基于光学遥感图像的船舶目标检测技术研究

首先分析基于光学遥感图像的船舶目标检测流程,然后利用Top-Hat算法进行目标图像增强,并设计检测系统结构元尺寸自适应选择算法,以此来克服光学遥感图像的不均匀性和局部背景的粗糙性。最后进行不同海况的船舶目标检测试验。试验结果表明,本文算法虽然在实现过程中较阈值分割算法要复杂,但其适用范围更广,并且能够有效提高复杂海况下船舶目标检测的准确率。     

高杂波海天背景下红外图像中舰船目标的检测

针对高杂波背景条件下的红外图像中舰船目的检测问题进行研究。在分析海空背景下的红外图像特征的前提下,先对捕获到的红外图像进行背景抑制、海天线检测等预处理以提高舰船目标提取的准确性,然后依照检测出的海天线划定目标检测小区域,再利用相邻帧图像间舰船目标运动的相关性确定真实目标,剔除虚警目标。用Matlab软件对算法进行仿真,实验结果证明本文算法有效,在一定条件下能够取得较好的识别率。     

基于人类视觉机制和粒子滤波的红外小目标跟踪

针对红外小目标图像信噪比低,背景复杂等特点,提出一种基于人类视觉系统对比机制和粒子滤波的红外小目标跟踪方法.该方法充分模拟人眼视觉系统对比机制,计算图像局部视觉对比度获得显著图,以局部视觉对比度显著图为粒子滤波跟踪的目标特征,锁定初始帧感兴趣目标区域,提取"九宫格"式目标区域建立跟踪模版,实现对红外图像序列小目标的精确跟踪,并与基于灰度特征的传统粒子滤波跟踪方法进行了对比.实验结果显示,提出的方法能够在低信噪比条件下更稳健地跟踪红外弱小目标.     

噪声干扰下船舶遥感图像的目标边缘检测方法

目前边缘检测方法根据图像极值点筛选图像边缘点,导致检测到的边缘图像不清晰,平均能量值偏低,提出噪声干扰下船舶遥感图像的目标边缘检测方法。采用频域Fourier变换去除图像噪声;选择Canny算子,设计目标边缘检测流程;平滑去噪图像,根据图像边缘梯度极大值点,筛选图像目标边缘点,分割图像目标和背景,实现目标边缘检测。实验结果表明,在1%和10%梯度下的校验噪声模拟的噪声干扰下船舶遥感图像中,研究方法相较此次实验选择的方法,检测到的目标边缘图像平均能量值高。     

基于质心提取的红外图像小目标检测

低信噪比条件下小目标检测技术的研究是红外信息处理中的关键性问题。由于小目标通常属于高频成分,又易于与噪声混杂在一起,更加增加了检测的难度。文章提出了一种基于质心提取的方法对红外小目标进行检测,在对图像不进行滤波的情况下找到目标可能的质心点集合。对这些置信度高的质心点集合进行分类,以确定各个目标的质心以及目标的个数。最后以确定的目标质心点搜索目标边缘,找出其边界并计算出目标的特征参数。该检测方法对噪声也有一定的抑制作用。     

地面红外运动目标图像处理与识别算法分析

为了能在复杂背景环境下发现并识别出感兴趣的红外运动目标,分析了剔除复杂背景的算法,根据目标特性对目标进行检测识别,对运动目标的跟踪判定方法等.通过处理算法能够在复杂背景环境下检测出感兴趣的红外运动目标,有效剔除假目标,增强红外识别系统的识别概率.     

图像块混沌特征在海面运动目标检测中的应用

为了消除舰船目标检测中海面背景的影响,提出了一种基于图像块混沌特征的目标检测算法.该算法利用小数据量法计算图像块的最大Lyapunov指数,分析运动目标存在时背景信号混沌特征的变化,检测淹没在混沌背景信号中的目标信号.实验采用400帧图像进行检测,检测率为100%,虚警率为5%.结果表明,算法能有效地检测出海面背景下的舰船目标.     

改进Retinex的红外舰船图像增强算法

传统Retinex的红外舰船图像增强算法能改善图像的视觉效果,但受环境影响因素大,对复杂红外图像处理效果不明显,为此提出改进Retinex的红外舰船图像增强算法。根据灰度映射特殊函数关系,改进Retinex灰度图像增益关系,改善环境参数变化造成的图像阴影;采用傅里叶频域函数实现逆变增强,通过巴特沃斯频域函数去除低频分量,完成频域图像增强算法改进,从而解决复杂红外图像处理不清问题。实验数据表明,该设计算法比传统算法的分辨力高出63.9%,且能够识别更加复杂的图像信息,消除恶劣环境影响。     

面向无人船的天空区域检测算法

无人船视觉图像受波浪和倒影的影响,水面区域颜色和纹理复杂多变,增加了无人船的视觉感知难度.不同于传统方法处理整个图像,本文研究主要围绕特征相对稳定的天空区域检测任务.根据图像的边缘信息,以及水上场景不同区域的饱和度和亮度分布情况,提出一种基于多信息融合的天空检测算法.首先,为了去除噪声和局部纹理,保留图像不同区域的结构...     

