复杂海空背景下弱小目标的快速自动检测

针对海面运动载体的可见光序列图像,结合复杂海空背景图像的特点,提出了一种不以检测海天线为前提的弱小目标检测方法。首先,修复图像中被高亮度噪声损毁的部分,如曝光区域或反光区域;接着,量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,据此来判断海天线区域是否存在,若存在则预测海天线区域的位置,否则放弃后续处理;然后,采取Mean-shift分割算法中先滤波后聚类的策略,使用周围纹理抑制滤波来平滑海天线区域,并以像素点和点集为单位对平滑图像进行聚类;最后,将最大面积区域与其他区域分离来二值化图像,完成目标提取。试验证明,该方法能够很好地定位目标信息,单帧处理平均耗时为35ms,具有准确性和实时性。

基于梯度信息融合的海面红外目标实时检测

针对海面红外序列图像的特点,提出一种适用于海天背景和海岸背景的目标检测方法。该方法不需要进行特殊的预处理来滤除图像噪声,首先量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,从而预测出海界限区域的位置;然后利用改进Canny算子提取轮廓边缘,突出海界线特征,降低其他纹理的干扰,再进行Hough变换,提取出海界线;最后提出泛化梯度概念,通过融合的梯度信息,联合海界线的位置,进行海面目标标记。实验表明,所提方法能准确地定位海界限区域以及水平或倾斜的海界线,并快速精确地提取红外海面目标。整个过程的平均花费时间约为60 ms,具备很好的鲁棒性和实时性。

海面目标自适应实时检测

针对海面运动载体所获得的可见光序列图像及图像自身特点,提出了一种既适应于海天背景下的小目标而又适应于海岸背景下的大目标的目标快速自动检测方法.首先,量化子图像的区域复杂度以及单元区域上、下邻域的灰度差异,以预测并定位海界限区域,摒弃不含海界限区域的图像;采用周围纹理抑制方法改进的Canny算子提取海界限区域的主要轮廓,并进行Hough变换而提取海天线或海岸线;依据海界线上的灰度环境判断背景,在划定线附近的局部区域,凭借该区域内海面灰度的平缓特性而对其进行聚类提取目标;分析剩余海面灰度的统计特征,求取属于海面区域的灰度范围,快速区分海面区域和非海面区域;最后,进行后续处理,以剔除伪目标并标记真实目标.结果表明,该方法处理单帧图像的平均耗时在100ms以内,具有较好的准确性和实时性.

基于海面可见光图像的海界线快速检测

针对海面运动载体的可见光序列图像,紧密结合海面图像的特点,提出了一种适用于海天背景和海岸背景的海界线检测方法。根据量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,来判断海界线区域是否存在,若存在则预测海界线区域的位置,若不存在则放弃后续处理。由于海界线是自然视野中最长的连续性最好的直线,所以先利用周围纹理抑制的改进Canny算子提取轮廓边缘,然后对Hough变换进行投票加权,精细检测水平或倾斜的海界线。实验证明,该方法能够快速定位海界线区域,并得出既包含有效信息又大幅缩减了无意义信息的二值图像,可在轮廓边缘中准确找到海界线,具有很好的稳健性和实时性,可以应用于需要精确的海界线信息的工程任务中。