CN109918968B - 一种舰船目标检测方法 - Google Patents
一种舰船目标检测方法 Download PDFInfo
- Publication number
- CN109918968B CN109918968B CN201711319225.3A CN201711319225A CN109918968B CN 109918968 B CN109918968 B CN 109918968B CN 201711319225 A CN201711319225 A CN 201711319225A CN 109918968 B CN109918968 B CN 109918968B
- Authority
- CN
- China
- Prior art keywords
- image
- sea
- sky
- line
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种舰船目标检测方法,包括对原始可见光图像进行基于梯度的海天线提取,得出海天线在图像中的位置,并基于该海天线在图像中的位置,分割出包含目标的海天线区域图像;根据所得的海天线区域图像,采用改进的多尺度相位谱算法进行显著性检测,得到显著性图像;对步所述的显著性图像进行OTSU阈值分割,分割出的即为舰船目标。发明的方法能够快速精确的提取海天线,并在此基础上,针对海上目标尺寸不一,采用改进多尺度相位谱检测,提高算法的自适应性,准确地检测出海天线上的舰船目标,解决了现有检测方法无法快速自适应的检测目标难点问题。
Description
技术领域
本发明涉及一种舰船目标检测方法,尤其涉及一种基于快速海天线提取及改进多尺度相位谱舰船目标检测方法,属于导弹末制导系统精确制导领域。
背景技术
随着现代科学技术的不断更新和发展,新型的高科技武器尤其是各种精确制导武器的使用,对战争态势的发展产生着巨大的影响。能准确快速检测出海天背景下的舰船目标,对于精确制导有重要应用价值。海上场景目标检测的难易,在一定程度上与背景有重要的关系,背景越复杂,检测越困难,去除多余背景信息对舰船目标有效检测起到重要作用。
目前,对于舰船目标的检测,多采用海天线提取技术以及多尺度相位谱检测方法。其中,现有海天线提取技术中,通常采用基于直线拟合方法、基于Hough变换的方法和基于加权信息熵的方法,上述方法虽然具有较好的稳定性,但其计算量大,而且由于低空探测成像中出现舰船目标的位置距海天线很近,采用上述方法很难准确的进行海天线的提取;此外,对于现有的多尺度相位谱检测算法,其自适应性较差,检测结果不够准确。基于这一背景,尤其是针对未知海上目标尺寸检测时,亟需研制一种自适应的目标检测算法,用于多尺寸目标的检测。
发明内容
在下文中给出关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
本发明的目的在于克服现有技术中的不足,提供一种舰船目标检测方法,本发明的方法能够快速精确的提取海天线,并在此基础上,针对海上目标尺寸不一,采用改进多尺度相位谱检测,提高算法的自适应性,准确地检测出海天线上的舰船目标,解决了现有检测方法无法快速自适应的检测目标难点问题。
本发明的技术解决方案:
一种舰船目标检测方法,通过以下步骤实现:
步骤1、对原始可见光图像进行海天线提取,得出海天线在图像中的位置,并基于该海天线在图像中的位置,分割出包含目标的海天线区域图像;
步骤2、根据步骤1所得的海天线区域图像,采用改进的多尺度相位谱算法进行显著性检测,得到显著性图像;
步骤3,对步骤2所述的显著性图像进行OTSU阈值分割,分割出的即为舰船目标。
进一步的,所述步骤1中,采用基于梯度的方法对所述海天线进行提取;
进一步的,所述采用基于梯度的方法对所述海天线进行提取包括:
A1.1、根据成像器滚动角将图像旋转到滚动角为0时坐标系中,使得海天线处于水平方向;
A1.2、计算图像的竖直方向梯度值,统计出每行的梯度总值;
A1.3、将每行及其上下各1行的梯度总值进行相加作为此行的梯度总值,统计总值最大的行即为海天线所在图像中行的位置。
进一步的,所述步骤1中,基于该海天线在图像中的位置,分割出包含目标的海天线区域图像具体为:
以计算出的海天线在图像中的位置为中心,上下各n行提取海天线区域图像,其中,n值可根据海天线在图像中位置及探测目标距离进行调整;
