基于马尔科夫链和物体先验的显著物体检测

针对现有算法不能较好完整高亮显著物体和有效抑制背景问题,提出一种结合物体先验和吸收马尔科夫链的显著物体检测模型。根据熵信息自适应确定区域分割的超像素个数,利用边界连通性准则筛选出边界背景节点,利用吸收马尔科夫链进行初步显著性计算,将其与基于物体先验的显著性计算结果相融合,将融合图进行二值分割得到的背景节点信息作为吸收节点,再次进行随机游走计算得到最终的显著图。实验在4个公开的图像数据集上与16种流行算法就5种客观评价指标和直观的视觉检测效果进行比较,比较结果表明了所提算法的有效性。

复杂海况下遥感图像舰船目标检测方法研究

针对复杂海况下遥感图像舰船检测易受舰船尾迹、海杂波、油污和薄云等影响,导致检测结果可靠性较低且小目标舰船不易被检测的问题,提出一种自适应稳健背景的显著性优化舰船目标检测模型。利用顶帽算法对原图进行预处理,抑制舰船尾迹、海杂波等干扰;提出自适应超像素分割方法对稳健背景检测模型进行优化;改进基于均值信息的大津法(Otsu),确定舰船所在区域。结果表明,该方法可以在多种海况下有效检测舰船位置,具有较高的检测准确率(91.20%)、召回率(79.31%)及综合评价指标(84.00%),相比于其他显著性检测模型,该方法具有明显优势,适用于复杂海况下遥感图像小目标舰船检测。