排序方式: 共有127条查询结果,搜索用时 15 毫秒
1.
指数加权均值比率ROEWA算子是SAR图像阶跃边缘提取中较为常用的算法,但该方法只能提取边缘强度,不能得到边缘方向。本文在ROEWA算子的基础上,利用添加方向模板的方法,提出了获取边缘方向的ROEWA改进算法。并根据得到的边缘方向,分别提出了一种边缘筛选算法和快速的Hough变换算法,从而提取出图像中的直线信息。实验表明,本文方法准确、高效,且对SAR图像中的相干斑噪声具有很好的抑制作用。 相似文献
2.
在图像多目标跟踪问题中,针对图像匹配无法辨别同类别目标以及状态滤波难以对目标突发机动建模两个难点,提出了一种多特征匹配融合跟踪算法。该算法在基于局部方差图(standard deviation map,STDM)的目标检测结果的基础上,首先利用目标感兴趣区域(region of interest,ROI)的图像匹配来克服目标状态匹配误差的影响;然后利用状态特征匹配消除图像匹配识别的模糊性;最后在关联代价全局最优化框架下,将两者匹配结果融合,以提高多目标跟踪的正确率。 相似文献
3.
4.
散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型,在文献[6]的基础上,提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中,通过引入参数规则化处理步骤,解决了属性散射中心特征提取方法的收敛问题,提高了属性散射中心特征参数估计的精度和效率;提出了一种能同时实现散射中心数目确定和结构判别的方法,实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果,验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。 相似文献
5.
6.
本文所提出的GPR目标检测方法包含两个步骤.首先基于对GPR一维回波(A-Scan)统计特性的研究,应用加窗统计法从海量数据中实现快速高效的目标检测和感兴趣区域的提取;进而根据GPR二维回波图像(B-Scan)中目标回波的双曲线特征,对经过图像分割的ROI区域采用改进的Hough变换检测目标双曲线,去除虚假目标并实现目标的精确定位.对实测数据检测结果表明:此法水平和纵深向定位误差均小于1cm,输入数据信杂比可低至2dB左右. 相似文献
7.
8.
9.
10.