基于遥感图像的舰船目标检测及特征提取技术

首先运用OSTU算法对舰船目标图像的陆域和海域空间分离,进而提出一种基于云干扰背景的高斯分布混合统计模型进行虚假目标的过滤。在实现舰船目标(ROI)检测的基础上,又根据舰船图像的特征提取形态特征和尾迹特征等,精确实现对舰船目标鉴别。数据表明,通过以上步骤的技术处理,能够很好地实现对遥感图像的舰船目标进行虚假过滤和快速的舰船特征提取。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

转弯航行舰船开尔文尾迹散射特征研究北大核心CSCD

[目的]旨在研究转弯航行状态下舰船产生的开尔文尾迹及其电磁散射特征,为舰船非线性尾迹检测和识别提供理论支撑。[方法]基于已有的开尔文尾迹建模方法和坐标变换,根据转弯航行方向,获得转弯航行舰船产生的开尔文尾迹。利用半确定性面元散射模型(SDFSM)对转弯航行舰船产生的弧形开尔文尾迹进行雷达电磁散射特性仿真分析,计算对比海背景下直线航行舰船开尔文尾迹和转弯航行舰船开尔文尾迹在不同船速及航行角度条件下的面元散射系数分布。[结果]转弯航行舰船开尔文尾迹各成分波在几何模型上存在与直行尾迹不同的几何特征,复合直行开尔文尾迹及转弯航行开尔文尾迹不同成分波在垂直接收-垂直发射(VV)极化条件下的面元散射系数分布图中不同区域表现出具有显著差异的散射特征。[结论]开尔文尾迹散射系数分布图的亮暗度和尾迹不同成分波的波矢量方向与雷达视向的相对关系密切相关。研究结果可为舰船信息感知和探测识别以及隐身等应用提供理论依据。     

舰船目标图像不变特征快速识别方法

传统舰船目标图像不变特征的识别方式,图像特征识别的稳定度较低,舰船图像表面特征瑕点较多。对此提出了一种新型舰船目标图像特征快速识别技术。通过图像转化和背景帧差法对船舶目标图像进行灰化处理,提取局部特征点;再对舰船图像局部特征点的稳定度、重复度和匹配度的3项参数进行求取,并对其进行维数分析,实现舰船目标图像不变特征的快速识别。仿真实验表明,新型舰船目标图像不变特征快速识别方法与传统识别方法相比,Rtc图像离散度更低,在5 T目标图像下,最多可以减少27×106 T的瑕点,可以证明新型目标图像不变特征快速识别方法识别稳定度更高,图像产生的瑕点更少。     

舰船多目标识别中的一种抗碎云干扰方法研究

随着计算机图像处理技术的飞速发展,各种智能化的目标检测设备已经被广泛应用在舰船目标的识别中,通过采用智能目标检测算法,智能设备能够对舰船的特征进行快速学习,然后进行计算机处理后,就能够快速准确地对目标的状态进行判断。但是,在目标数据获取的过程当中,常常会受到碎云的干扰。因此,本文主要介绍了一种改进后的目标识别算法,该算法能够显著降低碎云的干扰噪声,通过加强目标的特征信号,能够在碎云干扰情况下,快速对目标的特征进行定位和提取,通过对有用信号的滤波和模式识别,有效改善了对舰船多目标的识别效果。     

基于改进视觉注意模型的舰船目标图像识别算法

以往使用基于局部Radon变换识别方法、基于SAR光学遥感图像识别方法受到复杂背景影响,使图像识别结果存在较多噪点和杂色,导致识别精准度较低,针对该问题,提出了基于改进视觉注意模型的舰船目标图像识别算法设计。构建改进视觉注意模型,初始分割阈值,采用中心周边算子,避免图像识别出现噪点。考虑双敌色效应,计算不同图像中心周边差异,避免图像识别出现杂色,提取舰船目标图像特征,再次阈值分割,识别出舰船目标图像。由实验结果可知,该算法识别效果好,最高识别效果为0.97,具有精准识别效果。     

复杂海情条件下遥感图像小目标舰船边缘识别

受复杂海情影响,以往使用Harr分类器、梯度直方图特征方法,无法剔除遥感舰船目标不均匀边缘,导致识别效果不佳。针对该问题,提出了复杂海情条件下遥感图像小目标舰船边缘识别。依据深度神经网络,提取复杂海情条件下目标特征。获取多尺度特征后,选出建议候选框,判断每个建议候选框类别,通过平移变换和缩放变换结果,输出边界框。使用顶帽算法剔除不均匀边缘,抑制海杂波的尾迹。由实验结果可知,该方法具有良好识别效果,且最高召回率为0.98,适用于复杂海情条件下舰船边缘识别。     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

无人机海监测绘技术应用下舰船遥感图像目标检测

随着遥感技术与无人机技术的结合,无人机遥感已广泛应用于海监测绘领域。通过大量实践发现,受到天气雨雪、大雾、霾的影响,无人机获取舰船遥感图像时,目标识别清晰与准确度明显降低。为此,应用无人机海监测绘技术进行下舰船遥感图像目标检测。通过对遥感图像目标的明暗分离计算、海陆场景分离计算与目标神经特征识别计算,实现对舰船遥感目标的快速检测。仿真场景对提出的设计进行对比测试,结果证明了提出设计的可行性与实用性。