基于无人机图像的实时人工目标检测

从无人机飞行时获得的图像中实时地判断出自然目标和人工目标是许多想定任务的基本需求,例如从海洋中检测出船只、从树丛中检测出车辆以及从自然环境中检测出建筑物和其他人造目标等。然而在实时处理中,图像处理过程总是受到计算时间及计算能力的限制,这就需要研究那些特性并能更好地用来区分人工目标和自然目标。探讨了基于色彩之外的其他特性来区分人工目标的方法,并给出一种所需计算量较小的简单算法。

区域分形与人工目标检测

自然背景下的人工目标检测和分割，一直是困扰模式识别和计算机视觉的难题．自然背景的复杂的纹理特征，以及其他一些因素的影响，使得人工目标的分割变得非常困难．在分水岭算法的基础上，提出了基于分形理论的区域分形特征的分析方法。

基于分形增强及孤立森林的声呐数据目标检测

针对现有声呐图像检测和判读目标精度不足的问题,提出一种基于分形维数增强及孤立森林算法的声呐数据人工目标检测算法。利用分形理论,首先计算原始声呐数据的位置及强度信号的分形特征,并将四维声呐数据提升至五维;然后利用增强后的五维数据构建孤立森林树型结构;最终采用遗传算法(genetic algorithm,GA)对孤立森林分离树的大小和数量进行自适应寻优,完成高精度的人工目标检测。基于真实海底地形声呐数据,所提算法能够同时准确检测多点虚拟人工目标,其准确率、模型评估指标(area under curve,AUC)等指标均优于现有方法。

SAR图像点目标检测新方法

分析了2L-IHP目标检测算法,提出了一种基于幅度和相位信息的SAR图像目标检测方法,实现了SAR图像中人工目标的有效检测。