CN116400351B - 基于自适应区域生长法的雷达回波图像目标物处理方法 - Google Patents
基于自适应区域生长法的雷达回波图像目标物处理方法 Download PDFInfo
- Publication number
- CN116400351B CN116400351B CN202310277229.9A CN202310277229A CN116400351B CN 116400351 B CN116400351 B CN 116400351B CN 202310277229 A CN202310277229 A CN 202310277229A CN 116400351 B CN116400351 B CN 116400351B
- Authority
- CN
- China
- Prior art keywords
- target object
- gray
- image
- point
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 230000007704 transition Effects 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及遥感技术领域,特别是涉及一种基于自适应区域生长法的雷达回波图像目标物处理方法。通过在雷达海表面回波图像中选取海浪参数反演区域并转化到笛卡尔坐标;基于自适应区域生长判定算法,确定图像中目标物所在位置;基于均值填充过渡算法,去除目标物并进行图像填充三步对雷达回波图像进行处理。本发明提出自适应区域生长方法能够实现雷达图像的目标物干扰的去除,提高后续提取信息的精度。
Description
技术领域
本发明属于海洋遥感测量技术领域,涉及一种利用雷达回波图像处理目标物的方法,特别是一种基于自适应区域生长法的雷达回波图像目标物处理方法。
背景技术
海洋中蕴含着丰富的资源,人类也对大海充满向往并不断探索。人类在探索海洋的过程中需要对周围的海洋环境进行监测,海洋环境的监测是一个多方位的系统工程,海面物理状态是核心监测部分。然而海面上目标物会降低雷达海浪纹理图像质量,影响提取信息的可靠性。所以需要一种图像处理方法处理雷达回波图像中的目标物干扰用于获得清晰的海浪图像。
目标物对于海浪图像属于噪声干扰,在雷达回波图像上的具体表现为高亮区域,影响着海浪参数反演的结果。传统的目标物干扰处理方法多为阈值分割的方法,但是当目标物所在区域灰度值接近海浪区域灰度值时容易造成海浪纹理的缺失,自适应区域生长法能够一定程度上的避免这种情况,但是传统的区域生长法也具有一定的局限性,即不能够判断是否有目标物产生。
发明内容
针对上述现有技术,本发明要解决的技术问题是提出一种基于自适应区域生长法的雷达回波图像处理目标物的方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于自适应区域生长法的雷达回波图像目标物处理方法,步骤如下:
步骤一:在雷达海表面回波图像中选取海浪参数反演区域并转化到笛卡尔坐标下得到灰度图像I(x,y),I(x,y)的大小为n*n。
步骤二:基于自适应区域生长判定算法,确定灰度图像I(x,y)中目标物所在位置。
自适应区域生长判定算法的具体步骤包括:
步骤2.1自适应阈值判断是否有拟目标物产生。具体步骤为:
步骤2.1.1求解灰度图像I(x,y)所有像素点的平均值Aaverage,计算公式为;Aaverage=average(I(x,y)中所有像素点)
步骤2.1.2设定参数其中gray为灰度图像最大灰度值,通过平均值Aaverage和参数C1确定判断阈值D1,计算公式为:
Aaverage+C1=D1
步骤2.1.3求解灰度图像I(x,y)所有像素点的最大值Amax,计算公式为:
Amax=max(I(x,y)中所有像素点)
步骤2.1.4判断灰度图像I(x,y)所有像素点的最大值Amax是否大于判断阈值D1,若成立则进行步骤2.2,若不成立则直接结束进程输出灰度图像I(x,y)。
步骤2.2梯度下降找拟目标物初始生长点并在灰度图像I(x,y)确定拟目标物区域。具体步骤为:
步骤2.2.1将灰度图像I(x,y)中所有像素点的灰度值进行从大到小排列,选取特定灰度值所在位置为拟目标物的生长点,其中特定灰度值选取从大到小第x位灰度值,根据实际情况确定;