进一步的,所述步骤2中,在进行采用改进的多尺度相位谱方法进行显著性检测之前,还包括:对步骤1所述的海天线区域图像进行一定尺度的缩放;
进一步的,所述步骤2具体为:根据步骤1所得的海天线区域图像,首先进行进行一定尺度的缩放;得到不同缩放比例的区域图像,然后采用改进的多尺度相位谱算法对所述不同缩放比例的区域图像进行显著性检测,得到其分别对应的显著性图像,最后将所得的显著性图像合并得到最终的显著性图像;
进一步的,所述步骤3是基于上述最终的显著性图像进行;
进一步的,上述对步骤1所述的海天线区域图像进行一定尺度的缩放时,缩放的比例确定的依据是:根据探测目标距离估计目标在图像中尺寸来确定缩放比例;
进一步的,所述步骤2中,采用改进的多尺度相位谱算法进行显著性检测中,所述的相位谱算法具体如下式所示:
A(f)=R(F(I)) (1)
P(f)=ξ(F(I)) (2)
L(f)=log(A(f)) (3)
R(f)=α(L(f)-h(f)*L(f)) (4)
S(x)=g(x)*F-1[exp(R(f)+P(f))]2 (5)
式中,I为输入图像,F(I)为图像的傅里叶频谱,A(f)为频谱的幅度谱,它含有图像的亮度对比信息,P(f)为频谱的相位谱,它含有图像的结构信息,R(f)为残余谱,h(f)为平均滤波,g(x)代表高斯平滑滤波器,F-1(·)代表傅里叶逆变换,S(x)是显著性值,α为大于1的数。
进一步的,所述步骤2中,采用改进的多尺度相位谱算法进行显著性检测,具体为:
采用公式(1)和(2)通过对图像进行傅里叶变化,求频域的中信号的幅值和相位;
采用公式(3),求Log频谱,
采用公式(4);对Log频谱进行平均滤波得到冗余信息,图像信息与冗余信息之差就是图像的残余谱,即新颖信息,
采用公式(5),利用傅里叶逆变换得到显著性检测结果图即显著性图像。
本发明相比于现有技术的有益效果:
由于低空探测成像中出现舰船目标的位置距海天线很近,本发明通过先提取海天线,找出海天线位置,然后分割出包含目标的海天线区域,有效去除的天空及海面杂波的影响,在此基础上,接着对海天线区域进行改进的多尺度相位谱显著性检测,最后对显著图像进行阈值分割处理,分割出目标。
本发明提供的方法:其中,基于梯度快速海天线提取算法具有很高海天线提取成功率,运行时间短,能有效抑地制云层、海浪等背景杂波对目标检测的影响,对降低虚警概率、提高检测效率有重要的现实意义;此外,在海天线提取准确的基础上,本发明利用改进多尺度相位谱检测方法,从全局角度考虑显著性区域的分布信息,极大增强新颖信息频谱亮度,提高目标显著性,将多尺度与改进的频域显著性有效结合,增强算法对不同目标尺寸的适应性,有效检测出目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明具体实施方式提供的舰船目标检测方法的一种实施例的流程示意图;
图2为根据本发明具体实施方式提供的原始可见光图像的示意图;
图3为根据本发明具体实施方式提供的提取的海天线区域图像的示意图;
图4为根据本发明具体实施方式提供的采用改进的多尺度相位谱检测的结果示意图;
图5为根据本发明具体实施方式提供的检测得到的目标结果图。
具体实施方式
下面将结合附图对本发明的具体实施例进行详细说明。在下面的描述中,出于解释而非限制性的目的,阐述了具体细节,以帮助全面地理解本发明。然而,对本领域技术人员来说显而易见的是,也可以在脱离了这些具体细节的其它实施例中实践本发明。
在此需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的设备结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
如图1所示,根据本发明实施例提供一种舰船目标检测方法,包括以下步骤:
1、对原始可见光图像进行海天线提取,得出海天线在图像中的位置,并基于该海天线在图像中的位置,分割出包含目标的海天线区域图像;
2、根据步骤1所得的海天线区域图像,采用改进的多尺度相位谱算法进行显著性检测,得到显著性图像;
3,对步骤2所述的显著性图像进行OTSU阈值分割,分割出的即为舰船目标。
进一步的,所述步骤1中,所述的原始可见光图像为探测器采集所得,如图2所示,优选的,为了准确检测到舰船目标,该目标在可见光图像中尺寸最好不小于10*10个像素,在此条件下,采用本发明的方法,能够更好的对所述的目标进行检测。
进一步的,作为本发明的一个具体实施例,所述步骤1中,优选采用基于梯度的方法对所述海天线进行提取;
