一种快速有效的红外图像中海天线提取算法

针对海天红外图像的特点,提出一种快速有效的海天线提取方法。首先通过模板运算在大尺度上对图像进行预处理来增强海天线区域的图像梯度值,然后为了减小水面波纹和噪声的干扰,设计了一种非线性分割方法对图像进行处理,最后对图像进行行扫描找出海天线的位置。实验结果验证了该方法的简单有效性,抗干扰能力强,易于工程上应用。

全景图像海天线提取及舰船目标自动检测

为实现海洋环境下全景摄像机自动目标检测,提出了一种全景图像海天线提取算法及海天线上舰船目标检测方法;首先,分析了全景图像中海天线的成像特点,使用基于分区的自适应阈值Canny边缘检测算法进行边缘检测,并对海天线边缘进行双阈值梯度方向过滤;然后,对图像边缘进行细化,提出了基于最长曲线法的海天线边缘提取算法并进行椭圆拟合得到海天线边缘成像椭圆方程;最后,介绍了根据海天线椭圆方程对海天线上舰船目标进行检测的方法;使用3种不同海洋环境下拍摄的图像进行了实际测试,实验结果表明:该方法可有效地检测出复杂海天背景下的海天线及海天线上舰船目标,海天线提取成功率可达95%以上,对径向成像高度超过10个像素的目标识别成功率可达90%。

低对比度条件下基于能量积累和Gabor变换的海天线提取

为了解决基于边缘检测和Hough变换传统方法不能正确检测出低对比度条件下的海天线问题,提出了先采用多帧能量积累方法提高红外图像对比度,然后运用Gabor变换和Gabor多通道滤波器滤除图像干扰部分和凸显图像中的海天线部分,最后使用边缘检测和Hough变换实现海天线的提取。通过对实际海面低对比度条件下红外图像进行海天线提取实验,验证了所提方法的可行性和有效性。

利用局部直线段模糊投票的低SNR海天线提取方法

提出了一种采用"假设-检验"策略的海天线提取新方法。在假设阶段,提出了一种新的直线段Hough变换检测疑似海天线。首先,以局部直线段为整体估计直线参数,理论推导证明此时估计误差方差远小于各边缘点独立估计时误差方差的平均值。其次,针对残余估计误差,设计了局部直线段模糊投票策略,实现全局直线段的投票聚类。最后,检测峰值点形成疑似海天线假设。在检验阶段,提出了三类新特征描述海天线与海杂波的属性差异,并采用SVM分类器识别海天线。该方法提取低信噪比海天线准确,识别正确率高,仿真和实测数据的实验结果验证了所提方法的有效性。

全景海域图像中的圆形海天线提取

针对全景海域图像背景复杂且海天线呈近似圆形的特点,提出了一种基于分形维数和改进Hough圆变换的全景海天线提取算法。该算法首先通过地毯覆盖法计算海域全景图像的分形维数,并据此提取出全景采集装置等设备在全景图像中的成像,消除其对海天线检测的不良影响。针对经典的梯度Hough圆变换算法提取全景海天线时无法给出唯一正确解的问题,提出了一种改进的Hough圆变换算法来有效提取全景海天线。对400幅不同情况下采集的全景海域图像进行了实验。结果表明,提出的算法在理想情况、海天线部分缺失、低对比度和海天线大范围断裂等多种情况下均可以有效提取出全景圆形海天线,检测准确率达95.75%,适用性和鲁棒性良好。

低SNR海天线提取算法

针对海天线SNR低且有一定倾角难于提取的问题,提出一种新的海天线提取算法。在预处理阶段,利用Laplacian模板对海面的波纹进行增强,然后使用顺序滤波与数学形态学相结合的方法增加海面波纹的面积与灰度,预处理后增大了海面与天空的灰度差,海天线的SNR提升70%以上;最后,设计了一种斜线查找矩阵,通过对图像行扫描生成该矩阵,矩阵最大值的横纵坐标即为海天线的位置和角度。实测数据的试验结果验证了该方法的有效性且算法运算简单,易于工程应用。创新点在于使用模板运算与形态学相结合的方法提高了海天线SNR并设计了斜线查找矩阵可以简单地定位海天线的位置和角度,减少了计算复杂度。