步骤2.2.2设置滑窗大小为p*p,寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点,直到滑窗中无相似特征的像素点时停止遍历图像;
具有相似特征的像素点的筛选办法为:
C(i)(j)-Ccentre<D2
式中C(i)(j)表示滑窗部第i行第j列像素点的灰度值,Ccentre表示滑窗二中心点的灰度值,D2为筛选阈值,若满足上式则以C(i)(j)为新的起始点继续寻找具有相似特征的像素点,直到滑窗内部上式不成立为止;
步骤2.2.3重复步骤2.1至步骤2.2N次,找到一部分拟目标物噪声;
步骤2.3最大值寻找步骤2.2中可能遗漏的拟目标物初始生长点并确定遗漏的拟目标物区域。具体步骤为:
步骤2.3.1将灰度图像I(x,y)中所有像素点的灰度值进行从大到小排列,选取最大灰度值所在位置为拟目标物的生长点;
步骤2.3.2设置滑窗大小为p*p,寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点,直到滑窗中无相似特征的像素点时停止遍历图像;
具有相似特征的像素点的筛选办法为:
C(i)(j)-Ccentre<D2
式中C(i)(j)表示滑窗内部第i行第j列像素点的灰度值,Ccentre表示滑窗二中心点的灰度值,D2为筛选阈值,若满足上式则以C(i)(j)为新的起始点继续寻找具有相似特征的像素点,直到滑窗内部上式不成立为止;
步骤2.3.3重复步骤2.3M次,其中M=x-1,找到剩余拟目标物噪声。
步骤2.4判断拟目标物是否为真实目标物。具体步骤为:
步骤2.4.1统计每个拟目标物所占像素点位numberi,并判断每个拟目标物所占像素点位总数是否大于单个目标物识别最大上限area=m*m;拟目标物所占像素点位小于识别最大上限则可认为是拟目标物,继续步骤2.4.2;反之则认为拟目标物为虚假目标物不对这一拟目标物进行后续处理,将这一拟目标物区域的初始生长点位的像素值用灰度图像I(x,y)的平均值进行代替,这一拟目标物区域内的其他点位的像素值不进行处理,保留原值进行输出;
步骤2.4.2计算每一部分拟目标物的像素点的平均灰度值,计算公式为:
Baverage=average(单个拟目标物区域所有像素点灰度值)
步骤2.4.3确定目标物阈值D3;
步骤2.4.4判断每一部分拟目标物平均灰度值Baverage是否大于D3,若成立则是真实目标物并进行步骤三,若不成立则认为拟目标物为虚假目标物,不对这一拟目标物进行后续处理,将这一拟目标物区域的初始生长点位的像素值用灰度图像I(x,y)的平均值进行代替,这一拟目标物区域内的其他点位的像素值不进行处理,保留原值进行输出;
步骤三:基于均值填充过渡算法,对步骤二找出的多个真实目标物进行处理。
均值填充过渡算法的具体实现包括:
步骤3.1将各目标物所在像素点的灰度值用0填充;
步骤3.2将灰度图像I(x,y)沿最外层镜像扩充至(n+2m)*(n+2m)用于填充;
步骤3.3以噪声点为中心,选择距离向和方位向距离中心点为m个点位的四个像素点的均值代替噪声点进行图像填充;
步骤3.4填充完的目标物边缘与周围海浪边缘进行均值计算,进行平滑处理,以使得填充目标物边缘能够与周围海浪具有相似的纹理特征。
本发明的有益效果:针对现有技术存在的理论局限性,通过对自适应区域生长法处理雷达回波图像的研究,本发明公开了一种基于自适应区域生长法处理雷达回波图像获得清晰海浪图像的改进方法。本方法考虑了雷达噪声产生的原因,针对具体现象,设计了一套处理方法用于消除雷达回波图像中的目标物噪声从而获得清晰的海浪图像。本发明使用X波段航海雷达进行实验,实验结果表明本方法能够有效地处理雷达回波图像以获得清晰海浪图像。与现有技术相比,利用本发明所提出的利用雷达回波图像获得清晰海浪的方法,起优点在于:
(1)能够较为准确的识别目标物干扰所产生的噪声点,能够针对噪声点进行有效地去除和图像修复,尽可能的还原真实的海浪图像。
(2)本发明考虑了降雨天气下对雷达回波图像的影响,实验结果表明,降雨天气下本发明所阐述的方法依旧能够有效地去除噪声,并进行图像的修复。
(3)算法整体逻辑简单易懂,容易实现,梯度计算,程序响应快,能够满足工程实用性。
附图说明
图1是雷达原始图像;
图2是有目标物干扰的雷达灰度图像1;
图3是处理目标物干扰后的雷达灰度图像1;
图4是有目标物干扰的雷达灰度图像2;
