共查询到10条相似文献,搜索用时 703 毫秒
1.
为了提升舰船尾迹光学信号异常特征识别效果,提出舰船尾迹光学信号异常特征贝叶斯识别方法。针对合成孔径雷达系统采集的舰船尾迹SAR图像中舰船尾迹与海杂波边界区分不清晰的情况,使用图像分割和归一化的Hough变换检测方法实现舰船尾迹图像增强;依据气泡运输方程提取舰船尾迹直方图,根据直方图内峰值点密集程度,提取舰船尾迹光学信号特征,将该特征作为输入,使用贝叶斯分类模型输出舰船尾迹光学信号异常特征识别结果。实验结果表明:该方法可有效增强舰船尾迹SAR图像,也可有效提取舰船尾迹直方图,并准确提取舰船尾迹光学信号特征和识别其中的异常特征。 相似文献
2.
为利用精准的舰船尾迹检测结果,为航速航向信息反演等应用提供基础,提出基于傅里叶变换的SAR图像舰船尾迹检测方法。利用分数阶傅里叶变换方法,通过线性积分变换以及平面旋转两部分,变换舰船尾迹SAR图像,将其划分为高频子带与低频子带。利用Radon变换方法,累加SAR图像低频子带内直线像素点的灰度值,获取像素点与舰船尾迹线的几何对应关系,搜索Radon变换域中的峰值点位置,获取最终的SAR图像舰船尾迹线检测结果。实验结果表明,该方法可以有效检测SAR图像中的卡尔文尾迹、布拉格尾迹等不同类型的舰船尾迹,具有优越的舰船尾迹检测效果。 相似文献
3.
4.
5.
针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%~60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。 相似文献
6.
传统舰船尾迹搜索方法在多维信息处理上,由于算法计算因素单一,无法对多维信息内无效数据做准确筛选运算,导致舰船尾迹图像搜索运算受到无效数据干扰源影响,出现搜索映射率低、误差大的问题。针对此问题,提出舰船尾迹多维信息抗干扰智能搜索方法研究。首先,通过对多维信息内舰船尾迹图像进行锁定。其次,引入多尺度特征融合算法对尾迹图像内干扰源进行滤除处理,接着,引入空间特征匹配算法对处理后的尾迹图像做搜索特征匹配计算,完成智能搜索过程。最后,通过对比实验证明,提出的舰船尾迹多维信息抗干扰智能搜索方法,能够有效解决传统搜索方法存在的映射率低、误差大的问题。 相似文献
7.
8.
9.
现有舰船尾迹图像对比度特征提取方法普遍存在运算复杂、处理速度慢等问题。易导致舰船尾迹区域图像与海水背景区图像出现较大差异。为解决上述问题,提出通过边缘图像特征提取方法对图像灰度对比参数特征进行提取的方法,结合人眼视觉特性的主观体验与客观对比强度评价方法进行船舶尾迹图像创新优化。利用图像边缘特征提取方法进行仿真实验。实验结果表明,通过边缘图像特征提取方法对图像灰度对比参数特征进行提取和处理可有效提高船舶图像对比度特征提取的准确性,对船舶尾迹图像进行更加清晰的展现。 相似文献