique is studied based on mean-shift smoothing algorithm. In this process, the improvement is that we associate the range bandwidth of mean-shift with local image properties, thus achieve the purpose of suppressing sea background while protecting ship target. At the second stage, a hierarchical ship target detection approach is developed. To begin with, region-of-interest (ROI) of ship target is coarsely identified via salient edge regions extraction. Then main body of ship target is located by projection, prior spatial structure information of ship target is used for further ROI refinement. After that, a post-processing procedure based on colour features is presented to obtain final detection results. One advantage of the proposed method is that motion direction of the ship target can also be estimated, which could provide important information for ship target tracking and monitoring. Tested on real visual ship target images supplied by the co-operator, experimental results show that the proposed algorithm can effectively detect big ship targets and its motion direction with various backgrounds in visual images.     

利用图像区域自然尺度特征的海面舰船目标检测

为了提高动态海面背景中目标的检测性能,提出了一种新的基于图像区域自然尺度特征的海面舰船目标检测算法.算法将一维信号的自然尺度特征提取方法拓展到二维图像信号,通过相空间重构和分类,提取了图像灰度时间序列的自然尺度特征.利用BP神经网络,得到背景与目标自然尺度特征的辨识模型,然后对图像序列的自然尺度进行分类,检测得到舰船目...     

强海水混响背景下水中兵器攻击目标检测研究

水中兵器在对舰船目标攻击过程中受到海水混响杂波的影响,导致目标检测性能下降。传统方法采用时频分析方法进行目标检测,在信混比较低的情况下受到的干扰较强,导致虚警概率较高。提出一种舰船目标回波盲源分离的强海水混响背景下的水中兵器攻击目标检测算法。首先构建强海水混响干扰下的舰船目标回波模型,对舰船目标回波模型进行自相关匹配滤波,提取回波信号的高阶谱特征,实现目标信号的盲源分离,达到目标检测的目的。仿真结果表明,采用该算法进行目标检测,准确检测概率较高,降低了虚警概率,提高了水中兵器对目标的准确打击能力。     

非参数岸岛背景红外舰船目标识别算法研究

由于战场环境复杂且瞬息万变,针对岸岛背景引入了一种快速 的检测/定位算法。该算法能够搜索出感兴趣的红外舰船目标,比如停靠在港口的舰船,而且无需 预先训练。这种方法仅仅使用一幅单一的目标物体样例图片来发现视场中相似的匹配舰 船,而无需对要搜索的物体进行预先学习。从查询图像中提取局部方向核 作为描述器,用于度量一个像素与其邻域间的相似度。然后从这个描述器中提取出显著 特征,并将其与目标图像中的类似特征进行比较。这些比较是使用一个余弦相似度度量矩阵 来实现的。实验结果表明,这个算法表现优异,成功地识别出了复杂背景条件下的舰船目标。