基于海天线提取和混合灰度差的船舶检测方法

为了快速、准确检测海天背景下远距离水平观测的船舶目标,提出了一种基于海天线提取和混合灰度差的船舶检测方法。首先,利用边缘检测算法将图像分为天空、海天线和海面三个区域,并根据海天区域连接点,采用直线拟合方法确定海天线的直线参数;然后提取海天线区域作为目标感兴趣区域,并在去除海面杂波和噪声等干扰后利用混合灰度差水平投影和垂直投影来定位目标;最后,根据投影曲线统计值分析得到目标的坐标和大小。实验结果表明,该方法可以有效检测出海天背景下远距离水平观测的船舶目标,并且运算简单、处理速度快,因此能够满足船舶目标检测的实时处理要求。

基于局部二元模式的海天线提取方法研究

为了解决海天背景下舰船红外及可见光波段图像目标识别问题,文章提出了一种基于局部二元模式的海天线提取算法。首先通过方差分析,对图像进行预处理,然后对图像进行局部二元模式分解,最后通过HOUGH变换方法求解图像的海天线。试验结果表明:算法在低对比度、天空有大量云层、海面杂波较多以及天空和海面出现分层且海面有物体噪声等多组实验条件下,都有着良好的适应性和鲁棒性,适于工程应用。

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。

船载折反射全景视觉系统电子稳像算法

为解决船载全景视觉系统在视频采集过程中的图像晃动问题,提出了一种基于海天线的电子稳像算法。根据全景图像中海天线成像特点,提出了一种最优边缘估计算法计算海天线成像椭圆方程。建立了基于海天线的全景图像稳像模型,介绍了海天线稳像算法的实现,并给出了使用关键帧对稳像无效区域的重建方法。使用实际海洋环境下拍摄的海上全景图像序列进行了验证分析,实验结果表明:该算法对船载全景视觉系统采集的视频图像稳像快速、有效,平均计算时间小于50ms,实际应用效果良好。

多目标舰船自动跟踪方法研究

目前针对背景复杂的海上舰船作为跟踪对象的跟踪算法研究较少。另外,多目标跟踪算法在变化频繁的背景条件下的精确性和实时性不足。为了提高多目标舰船跟踪的视觉跟踪算法的实时性和鲁棒性,本文提出了一种改进的基于TLD(Tracking-Learning-Detection)多目标舰船自动跟踪算法。该算法实现了海上多个目标舰船准确实时跟踪。首先,算法应用海天线检测与提取方法,利用最大类间方差阈值分割和Hough变换提取海天线;其次,算法利用Kalman滤波原理对海天线上的目标舰船进行定位与检测,分离出目标舰船;最后通过提取出来的目标用其最小外接矩形生成目标初始跟踪框,跟踪器利用初始跟踪框的位置坐标信息对目标进行实时自动跟踪。算法运行过程中都在海天线附近进行扫描检测,缩小了图像遍历范围,提高了算法的实时性。实验表明,通过对比典型的Mean-shift算法以及原始TLD目标跟踪算法,本文算法跟踪结果的精度较高,实时性较好。

基于形态学处理和最小二乘法的海天线检测算法

海天线的检测和提取是舰船红外图像处理中的一个重要内容,在综合分析比较基于边缘检测、图像分割以及小波变换多尺度分析等多种海天线检测算法优缺点的基础上,提出一种基于形态学处理和最小二乘法的算法,仿真分析表明此算法能适应含有各种干扰的海面背景环境,鲁棒性好,并且提取精度高,能精确定位海天线。

一种复杂海天背景下红外弱小目标检测算法

红外弱小目标的检测是红外搜索跟踪系统(IRST)中的一项关键技术,常用的目标检测算法存在受海杂波严重、虚警率较高等问题,分析了海天背景下红外图像的背景、小目标的特征,提出了一种海杂波背景下的红外小目标检测算法。首先统计图像的行均值和梯度,用最小二乘法拟合出海天线,然后利用形态学算子抑制图像背景,并采用自适应阈值将图像二值化,最后分析图像的梯度特征,抑制海杂波和云层的干扰。实验结果表明,该方法能精确地提取海天线,稳定地提取海天背景下的弱小目标,虚警率低于5%,目标检测概率超过97%。