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。     

云平台和神经网络的舰船目标检测

为了解决当前舰船目标检测过程中存在的检测误差、检测实时性差的缺点,设计了一种云平台和神经网络的舰船目标检测方法。首先采用混合高斯模型对舰船目标所在区域进行获取,然后采用粒子滤波算法对舰船目标进行跟踪和检测,并采用神经网络对舰船目标粒子滤波算法的权值进行优化和更新操作,解决粒子滤波算法的缺陷,最后基于云平台对舰船目标检测方法进行了设计,并进行了舰船目标检测仿真模拟实验。结果表明,本文方法可以对各种环境中的舰船目标进行准确的检测,提高了舰船目标检测的鲁棒性,而且舰船目标检测实时性也得到了明显的改善,克服了当前舰船目标检测方法存在的缺陷,是一种有效的舰船目标检测方法。     

云环境舰船目标检测与跟踪

目标检测与跟踪是舰船应用中的一个重要研究方向,针对当前舰船目标检测与跟踪存在的一些难题,为提高舰船目标检测与跟踪效果,设计了一种云环境下的舰船目标检测与跟踪方法。首先收集舰船目标检测与跟踪的数据,并对舰船目标的背景进行建模,然后采用卡尔曼滤波算法实现舰船目标检测与跟踪,并利用云环境作为舰船目标检测与跟踪的平台,最后在Matlab 2016平台上进行仿真实验,测试舰船目标检测与跟踪的效果,本文方法的舰船目标跟踪精度高,具有良好的舰船目标跟踪实时性。     

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.     

基于机器学习的多光谱舰船图像异常目标检测方法

针对现有舰船异常目标检测方法,出现高相似度异常目标辨识度低的问题。提出基于机器学习的多光谱舰船图像异常目标检测方法,基于机器学习技术,对现有图像分析算法进行优化改进,通过采用多光谱AI协同CRD算法对图像构成原子进行划类提取,明确目标图像边缘。在此基础上,利用精准图源RX处理算法,精准确认图像内异常目标特征,完成提出的方法设计。对比实验证明,提出的基于机器学习的多光谱舰船图像异常目标检测方法,能够准确识别恶劣环境下的图像目标异常,具备高精度识别高相似度图像内的异常目标的要求,并且在处理速度、运算稳定性与后期学习能力上都优于传统舰船图像异常目标检测方法。     

基于参数优化小波变化的舰船目标检测方法

常见的舰船目标检测方法是通过对雷达的回波信号进行分析,优化舰船目标检测模型。本文结合小波变换算法,重新构建了舰船目标的检测模型,对目标检测的数据进行了分析。通过迭代优化,对小波变换模型中的参数进行了调制。实验结果表明,基于小波变换的舰船目标检测模型具有很强的适应能力,能够显著提高目标检测能力。     

节点信息融合的舰船目标跟踪算法

舰船目标跟踪成为各国关注的热点,针对当前舰船目标跟踪算法存在的跟踪速度慢、跟踪精度低等缺陷,以提高舰船目标跟踪效果为目标,设计了基于节点信息融合的舰船目标跟踪算法。首先采用多个传感器对舰船目标状态信息进行收集,并对信息进行一定融合,减少舰船目标状态信息的重复率,然后引入跟踪-学习-检测技术对舰船目标进行跟踪,最后采用舰船目标跟踪实验测试其性能。结果表明,本文算法可以动态、准确地对舰船目标进行检测和跟踪,相对于当前其他舰船目标跟踪算法,无论是跟踪精度或者是跟踪实时,均具有十分明显的优势。     

基于机器学习算法的舰船影像处理算法

在海上运输中,舰船是最为重要的工具之一,并且也是军事活动中的重点打击目标,因此,对舰船进行快速准确地检测与识别尤为必要。遥感影像的出现,为目标检测与识别提供了强有力的支撑,在促进舰船目标检测水平提升方面具有不可替代的作用。由于遥感影像的处理过程较为复杂,为此,可在具体的处理时引入机器学习算法。基于此点,本文从机器学习及其相关算法的分析入手,详细论述了基于机器学习算法的舰船影像处理算法。     

物联网结构在舰船多目标检测系统中的研究

舰船多目标检测系统是海上军事领域的重要研究方向之一。随着物联网技术的发展,无线传感网络在舰船多目标识别系统中的应用越来越广,其无线传感网络的节能问题﹑通信带宽及信道衰落都影响着目标检测系统的时效性及准确性。本文研究现有的多传感器网络的目标检测系统原理,重点分析基于舰船纯方位角度的多目标检测跟踪算法,并利用UFK方法对算法中的非线性扰动问题进行分析,解决多目标检测中的滑动窗口稳定性问题,最后进行仿真。     

光学遥感图像舰船目标检测算法研究

针对航天图像舰船目标快速检测问题,本文提出了一种复杂海洋背景中舰船目标的快速提取,舰船尾迹的检测及目标检测算法。根据人类视觉注意机制,把梯度作为视觉注意前期的简单特征,然后以开尔文尾迹为主要依据,以区域灰度方差表示纹理粗糙度,进行舰船尾迹识别,最后分析舰船检测的原则和主要特征,提出舰船目标检测流程,并进行目标检测实验,实现准确的尾迹识别和目标检测。     