图5是处理目标物干扰后的雷达灰度图像2;
图6是本发明实施方式流程图。
具体实施方式
下面结合说明书附图和实施例对本发明做进一步说明。
本发明一种基于自适应区域生长法的雷达回波图像目标物处理方法,具体可以分为以下几步,第一步为在雷达海表面回波图像中选取海浪参数反演区域并转化到笛卡尔坐标下得到灰度图像I(x,y),第二步为基于自适应区域生长判定算法,确定灰度图像I(x,y)中目标物所在位置,第三步为基于均值填充过渡算法,对第二步找出的多个真实目标物进行处理。
下面结合具体参数给出实施例。
本发明实施用例所用的航海雷达为X波段航海雷达,工作于短脉冲模式,脉冲重复频率为1300Hz,回波数据数字化后以极坐标形式按线存储,两条相邻存储线间的时间间隔小于1ms,雷达天线扫描一周的时间约2.5s,一幅雷达回波图像的总线数大约为3300条,每根线上有600个像素点,其方位向分辨率约为0.1°,距离向分辨率约为7.5m。实验使用的航海雷达原始图像主要来自福建省平潭县海坛岛的海洋观测站2011年1月观测数据,图1为未处理的X波段航海雷达回波图像,图2和图4为笛卡尔坐标转换后的有目标物干扰的X波段航海雷达灰度图像,其中集中高亮噪声为目标物干扰噪声。
结合图6,本发明具体实施步骤为:
第一步为在雷达海表面回波图像中选取海浪参数反演区域并转化到笛卡尔坐标下得到灰度图像I(x,y),I(x,y)的大小为256*256。
第二步,基于自适应区域生长判定算法,确定灰度图像I(x,y)中目标物所在位置。
步骤2.1自适应阈值判断是否有拟目标物产生。
步骤2.1.1求解灰度图像I(x,y)所有像素点的平均值Aaverage=89.2838;
步骤2.1.2设定参数C1=128,通过平均值Aaverage和参数C1确定判断阈值D1=217.2838;
步骤2.1.3求解灰度图像I(x,y)所有像素点的最大值Amax=254;
步骤2.1.4判断灰度图像I(x,y)所有像素点的最大值Amax大于判断阈值D1,继续进行下面步骤。
步骤2.2梯度下降找拟目标物初始生长点并确定拟目标物区域。
步骤2.2.1将灰度图像中所有像素点的灰度值进行从大到小排列,选取特定灰度值所在位置为拟目标物的生长点,其中特定灰度值在本发明中选取从大到小第x=36位灰度值;
步骤2.2.2设置滑窗大小为3*3,寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点,直到滑窗中无相似特征的像素点时停止遍历图像;
具有相似特征的像素点的筛选办法为:
C(i)(j)-Ccentre<D2
式中C(i)(j)表示滑窗内部第i行第j列像素点的灰度值,Ccentre表示滑窗二中心点的灰度值,为筛选阈值,若满足上式则以C(i)(j)为新的起始点继续寻找具有相似特征的像素点,直到滑窗内部上式不成立为止;
步骤2.2.3重复步骤2.1至步骤2.2N=40次,找到部分拟目标物噪声;
步骤2.3最大值寻找步骤2.2中可能遗漏的拟目标物初始生长点并确定遗漏的拟目标物区域。具体步骤为:
步骤2.3.1将灰度图像中所有像素点的灰度值进行从大到小排列,选取最大灰度值所在位置为拟目标物的生长点;
步骤2.3.2设置滑窗大小为3*3,寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点,直到滑窗中无相似特征的像素点时停止遍历图像;
具有相似特征的像素点的筛选办法为:
C(i)(j)-Ccentre<D2
式中C(i)(j)表示滑窗内部第i行第j列像素点的灰度值,Ccentre表示滑窗二中心点的灰度值,D2=29.7613为筛选阈值,若满足上式则以C(i)(j)为新的起始点继续寻找具有相似特征的像素点,直到滑窗内部上式不成立为止;
步骤2.3.3重复步骤2.3M次,其中M=35,找到剩余拟目标物噪声。
步骤2.4判断拟目标物是否为真实目标物。具体步骤为:
步骤2.4.1统计每个拟目标物所占像素点位numberi,本实施例仅有一个目标物number1=318,判断所占像素点位小于识别最大上限area=42*42,其中m保留整数,可认为其是拟目标物,继续下列步骤;
步骤2.4.2计算拟目标物的像素点的平均灰度值Baverage=184.2736;
步骤2.4.3确定目标物阈值D3=111.60475;