进一步的,所述采用基于梯度的方法对所述海天线进行提取包括:
A1.1、根据成像器滚动角将图像旋转到滚动角为0时坐标系中,使得海天线处于水平方向;
A1.2、计算图像的竖直方向梯度值,统计出每行的梯度总值;
A1.3、将每行及其上下各1行的梯度总值进行相加作为此行的梯度总值,统计总值最大的行即为海天线所在图像中行的位置;
具体的:该基于梯度的方法的核心思想是:利用海天线竖直方向梯度值大于其他部位的特点进行计算,具体为:首先根据成像器滚动角将图像旋转到滚动角为0时坐标系中,使得海天线处于水平方向;之后,通过Sobel算子计算图像的竖直方向梯度值,统计出每行的梯度总值;最后,由于海天线一般不是一条直线而是一条渐变带,为了更准确的计算海天线位置,需将每行及其上下各1行的梯度总值进行相加作为此行的梯度总值,统计总值最大的行即为海天线所在图像中行的位置。
采用基于梯度的方法对所述海天线进行提取,解决了目前方法由于低空探测成像中出现舰船目标的位置距海天线很近而无法准确进行海天线提取的难题,该方法简单有效,大大提高运算速度,能有效抑地制云层、海浪等背景杂波对目标检测的影响,对降低虚警概率、提高检测效率有重要的意义。
进一步的,在本发明中,所述步骤1中,基于该海天线在图像中的位置,分割出包含目标的海天线区域图像包括:
以计算出的海天线在图像中的位置为中心,上下各n行提取海天线区域图像,其中,n值可根据海天线在图像中位置及探测目标距离进行调整;
具体为:在得到海天线位置以后,选取一定大小的感兴趣区域进行分割,一般由远及近探测目标时,目标出现在海天线附近,合适的选取感兴趣海天线区域的大小,可以尽可能地减少感兴趣区域外背景的干扰,更加准确地检测目标,因此,以计算出的海天线在图像中的位置为中心,上下各n行提取海天线区域图像,具体如图3所示;
进一步的,本发明中,所述的n优选为60,其可根据海天线在图像中位置及探测目标距离进行调整。
进一步的,作为本发明的一个具体实施例,所述步骤2中,在进行采用改进的多尺度相位谱方法进行显著性检测之前,还包括:对步骤1所述的海天线区域图像进行一定尺度的缩放;
具体的:对提取的海天线区域图像进行一定尺度缩放,可有效减少海杂波对目标检测的影响,一般可根据探测目标距离估计目标在图像中尺寸确定缩放比例,例如,当目标在图像中尺寸大于10*10个像素时,进行1,0.5,0.3倍三个尺度的图像缩放,否则进行1,0.5倍两个尺度缩放;
进一步的,作为本发明的一个具体实施例,所述步骤2具体为:根据步骤1所得的海天线区域图像,首先进行进行一定尺度的缩放;得到不同缩放比例的区域图像,然后采用改进的多尺度相位谱算法对所述不同缩放比例的区域图像进行显著性检测,得到其分别对应的显著性图像,最后将所得的显著性图像合并得到最终的显著性图像;而且,所述步骤3是基于上述最终的显著性图像进行;
进一步的,作为本发明的一个具体实施例,所述步骤2具体包括:
对所提取的海天线区域图像进行一定尺度缩放,得到不同缩放比例的区域图像,即多尺度的区域图像;
采用改进的多尺度相位谱算法分别对多尺度区域图像进行改进的相位谱检测,其中,相位谱检测算法公式如(1)~(5)所示,具体为:
采用公式(1)和(2)通过对图像进行傅里叶变化,求频域的中信号的幅值和相位;
采用公式(3),求Log频谱,
采用公式(4);对Log频谱进行平均滤波得到冗余信息,图像信息与冗余信息之差就是图像的残余谱,即新颖信息,
采用公式(5),利用傅里叶逆变换得到显著性检测结果图即显著性图像;
A(f)=R(F(I)) (1)
P(f)=ξ(F(I)) (2)
L(f)=log(A(f)) (3)
R(f)=α(L(f)-h(f)*L(f)) (4)
S(x)=g(x)*F-1[exp(R(f)+P(f))]2 (5)
式中,I为输入图像,F(I)为图像的傅里叶频谱,A(f)为频谱的幅度谱,它含有图像的亮度对比信息,P(f)为频谱的相位谱,它含有图像的结构信息,R(f)为残余谱,h(f)为平均滤波,g(x)代表高斯平滑滤波器,F-1(·)代表傅里叶逆变换,S(x)是显著性值,α为大于1的数。
该步骤中,现有的多尺度相位谱检测算法如下所示:
A(f)=R(F(I)) (1)
P(f)=ξ(F(I)) (2)
L(f)=log(A(f)) (3)
R(f)=L(f)-h(f)*L(f) (6)
S(x)=g(x)*F-1[exp(R(f)+P(f))]2 (5)
