基于谱残差和梯度纹理融合特征的舰船检测

本文提出一种谱残差和梯度纹理融合特征来检测可见光遥感图像中复杂海面背景下的舰船目标。首先,使用谱残差模型定位疑似舰船目标,并采用自适应动态阈值法获取候选目标区域。然后,根据舰船的形状特点,对梯度方向直方图特征进行改进,设计出表征舰船特性的梯度方向特征。同时,将提取候选目标区域的统一化LBP特征的方差以及灰度共生矩阵特征相结合来描述舰船的纹理信息,得到30维特征向量。最后,通过训练好的AdaBoost分类器来完成舰船目标鉴别。本文的检测算法,针对尺寸为1 024×1 024的可见光遥感图像,检测时间为4.792 6s,检测精度为95.51%,召回率为96.65%。实验结果表明:本文算法能准确提取海面舰船目标,获取舰船目标的数量和位置信息,从检测时间和精度上来看,可以作为实际工程参考。

结合清晰度的无参考图像质量评价

为了提高无参考图像质量评价方法与人眼视觉感知的一致性,论文提出了一种利用待评价图像的清晰度、色度和纹理特征的无参考彩色图像质量评价方法。首先,对待评价图像进行梯度特征以及多尺度能量提取操作得到图像清晰度;然后,进行统一化模式LBP直方图特征提取,另外,还采用了lαβ颜色空间下红绿和蓝黄分量的自然场景统计特征来增强颜色失真的描述,并利用非对称广义高斯模型获得统计参数特征。最后,运用SVR建立图像质量评价模型。利用LIVE数据库中的5种失真类型验证了论文提出的无参考图像质量评价模型的性能。结果表明,论文提出的方法与人眼主观感知具有较好的一致性,并具有复杂度低等优点。