舰船网络入侵目标检测效率优化方法分析

传统舰船网络入侵目标检测方法存在检测效率偏低的问题,因此提出舰船网络入侵目标检测效率优化方法分析。通过对网络入侵目标的函数定位计算,锁定入侵目标信号波;对锁定的信号波进行熵值得特征计算,得到入侵信号的特征熵值信息。根据得到的熵值信息对粒子检测算法进行优化计算,提升入侵目标检测效率。通过设计仿真实验场景,对提出设计方法进行对比测试,证明提出的舰船网络入侵目标检测效率优化方法,具有提升舰船网络入侵目标检测效率的作用。     

舰船目标ISAR成像研究

由于海浪的影响造成海上舰船运动形式复杂多变,因此要获取高质量舰船目标逆合成孔径雷达(ISAR)的图像非常困难。本文对基本的舰船目标运动模式下ISAR成像问题展开研究。首先分析舰船目标的转动模式,建立3种基本的转动形式的数学模型。研究距离-多普勒(R-D)算法在该运动形式下的ISAR成像。通过仿真实验证明R-D算法可以获取较高质量的小幅度舰船转动ISAR图像。     

SAR图像舰船目标双阈值快速CFAR检测算法

针对舰船检测的高效性现实需求,本文提出了改进的舰船目标CFAR检测算法。在全局阈值的基础上,利用第一虚警率检测出超过全局阈值的像素点,将超过全局阈值的像素点视作疑似目标点,将低于全局阈值的像素点视作杂波点。在局部窗口检测过程中,引入筛选机制,设置第二虚警率,将背景窗口中的疑似像素目标剔除得到最终的检测结果。该算法计算量少,并且改善了多目标环境下的检测性能,消除了泄露到背景窗口中的目标像素对杂波统计特性的影响。仿真结果表明算法的有效性。     

基于改进Faster R-CNN的SAR舰船图像检测

针对传统的SAR舰船检测算法适应能力和准确率低的问题,提出一种基于改进Faster R-CNN的SAR舰船图像检测算法.改进后的算法以FasterR-CNN为检测框架,利用改进的k-means算法设计更适合舰船目标形状特点的先验锚点框;优化NMS算法以剔除重叠区域的舰船候选框,改善了舰船距离较近导致的漏检问题;同时引入Mask R-CNN算法中的RoI Align单元来消除特征图与原始图像的映射偏差.试验结果表明,改进后的算法相比 Faster R-CNN算法平均检测精度提升5.1％,达到86.64％,可以达到船舶数据量庞大情形下的检测要求.     

纹理高阶分形特征的海面舰船目标检测方法

为了提高海面舰船目标检测效果,提出纹理高阶分形特征的海面舰船目标检测方法。首先分析海面舰船目标检测原理,并对海面舰船目标图像进行处理,然后提取海面舰船目标检测的纹理高阶分形特征,并引入卷积神经网络分析海面舰船目标的变化特点,从而建立海面舰船目标检测模型,最后通过仿真实验分析海面舰船目标检测的效果。结果表明,对复杂背景的海面舰船目标,本文方法不仅提升了海面舰船目标检测的准确性,解决了海面舰船目标漏检的难题,而且海面舰船目标检测速度明显加快,可以实现海面舰船目标实时监控。     

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。     

高性能处理器DM6446下的舰船目标识别算法

介绍舰船噪声的频谱特性,并通过对频谱特性分析,研究舰船目标识别算法的可行性,最终选用DEMON谱分析与轴频提取算法作为舰船目标识别的实现方式。考虑到算法的数据处理,软硬件平台及设计选用TI公司基于DM6446高性能处理器TY-DM6446-1000开发板进行舰船目标识别算法研究,并对该算法的实验数据进行测试统计。结果显示,该算法能够实现对舰船目标特征提取和目标的精确识别,可满足应用要求。     

基于极限学习机的舰船网络入侵检测算法

针对传统网络入侵检测算法在舰船网络中存在的检测误差高的问题,提出基于极限学习机的舰船网络入侵检测算法。构建舰船通信网络模型,在该模型下实时采集通信数据并对其进行预处理。将采集的数据作为输入项,利用极限学习机算法提取网络入侵特征。根据网络入侵行为设置行为特征标准,结合舰船网络入侵节点聚集度的计算结果,得出舰船网络入侵检测结果。通过与传统入侵检测算法的对比发现,设计算法的检测误差有所降低,即入侵检测精度得到提升。     

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。     

虚拟现实技术舰船高速航行图像目标检测算法

针对常规算法所得检测结果的中心位置偏差较大,导致检测精度低下的问题,提出虚拟现实技术舰船高速航行图像目标检测算法研究。参考人眼的视觉习惯,将采集到的图像灰度化处理,利用均值滤波法抑制噪声,改善图像质量,利用虚拟现实技术,计算目标点三维坐标值,定位图像目标,提取特征确定检测区域,调整融合系数,增强抗干扰能力,实现舰船高速航行图像目标检测。设计对照实验,与常规算法对比分析,实验结果表明,所提出的算法检测结果中心位置偏差明显减小,其检测精度远优于常规算法。