复杂背景下小样本声呐图像目标检测

水下目标检测具有重要意义,在军事和民用领域都发挥着重要作用。实际场景中可以获得的声呐图像非常有限,且声呐图像的信噪比较低,无法得到较好的检测结果。因此,本文引入小样本学习,基于Faster RCNN两阶段目标检测算法,选择不同的策略对模型进行优化,得到了较好的检测结果并验证了小样本目标检测在声呐图像领域的可行性。根据混响对声呐图像的影响进行仿真实验,得到不同混响背景下的声呐图像,对比分析了不同数据集下训练模型的检测性能。实验结果表明,在训练样本中增加混响信号可以提高低信噪比条件下的目标检测精度。     

基于视频信息的港口滞留船舶检测研究

本文研究基于视频信息的港口滞留船舶检测方法,通过港口滞留船舶的精准检测提升港口管理水平。利用多结构形态学滤波方法,滤波处理港口视频图像。选取局部自适应阈值分割方法,将滤波处理后的港口视频图像,划分为前景图像与背景图像。将港口视频的前景图像作为SSD算法的输入,SSD算法利用卷积层提取图像特征,生成默认框,利用固定匹配策略,匹配真实框与默认框,将匹配结果传送至预测网络,利用预测网络输出港口滞留船舶检测结果。实验结果表明,该方法有效检测港口视频信息中的滞留船舶,阴天、黑夜等复杂环境下仍然可以精准检测船舶目标。     

基于红外成像的舰船目标实时检测跟踪方法研究

提出一种基于红外成像的舰船目标实时检测与跟踪方法,首先通过图像增强提高信噪比,增强目标轮廓清晰度;接着对红外图像中的水天线进行检测,确定目标所在的候选区域,在候选区域内完成目标的定位检测;最后通过波门跟踪算法对序列图像中的舰船目标进行跟踪。实验结果表明该方法具有较好的准确性和实时性。     

舰载光电跟踪系统软件优化研究

为了解决与战场环境相适应的红外目标警戒与跟踪问题,在介绍传统的目标检测与跟踪算法基础上,分析了先检测后跟踪算法（DBT）与先跟踪后检测算法（TBD）的优缺点,并结合海空背景下运动目标红外成像特点,提出了一个研究方向—边检测边跟踪算法模型。该模型通过对序列图像中相邻帧间进行匹配,完成一个基本的检测与跟踪过程,与输入单帧图像同步输出目标运动轨迹,适用于舰载光电跟踪仪的软件优化升级,具有较高可靠性、实时性和军事应用价值。     

高分辨率遥感船舶图像细粒度检测方法

船舶图像细粒度检测是高分辨遥感图像分析的难题,受船舶尺寸、陆地背景、光照、风浪等因素影响,易降低图像检测的准确性.为克服船舶目标识别的影响因素,针对不同类型和型号的船舶目标检测建起特征提取算法模型,提升最终的识别精度.本文提出一种基于深度学习的船舶图像细粒度检测方法,将深度学习算法应用到高分辨率遥感图像中,借助算法训练...     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

基于Kinect和直方图均衡化的红外图像增强算法

在复杂海域上船舶的红外图像分辨率低、对比度弱、视觉特性差,研究红外图像增强算法对于进行船舶检测、跟踪和识别具有理论意义和实用价值。本文首先通过Kinect获取到红外图像的深度图像,根据景深的不同把船舶和背景区域分离出来;然后设定初始阈值,进行冗余灰度压缩、幂指数拉伸和直方图均衡后将图像的像素等间距的排列在相应的灰度级上;最后通过引入模糊指数进行图像增强效果验证。实验效果表明,经过图像增强算法图像的清晰度和对比度提高。     

基于特征的单帧红外小目标检测

针对红外小目标自身的特点,给出了一种改进的检测方法：首先通过低通滤波进行预处理,然后保留灰度值大于预处理图像均值的点。由于小目标在红外图像上所占像素很少且是区域能量较高的点,遍历整幅图像,滤除连续的像素点,得到小目标或斑目标,为了进一步检测分割出候选目标点,考虑到目标点的局部能量较大的特征,通过合理的设定阈值,缩小目标点的范围,为后续目标轨迹的检测提供基础。     

一种改进的分数阶Fourier变换目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行,如果信号和背景噪声有很强的时频耦合,就难于在时频域得到好的检测结果。对此提出了分数阶Fourier变换检测算法做出改进,新的算法具有解除时频耦合和抑制噪声的特性,当选择合适的旋转角度使之与处理信号相匹配,就可以在分数阶Fourier域获得较好的检测结果。仿真实验中利用改进的分数阶Fourier变换算法对运动目标进行检测,结果表明新的分数阶Fourier算法的检测性能优于原分数阶Fourier变换。     

基于红外图像的海上船舶特征识别算法研究

传统海上船舶特征识别算法受到可见光强弱的影响,在暗光条件下对船舶图像识别能力远远不如白天,加之船舶搜救等应用场景多为夜晚。因此,提出基于红外图像的海上船舶特征识别算法研究。首先,基于红外图像识别算法,将红外识别与可见光参量进行高精度融合计算;其次,对融合后的红外识别特征参量进行增强计算;最后,通过粒子群算法对大场景中的目标进行特征绑定,从而实现暗光条件下快速准确识别船舶特征的效果。通过实验对提出算法进行测试对比,证明提出算法在暗光条件下对船舶特征的识别能力高于传统识别算法。     

背景纹理模型在海面舰船目标检测中的应用研究

随着我国海洋贸易的快速增长,各种用途的船舶航行在广阔的海洋上,船舶的分工用途也越来越复杂,在船舶的航行安全领域,往往需要人工对水面的船只进行不间断的监测,这大大增加了航运成本。为了有效提高船舶的航行安全,改善航道的使用效率,本文提出了基于背景纹理检测的船只目标检测算法,通过传感器设备,计算机能够自动将背景和目标船只进行分离,然后结合噪声优化算法,有效提高了船只的检测效率。尤其在复杂的背景环境中,舰船目标的检测也变得更加容易。文末对该算法的保真度和杂散检测能力进行仿真,并通过分析仿真曲线,提出一些改进措施,以提高模型的检测效果。