可见,本发明是以公式(4)替代现有的公式(6),改进之后,极大增强新颖信息频谱亮度,有利于目标检测。
进一步的,在本发明中,所述的α优选为3。
进一步的,作为本发明的一个具体实施例,所述的步骤3具体为:对最终的显著性图像进行最大类间方差法OTSU阈值分割,找出目标结果,该步骤可采用本领域公知技术,在此不再赘述。
为了对本发明的舰船目标检测方法有更详细的了解,下面结合附图和一具体实例对该检测方法进行详细的说明:
如图2所示,图2表示原始可见光图像大小为800×500像素,图像中有四个舰船目标,大小各不一。
具体检测方法为:
1、根据基于梯度的海天线快速提取算法,通过Sobel算子计算图像的竖直方向梯度值,将每行及其上下各1行的梯度总值进行相加作为此行的梯度总值,找出梯度总值最大的行为第338行,因此海天线在图像中338行位置;海天线区域选取以海天线为中心线,上下各60行像素的区域,如图3所示;
2、对海天线区域图像进行1,0.5,0.3倍三个尺度的缩放,分别进行改进相位谱检测,其中α取值为3;合并三个显著图得出最终显著图如图4所示,图中能很好的突出目标信息;
3、对显著图像进行OTSU阈值分割,准确找出三个目标结果如图5中(d)所示,第四个目标尺寸小于10*10个像素,未检测出。
本发明提供舰船目标检测方法,能够快速精确的提取海天线,并在此基础上,针对海上目标尺寸不一,采用改进多尺度相位谱检测,提高算法的自适应性,准确地检测出海天线上的舰船目标,解决了现有检测方法无法快速自适应的检测目标难点问题。
如上针对一种实施例描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施例中使用,和/或与其它实施例中的特征相结合或替代其它实施例中的特征使用。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤、组件或其组合的存在或附加。
这些实施例的许多特征和优点根据该详细描述是清楚的,因此所附权利要求旨在覆盖这些实施例的落入其真实精神和范围内的所有这些特征和优点。此外,由于本领域的技术人员容易想到很多修改和改变,因此不是要将本发明的实施例限于所例示和描述的精确结构和操作,而是可以涵盖落入其范围内的所有合适修改和等同物。
本发明未详细说明部分为本领域技术人员公知技术。
Claims (7)
1.一种舰船目标检测方法,其特征在于,通过以下步骤实现:
步骤1、采用基于梯度的方法对原始可见光图像进行海天线提取,得出海天线在图像中的位置,并基于该海天线在图像中的位置,分割出包含目标的海天线区域图像;其中,采用基于梯度的方法对原始可见光图像进行海天线提取包括:A1.1、根据成像器滚动角将图像旋转到滚动角为0时坐标系中,使得海天线处于水平方向;A1.2、计算图像的竖直方向梯度值,统计出每行的梯度总值;A1.3、将每行及其上下各1行的梯度总值进行相加作为此行的梯度总值,统计总值最大的行即为海天线所在图像中行的位置;
步骤2、根据步骤1所得的海天线区域图像,采用改进的多尺度相位谱算法进行显著性检测,得到显著性图像;其中,改进的多尺度相位谱算法具体如下式所示:
A(f)=R(F(I)) (1)
P(f)=ξ(F(I)) (2)
L(f)=log(A(f)) (3)
R(f)=α(L(f)-h(f)*L(f)) (4)
S(x)=g(x)*F-1[exp(R(f)+P(f))]2 (5)
式中,I为输入图像,F(I)为图像的傅里叶频谱,A(f)为频谱的幅度谱,它含有图像的亮度对比信息,P(f)为频谱的相位谱,它含有图像的结构信息,R(f)为残余谱,h(f)为平均滤波,g(x)代表高斯平滑滤波器,F-1(·)代表傅里叶逆变换,S(x)是显著性值,α为大于1的数;
步骤3,对步骤2所述的显著性图像进行OTSU阈值分割,分割出的即为舰船目标。
2.根据权利要求1所述的一种舰船目标检测方法,其特征在于,所述步骤1中,基于该海天线在图像中的位置,分割出包含目标的海天线区域图像具体为:
以计算出的海天线在图像中的位置为中心,上下各n行提取海天线区域图像,其中,n值可根据海天线在图像中位置及探测目标距离进行调整。
3.根据权利要求1或2所述的一种舰船目标检测方法,其特征在于,所述步骤2中,在进行采用改进的多尺度相位谱方法进行显著性检测之前,还包括:对步骤1所述的海天线区域图像进行一定尺度的缩放。
