排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
水下环境复杂多变,导致声呐技术成像后的图像质量差,影响目标识别。为此,提出一种基于Contourlet域下多尺度高斯马尔可夫随机场(GMRF)模型的水平集声呐图像分割算法。采用Contourlet变换及逆变换获取声呐图像各尺度层下的纹理特征,通过GMRF对各层纹理特征建模,以描述局部结构空间信息并降低对噪声的敏感度。根据各层纹理特征模型,对声呐图像进行由粗到细尺度的水平集分割以得到分割结果。实验结果表明,该算法在不同声呐图像中的分割准确度超过90%,优于Otsu算法,且具有较低的复杂度和较强的鲁棒性。 相似文献
2.
3.
由于水下环境复杂,声呐成像背景噪声大,水下目标匹配存在一定难度,提出了一种SURF算法结合恒虚警算法来提取目标区域特征点对,其次通过环状域检测来进一步寻找最优匹配点对,最后计算最优特征点对之间的几何关系确定尺度变换,旋转变换的大小,对待匹配图像进行旋转校正后可以更精确匹配地目标区域。实验与分析结果表明,计算模板图像与待匹配的目标区域之间的匹配重叠率,可以通过受试者工作曲线直观的看出该算法相比于BBS算法和改进的BBS算法的鲁棒性和抗噪性能更好,平均匹配准确率分别提高了32.59%和16.57%。 相似文献
4.
1