结合局部纹理特征滤波的海天线检测方法

针对视频监测下海天线检测图像易出现的海天对比度低、海上物体、海雾、海浪及云层等干扰条件引起的图像模糊和海天线遮挡问题,提出一种基于偏心邻域的灰度共生矩阵对比度滤波的梯度域下海天线检测方法。方法设计使用上下两方向偏心盒状滤波器获取图像的对比度梯度值图,利用滑动窗对分块图像搜索梯度极大值候选位置,根据设计策略通过构建海天线参数的概率统计模型提取拟合直线作为检测结果。仿真实验表明,本文方法能提升视觉图像下含多景物等干扰的复杂场景海天线检测的准确率,与同类方法相比提升7.69%。

基于L0梯度平滑与图像分块聚类的海天线检测

海天线检测在海洋工程安防活动中具有重要的意义,真实海洋环境中的海天线检测易受云朵、海浪、光照变化、目标遮挡物、边界模糊等外界干扰。为了实现对真实海洋环境中海天线的检测,本研究提出一种基于L0梯度平滑和图像分块聚类的海天线检测算法。首先,对图像进行L0梯度平滑滤波,以增强海天线边缘,弱化非海天线因素干扰;接着,将图像沿着竖直方向分割成若干等宽图像块,以降低整体环境干扰,加强局部海天线检测效果;然后,通过Canny算子和霍夫变换提取每个分割图像块中的直线段;最后,采取K-means聚类算法提取每个图像块中的海天线段,拟合生成完整海天线。实验结果表明,在真实的海天线数据集中,本研究方法获取的矩形框重叠率平均精度为93.22%,角度差平均精度为7.66%,均高于文中选取的近年典型对比算法。满足实际海天线检测抗干扰强、准确率高、适应性广等要求。

基于海天线的红外掠海小目标跟踪

针对红外掠海小目标对比度低,容易受到噪声、海面杂波、云层等干扰,导致跟踪失败的问题,提出了一种基于海天线的红外掠海小目标跟踪方法。通过对红外成像系统进行分析,利用拉普拉斯滤波抑制背景噪声,根据图像中海天线的位置信息,确定目标所在区域并进行目标检测。检测出可疑目标后,利用其灰度、尺寸、面积等特征信息,选出真实目标进行跟踪。实验结果表明,该算法对红外掠海小目标有很好的跟踪效果。

轻量化改进网络的海天线检测模型

海天线检测在无人艇自动驾驶与海上目标识别领域具有重要作用。针对传统算法在各类场景下鲁棒性差的问题,提出一种基于目标识别算法的海天线检测模型YOLOv5-SH。该模型利用ShuffleNetV2网络单元搭建特征提取网络,替换YOLOv5模型的骨干网络,提取图像中海天线区域,再利用Hough变换的方法在其中进行线性检测,识别海天线。在自建数据集上的对比实验结果表明,YOLOv5-SH模型能够在各类场景下实时准确检测海天线。

基于海天线标定的海上单目测距方法

为解决海上单目图像测距难的问题,提高对海上图像的信息挖掘程度,提出一种单目测距方法。在海天线检测和位姿解算单目测距技术的基础上,通过图像中的海天线对相机位姿进行标定,获取相机外参;再结合提前标定的相机内参,构建目标与相机在成像空间中的几何关系模型;考虑地球曲率影响,推导出了基于海天线标定的海上实时单目测距方法;最后利用蒙特卡罗法对测距模型进行仿真,分析了其误差特性。

基于偏振差分图像的海天线检测方法

针对低对比度红外图像中海天线检测困难,且易受云层、条状波浪和海杂波等干扰因素影响的问题,提出了一种采用偏振差分图像进行海天线检测的方法。首先,利用偏振差分方法增强海面区域的局部对比度和海天线的信噪比;其次,对偏振差分图像采用大尺度的局部对比度累加方法确定海天线区域;最后,在海天线区域中采用梯度显著性及多项式拟合方法完成小尺度的海天线精确检测。该方法将偏振度、偏振角等多维信息融入海天线检测,并采用了大尺度与小尺度相结合的检测方法,能够有效克服云层、条状波浪和海杂波等因素的干扰。实验结果表明该算法的海天线检测准确率为98.5%,平均耗时16 ms,能够实现快速、准确的海天线检测,具有较强的场景适用性。