4.根据权利要求3所述的一种舰船目标检测方法,其特征在于,所述步骤2具体为:根据步骤1所得的海天线区域图像,首先进行进行一定尺度的缩放;得到不同缩放比例的区域图像,然后采用改进的多尺度相位谱算法对所述不同缩放比例的区域图像进行显著性检测,得到其分别对应的显著性图像,最后将所得的显著性图像合并得到最终的显著性图像。
5.根据权利要求4所述的一种舰船目标检测方法,其特征在于,所述步骤3是基于上述最终的显著性图像进行。
6.根据权利要求3所述的一种舰船目标检测方法,其特征在于,上述对步骤1所述的海天线区域图像进行一定尺度的缩放时,缩放的比例确定的依据是:根据探测目标距离估计目标在图像中尺寸来确定缩放比例。
7.根据权利要求1所述的一种舰船目标检测方法,其特征在于,所述步骤2中,采用改进的多尺度相位谱算法进行显著性检测,具体为:
采用公式(1)和(2)通过对图像进行傅里叶变化,求频域的中信号的幅值和相位;
采用公式(3),求Log频谱,
采用公式(4);对Log频谱进行平均滤波得到冗余信息,图像信息与冗余信息之差就是图像的残余谱,即新颖信息,
采用公式(5),利用傅里叶逆变换得到显著性检测结果图即显著性图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711319225.3A CN109918968B (zh) | 2017-12-12 | 2017-12-12 | 一种舰船目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711319225.3A CN109918968B (zh) | 2017-12-12 | 2017-12-12 | 一种舰船目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109918968A CN109918968A (zh) | 2019-06-21 |
CN109918968B true CN109918968B (zh) | 2020-12-25 |
Family
ID=66956751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711319225.3A Active CN109918968B (zh) | 2017-12-12 | 2017-12-12 | 一种舰船目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109918968B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784757B (zh) * | 2021-01-25 | 2022-04-08 | 哈尔滨工业大学 | 海上sar舰船目标显著性检测与识别方法 |
CN114049627B (zh) * | 2022-01-11 | 2022-04-08 | 浙江华是科技股份有限公司 | 可智能选择缩放尺度的船牌检测方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354590A (zh) * | 2015-10-20 | 2016-02-24 | 东方浩联(北京)智能科技有限公司 | 一种矿车车体载矿区域的检测方法 |
CN105469390A (zh) * | 2015-11-17 | 2016-04-06 | 哈尔滨工程大学 | 一种基于改进Seam Carving的全景海天线提取方法 |
-
2017
- 2017-12-12 CN CN201711319225.3A patent/CN109918968B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354590A (zh) * | 2015-10-20 | 2016-02-24 | 东方浩联(北京)智能科技有限公司 | 一种矿车车体载矿区域的检测方法 |
CN105469390A (zh) * | 2015-11-17 | 2016-04-06 | 哈尔滨工程大学 | 一种基于改进Seam Carving的全景海天线提取方法 |
Non-Patent Citations (7)
Title |
---|
A Sea-Sky Line Detection Method for Unmanned Surface Vehicles Based on Gradient Saliency;Bo Wang等;《sensors》;20161231;第1-18页 * |