步骤2.4.4判断每一部分拟目标物平均灰度值Baverage大于D3,所以拟目标物是真实目标物并进行下列步骤。
第三步为基于均值填充过渡算法,对步骤二找出的真实目标物进行处理。
步骤3.1将目标物所在像素点的灰度值用0填充;
步骤3.2将灰度图像沿最外层镜像扩充至298*298用于填充;
步骤3.3以噪声点为中心,选择距离向和方位向距离中心点为42个点位的四个像素点的均值代替噪声点进行图像填充;
步骤3.4填充完的目标物边缘与周围海浪边缘进行均值计算,进行平滑处理,以使得填充目标物边缘能够与周围海浪具有相似的纹理特征。
图3为图2处理后的图像,同样的方法用于图4的目标物处理得到图像5。实验结果表明,基于改进自适应区域生长法获得清晰海浪图像的方法能够有效地去除掉雷达回波图像中的目标物干扰,最终能够得到清晰的海浪图像。
本发明所提出的基于自适应区域生长法获得清晰海浪图像的方法能够最终能够得到清晰的海浪图像,该方法克服了图像处理过程中过处理的问题,能够较为准确的识别出目标物干扰噪声,并进行有效地图像修复工作,最终能够得到具有清晰海浪纹理的图像。
Claims (1)
1.一种基于自适应区域生长法的雷达回波图像目标物处理方法,其特征在于,步骤如下:
步骤一:在雷达海表面回波图像中选取海浪参数反演区域并转化到笛卡尔坐标下得到灰度图像I(x,y),I(x,y)的大小为n*n;
步骤二:基于自适应区域生长判定算法,确定灰度图像I(x,y)中目标物所在位置;
自适应区域生长判定算法的具体步骤包括:
步骤2.1自适应阈值判断是否有拟目标物产生;具体步骤为:
步骤2.1.1求解灰度图像I(x,y)所有像素点的平均值Aaverage,计算公式为;
Aaverage=average(I(x,y)中所有像素点)
步骤2.1.2设定参数其中gray为灰度图像最大灰度值,通过平均值Aaverage和参数C1确定判断阈值D1,计算公式为:
Aaverage+C1=D1
步骤2.1.3求解灰度图像I(x,y)所有像素点的最大值Amax,计算公式为:
Amax=max(I(x,y)中所有像素点)
步骤2.1.4判断灰度图像I(x,y)所有像素点的最大值Amax是否大于判断阈值D1,若成立则进行步骤2.2,若不成立则直接结束进程输出灰度图像I(x,y);
步骤2.2梯度下降找拟目标物初始生长点并确定拟目标物区域;具体步骤为:
步骤2.2.1将灰度图像I(x,y)中所有像素点的灰度值进行从大到小排列,选取特定灰度值所在位置为拟目标物的生长点,其中特定灰度值选取从大到小第x位灰度值,根据实际情况确定;
步骤2.2.2设置滑窗大小为p*p,寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点,直到滑窗中无相似特征的像素点时停止遍历图像;
具有相似特征的像素点的筛选办法为:
C(i)(j)-Ccentre<D2
式中C(i)(j)表示滑窗一内部第i行第j列像素点的灰度值,Ccentre表示滑窗一中心点的灰度值,D2为筛选阈值,若满足上式则以C(i)(j)为新的起始点继续寻找具有相似特征的像素点,直到滑窗内部上式不成立为止;
步骤2.2.4重复步骤2.1至步骤2.2N次,找到一部分拟目标物噪声;
步骤2.3最大值寻找步骤2.2中可能遗漏的拟目标物初始生长点并确定遗漏的拟目标物区域;具体步骤为:
步骤2.3.1将灰度图像I(x,y)中所有像素点的灰度值进行从大到小排列,选取最大灰度值所在位置为拟目标物的生长点;
步骤2.3.2设置滑窗大小为p*p,寻找滑窗内与滑窗中心点具有相似特征的像素点并其作为新的噪声起始点,直到滑窗中无相似特征的像素点时停止遍历图像;
具有相似特征的像素点的筛选办法为:
C(i)(j)-Ccentre<D2
式中C(i)(j)表示滑窗二内部第i行第j列像素点的灰度值,Ccentre表示滑窗二中心点的灰度值,D2为筛选阈值,若满足上式则以C(i)(j)为新的起始点继续寻找具有相似特征的像素点,直到滑窗内部上式不成立为止;
步骤2.3.4重复步骤2.3M次,其中M=x-1,找到剩余拟目标物噪声;
步骤2.4判断拟目标物是否为真实目标物;具体步骤为:
步骤2.4.1统计每个拟目标物所占像素点位numberi,并判断每个拟目标物所占像素点位总数是否大于单个目标物识别最大上限area=m*m;拟目标物所占像素点位小于识别最大上限则认为是拟目标物,继续步骤2.4.2;反之则认为拟目标物为虚假目标物不对这一拟目标物进行后续处理,将这一拟目标物区域的初始生长点位的像素值用灰度图像I(x,y)的平均值进行代替,这一拟目标物区域内的其他点位的像素值不进行处理,保留原值进行输出;
步骤2.4.2计算每一部分拟目标物的像素点的平均灰度值,计算公式为:
Baverage=average(单个拟目标物区域所有像素点灰度值)
步骤2.4.3确定目标物阈值D3;
步骤2.4.4判断每一部分拟目标物平均灰度值Baverage是否大于D3,若成立则是真实目标物并进行步骤三,若不成立则认为拟目标物为虚假目标物,不对这一拟目标物进行后续处理,将这一拟目标物区域的初始生长点位的像素值用灰度图像I(x,y)的平均值进行代替,这一拟目标物区域内的其他点位的像素值不进行处理,保留原值进行输出;
步骤三:基于均值填充过渡算法,对步骤二找出的多个真实目标物进行处理;
均值填充过渡算法的具体实现包括:
步骤3.1将目标物所在像素点的灰度值用0填充;
步骤3.2将灰度图像I(x,y)沿最外层镜像扩充至(n+2m)*(n+2m)用于填充;
步骤3.3以噪声点为中心,选择距离向和方位向距离中心点为m个点位的四个像素点的均值代替噪声点进行图像填充;
步骤3.4填充完的目标物边缘与周围海浪边缘进行均值计算,进行平滑处理,以使得填充目标物边缘能够与周围海浪具有相似的纹理特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310277229.9A CN116400351B (zh) | 2023-03-21 | 2023-03-21 | 基于自适应区域生长法的雷达回波图像目标物处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310277229.9A CN116400351B (zh) | 2023-03-21 | 2023-03-21 | 基于自适应区域生长法的雷达回波图像目标物处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116400351A CN116400351A (zh) | 2023-07-07 |
CN116400351B true CN116400351B (zh) | 2024-05-17 |
Family
ID=87011536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310277229.9A Active CN116400351B (zh) | 2023-03-21 | 2023-03-21 | 基于自适应区域生长法的雷达回波图像目标物处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116400351B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971127A (zh) * | 2014-05-16 | 2014-08-06 | 华中科技大学 | 一种前视雷达成像海面目标关键点检测识别方法 |
CN106443593A (zh) * | 2016-09-13 | 2017-02-22 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 基于相参雷达慢扫增强的自适应溢油信息提取方法 |
CN108537813A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 基于区域生长的目标检测方法 |
WO2022205525A1 (zh) * | 2021-04-01 | 2022-10-06 | 江苏科技大学 | 基于双目视觉自主式水下机器人回收导引伪光源去除方法 |
-
2023
- 2023-03-21 CN CN202310277229.9A patent/CN116400351B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971127A (zh) * | 2014-05-16 | 2014-08-06 | 华中科技大学 | 一种前视雷达成像海面目标关键点检测识别方法 |
CN106443593A (zh) * | 2016-09-13 | 2017-02-22 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 基于相参雷达慢扫增强的自适应溢油信息提取方法 |
CN108537813A (zh) * | 2017-03-03 | 2018-09-14 | 防城港市港口区思达电子科技有限公司 | 基于区域生长的目标检测方法 |
WO2022205525A1 (zh) * | 2021-04-01 | 2022-10-06 | 江苏科技大学 | 基于双目视觉自主式水下机器人回收导引伪光源去除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116400351A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116503268B (zh) | 一种用于雷达回波图像的质量改进方法 | |
CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
CN108961255B (zh) | 基于相位线性度和功率的海陆噪声场景分割方法 | |
CN102279973B (zh) | 基于高梯度关键点的海天线检测方法 | |
CN111126335B (zh) | 一种结合显著性和神经网络的sar船只识别方法及系统 | |
CN105427301B (zh) | 基于直流分量比测度的海陆杂波场景分割方法 | |
CN108508427B (zh) | 一种基于导航雷达的海冰区域检测方法、装置及设备 | |
CN110706177B (zh) | 一种侧扫声呐图像灰度均衡化方法及系统 | |
JP6334730B2 (ja) | 追尾処理装置及び追尾処理方法 | |
CN112487912B (zh) | 基于改进YOLOv3的任意方向舰船检测方法 | |
CN112435249A (zh) | 一种基于周扫红外搜索系统的动态小目标检测方法 | |
CN113837924B (zh) | 一种基于无人艇感知系统的水岸线检测方法 | |
CN115236664A (zh) | 一种航海雷达图像反演有效波高的方法 | |
CN116400351B (zh) | 基于自适应区域生长法的雷达回波图像目标物处理方法 | |
Weng et al. | Underwater object detection and localization based on multi-beam sonar image processing | |
Sun et al. | A Wave Texture Difference Method for Rainfall Detection Using X‐Band Marine Radar | |
CN113963171B (zh) | 一种浅地层剖面声呐图像海底线自动识别的方法和系统 | |
CN112799070B (zh) | 一种船用雷达雨雪杂波抑制算法 | |
Wang et al. | A novel segmentation algorithm for side-scan sonar imagery with multi-object | |
CN116400352B (zh) | 一种基于相关性分析的雷达回波图像海浪纹理检测方法 | |
CN109816683B (zh) | 一种航海雷达图像中海浪信息反演的预处理方法 | |
He et al. | Research on Solid Rate Filtering Technique based on Inverse Distance Weighted Interpolation of Navigation Radar | |
CN117368878B (zh) | 一种基于邻域扩展的多普勒天气雷达径向速度退模糊方法 | |
Xian et al. | Target Detection and Parameter Recognition for The Crawling Submersible Based on Forward-looking Sonar | |
CN117152622B (zh) | 边界优化模型训练、边界优化方法、装置、设备及介质 |
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 |