基于复杂海空背景行均值曲线的海天线定位算法

复杂海空背景下红外舰船目标总是出现在海天线附近,因此获取海天线位置能确定目标的潜在区域。利用海天线区域在背景灰度上的渐变特性,提出了一种海天线定位方法,该方法首先运用形态学开运算抑制高频目标和杂波、提取平滑背景;然后采用背景行均值曲线首次突降区间检测算法,定位出一个窄的海天线区域,其中线即为工程误差范围内的近似海天线。实验结果表明,该海天线定位算法准确率高、适应于复杂海天环境。

复杂海空背景下鲁棒的海天线检测算法研究

海天线检测是研究成像型反舰导弹末制导技术的一项重要内容。本文深入地探讨了海空背景下的海天线检测问题。考虑到海天线为直线模型,提出了一种鲁棒的海天线检测算法。首先用方向梯度算子得到差分图像,然后基于边缘阈值策略二值化图像,最后方向细化并采用Hough变换检测海天线。实验表明,该方法战场适应性好,定位精度高,可以有效地检测出各种复杂海空背景下的海天线,为进一步应用(诸如目标识别、图像配准)奠定了良好的基础。

舰船目标海天线提取方法研究

针对反舰红外成像导弹舰船目标的成像特点 ,提出使用邻域平均和对比度扩展相结合的方法进行预处理以抑制背景、增强目标 ,进而利用改进的直线拟合法进行海天线的提取。结果表明 ,该方法能够有效地确定舰船目标红外图像中的海天线区域 ,保证了目标分割的有效性和实时性。

基于结构森林边缘检测和Hough变换的海天线检测

海天线是海面环境图像所具有的重要特征之一,海天线的检测对划分海空、海界区域以及目标检测有重要作用.提出了一种结合结构森林快速边缘检测和概率Hough变换的海天线检测方法.首先通过高斯低通滤波来减小海面浪纹、光照反射等局部纹理影响,然后使用已完成训练的结构化随机森林为每个像素贴上边缘标签——二值化,最后通过Hough变换原理拟合海天线.实验结果表明,该方法可以较好地忽略局部干扰边缘,强化边界提取,对复杂海天背景下的海天线检测具备鲁棒性和高准确性.

基于区域方差和RANSAC的海天线检测新方法

针对海空背景图像中海天线的检测问题,提出了一种基于区域方差和RANSAC算法的新方法。该方法首先搜寻图像中设定区域内方差最大值的位置,并以此确定出若干海天线候选点坐标,然后结合RANSAC算法求取海天线直线参数。实验证明,该方法能有效地检测出复杂海空背景下的海天线,具有鲁棒性强、运算速度快、工程实用价值高等优点。

基于局部Otsu分割与Hough变换的海天线检测

海面波浪、船只与光照等因素的影响,使得可见光海面图像中的海天线难以被准确检测。为提高海天线检测的准确性与鲁棒性,提出了基于局部Otsu分割与Hough变换的海天线检测方法。首先,通过纵向中值滤波快速地抑制灰度图像中的光斑等高频噪声。然后,根据图像特点进行纵向分块处理来补偿光照的不均匀性并将船只的干扰范围限定在部分图像块中,再进行局部Otsu分割得到二值图像并提取其中的边缘像素,抑制了波浪边缘的干扰。最后,采用Hough变换拟合边缘像素以得到海天线。实验结果表明所提方法具有较高的准确性、鲁棒性与实时性,其检测准确率达93.0%,显著高于三种代表性的海天线检测方法。

基于Se am Carving的海天线检测算法

海天线在远距离舰船目标检测中具有重要参考价值。目前,主要的海天线检测算法有直线拟合法、基于加权信息熵、Hough直线检测等,这些算法不同程度地存在运算量较大、应用场合受限等缺点。文中通过研究Seam Carving原理,将该原理运用到图像中最高能量线的检测,通过计算图像中各点的梯度幅值,采用动态规划技术搜索最高能量线,实现了海天线的检测。实验结果表明,该算法不仅具有较高的检测率,同时具有适用范围广、运算量小、实时性强等特点。

基于相位编组和灰度统计的海天线检测

针对复杂海空背景图像中的海天线检测问题,提出了一种基于相位编组和灰度统计的新方法。首先,在边缘图像的基础上运用相位编组算法,得到大量的直线段。然后,根据直线段的图像倾角和到图像原点的距离两个参数对这些直线段进行分类,并选取直线段长度总和最大的若干个类,用这些类中的所有边缘点进行直线拟合,得到若干条候选海天线。最后,通过比较对应于相同水平坐标且以候选海天线上的点为中心的区域的灰度统计值,确定出正确的海天线。大量的实验结果证明,该方法能有效地检测出复杂海空背景下的海天线,具有较强的鲁棒性。

基于分形特征和Hough变换的海天线检测算法

海天线检测是研究成像型反舰导弹末制导技术的一项重要内容.首先深入地探讨了海空背景下的海天线检测问题,然后提出了基于分形特征和Hough变换的海天线检测算法.实验表明,算法精度高,可以有效地检测出复杂海空背景下的海天线,为进一步应用(如目标识别、图像配准)奠定了良好的基础.

基于纹理特征分析的海天线检测方法

为抑制海空背景干扰和提高舰船检测速度,提出一种基于纹理特征分析的海天线检测方法。分析了典型红外海空背景下海天线区域的纹理分布特征,建立了适用于海天线检测的纹理模型。通过梯度特征计算和聚类分析找出图像中的候选直线位置,比较其纹理参数并准确检测出海天线。对多种复杂背景红外海空图像的实验表明,该方法适应面广,计算简便,具有很好的抗干扰能力。

基于相位编组的Hough变换提取海天线算法

海天线提取是研究海天背景条件下目标跟踪的一项重要内容。考虑到海天背景的多样性,首先分析了现有算法的缺点,然后提出了一种适应性较好的海天线提取算法。算法首先用中值滤波去除云层和海杂波等噪声,然后利用基于相位编组的Hough变换提取出海天线。由于算法融合了相位编组和Hough变换两者的优点,所以该方法不但能提取出低对比度下的海天线,而且还具有强的抗干扰性,克服了相位编组和Hough变换各自的缺点。实验结果证明,该方法能提取出简单和复杂背景中的海天线,适应性好、鲁棒性强、定位准确,降低了后续目标跟踪的复杂度。

一种基于海天线检测的舰船定位方法

针对成像型反舰导弹所获光学图像目标的特点,提出了一种定位海天线上舰船目标的方法。该方法综合运用Laplacian-Gauss边缘检测、OTSU算法以及Hough变换等数字图像处理技术,从光学图像中检测出海天线,进而利用海天线信息定位海天线区域中的舰船目标。仿真实验结果表明,该方法能够有效地确定舰船目标在海天线区域中的位置,保证了目标分割的正确性。

利用模糊综合评判技术提取红外图像海天线

海天线检测是红外图像自动目标识别技术的一项重要内容。本文深入分析了海天背景红外图像的特点,提出了一种基于四项特征评分因子的海天线模糊识别算法。首先对梯度图进行Radon变换以提取候选海天线,然后联合候选海天线四种特征信息进行模糊综合评判,最后根据评判值大小给出海天线识别结果。算法对比和实测数据结果表明,该方法适用范围广,抗噪声和抗干扰能力强,识别率高,可以有效地检测出各种复杂海天背景下的海天线,为进一步应用(如目标识别)奠定了良好的基础。

海天线上舰船定位算法研究

针对成像型反舰导弹所获光学图像目标的特点,提出了一种海天线上舰船目标定位算法.该算法利用Can-ny边缘检测算法和OTSU算法对图像进行预处理,再利用投影法检测出海天线及舰船图像的上边缘,进而用一元线性回归方程拟合得到海天线方程,最后利用海天线信息定位海天线区域中的舰船目标.实验结果表明,该方法能够有效地确定海天线以及舰船目标在海天线区域中的位置,并且计算量小于已有的方法.