Saliency Detection: A Spectral Residual Approach;Xiaodi Hou等;《IEEE Computer Society Conference on Computer Vision and Pattern Recognition》;20070630;第1-8页 * |
一种基于图像分割的海天线提取算法;吴滢跃等;《红外技术》;20121031;第34卷(第10期);第584-587页 * |
光学遥感图像舰船目标检测技术的研究;彭敬涛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170515(第5期);I140-422 * |
基于纹理特征分析的海天线检测方法;王兵学等;《红外技术》;20130131;第35卷(第1期);第42-46页 * |
智能视频监控中海面舰船目标检测算法研究;臧风妮;《中国博士学位论文全文数据库 工程科技||辑》;20141215(第12期);C034-121 * |
臧风妮.智能视频监控中海面舰船目标检测算法研究.《中国博士学位论文全文数据库 工程科技||辑》.2014,(第12期), * |
Also Published As
Publication number | Publication date |
---|---|
CN109918968A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
CN109816673B (zh) | 一种非极大值抑制、动态阈值计算及图像边缘检测方法 | |
CN103697855B (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
CN111027496B (zh) | 基于空时联合局部对比度的红外弱小目标检测方法 | |
CN108229342B (zh) | 一种海面舰船目标自动检测方法 | |
CN104834915B (zh) | 一种复杂云天背景下小红外目标检测方法 | |
CN103761731A (zh) | 一种基于非下采样轮廓波变换的红外空中小目标检测方法 | |
CN105184804B (zh) | 基于机载红外相机航拍图像的海面小目标检测方法 | |
CN107909002B (zh) | 基于海岸线匹配的红外遥感图像海陆分割方法 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN106815553B (zh) | 一种基于边缘匹配的红外前视图像舰船检测方法 | |
CN107942329A (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN109918968B (zh) | 一种舰船目标检测方法 | |
CN106443662B (zh) | 一种低重频体制下速度模糊时的目标稳健关联方法 | |
CN109800713A (zh) | 基于区域增长的遥感图像云检测方法 | |
CN107273803B (zh) | 云层图像检测方法 | |
CN107479037B (zh) | 一种pd雷达杂波区域判别方法 | |
CN112669332B (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
CN111428624B (zh) | 一种光学遥感图像在轨舰船目标检测方法 | |
CN116129332B (zh) | 多船舶目标的跟踪识别方法、装置、电子设备及存储介质 | |
CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
CN117115193A (zh) | 基于行抑制的红外舰船定位方法 | |
CN109544574B (zh) | 基于全固态vts雷达的目标提取方法 | |
CN114937007B (zh) | 一种基于角点特征的无人机视觉着陆跑道起始线检测方法 | |
Huang et al. | Infrared small target detection with directional difference of Gaussian filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |