基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

一种新的基于分形特征的人造目标快速检测算法

从分形布朗模型出发,通过对自然背景和人造目标图像不同的灰度相关性分析,提出 一种新的分形特征提取算法,根据新算法得到的分形特征分布规律,进而形成一种简单有效的自然背景中人造目标的检测算法。实验结果说明了该算法的性能。     

一种新的分形特征方法及其在目标检测中的应用

文中提出了一种新的求解分形维数的方法,并利用目标分形特征和背景相比突变较大的特点把这种方法用到了目标检测当中,实验结果表明该方法简单易行、检测结果精确.     

基于分形技术的目标检测算法研究

分形特征参数对于自然背景和人造目标存在着本质差别,充分利用这些差别,能为目标检测提供一种新思路,就分形技术在数字图像处理领域中目标检测方面的应用进行了讨论。分形的应用总是以各种分形参数为中介,有时完全依赖于分形参数,有时将分形参数和其他参数相结合,有时将分形方法和其他方法相结合,在处理的不同阶段分别采用分形方法和其他方法。对几种分形特征参数的估算方法及其在目标检测中的应用进行了研究。     

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征--缝隙特征.实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率.     

基于分形的实现小目标检测的一种具体方法

介绍了基于分形的复杂背景下实现小目标检测的一种具体方法,该方法以自然背景和人造目标在分形特征上的固有差异为依据,利用了人造目标分形特征数大的特点,给出了进行小目标检测的具体实现过程.实际检测的实验结果表明:该小目标检测方法对环境的适应性强,检测结果精确,颇具发展前途.     

基于分形理论的目标检测

军事目标检测一般是由自然背景和少量的人造目标所组成．现有的图像目标检测方法大多是基于对目标本身特性进行分析，不适用于目标特性未知的军事目标检测．本文根据人造目标和自然背景在分形特征上的固有差异，在利用分形维数提取人造目标边缘特征的基础上，结合小波分析方法提取的目标边缘特征，对自然背景中的人造军事目标进行检测．实验证明该方法具有较好的适应性．     

基于分形理论的红外目标检测算法

通过计算红外图像的分形特征参数可以达到区分红外目标和自然背景的效果.计算了基于多尺度分形参数总体表现的新的多尺度D维面积K(即MMK),并提出了将MMK和基于灰度法计算的分形维数DΔr结合使用(即MKD)的目标检测算法.实践证明,在红外图像中,基于分形理论的目标检测算法效果优于以往的基于分形理论的目标检测算法.     

基于分形理论的边缘检测算法

图像边缘检测在图像分析以及图像理解中是十分关键性的一项技能,采取多种分形方式来提取图像边缘,并对几种分形方式进行对比。得出依赖于分形编码的边缘检测算法复杂且检测时间过长,而利用图像的分形特征以及统计特征来进行测度,并选择多种测度方式,可提高图像边缘区域的精细程度,得到更多的图像信息资源。     

基于分形特征的高频雷达目标检测技术

在现代化战争中,高频雷达起着越来越重要的作用,同时由于各种强杂波的干扰,对高频雷达目标(小目标)的检测需要寻找更好的算法.针对传统相干积累算法对高频雷达舰船目标检测的不足,文中提出了一种基于分形特征的高频雷达目标检测的新方法,利用合维数法计算分形维数,给出了自适应检测门限.在实测数据基础上对分形算法进行验证,实验结果表...     

基于分形特征的机场跑道识别算法的研究

典型目标的检测识别是精确制导武器的关键技术之一.根据红外图像中机场跑道的分形维特性,文章提出并实现了一种利用目标分形几何特征检测机场跑道区域,并进一步分割、识别潜在目标的新算法.仿真实验结果证实该算法成功地识别出了机场跑道.本文的算法运算量较小、适合于实时处理,适用于人造目标的自动识别.     

分形理论在目标检测中的应用

对分形理论在雷达目标检测领域中应用的相关研究进行整理与总结,以传统雷达目标检测方法中存在的不足为切入点,按照分形模型由简单到复杂的顺序,从常规雷达目标检测与图像(SAR图像)目标检测2个方面介绍了分形理论在目标检测领域的发展,并对分形理论在目标检测领域的研究前景进行展望。     

基于小波和分形的海面红外小目标自动检测方法

提出了一种基于小波与分形的红外小目标自动检测算法,首先对原始图像进行小波分 解,计算其低频概貌图像的分形参数,利用在不同纹理图像分形参数变化的特性,检测出水天线的位置,在水天线附近利用红外目标的灰度特性进行精细搜索,最后确定目标所在的位置。实验表明该算法能有效地消除云层、海浪等杂波干扰,适用于海空复杂背景下远距离红外船只目标的检测。     

基于分形维与拟合误差的光电目标检测方法

对光电目标进行自动检测与识别是导弹末端智能制导的一项关键技术,分形理论的出现为解决这个问题提供了新的技术途径。自然背景与人造目标所在区域的分形维与拟合误差特征差别非常明显,因此,提出了一种分形维与拟合误差的光电目标检测方法。实验证明,对于光电目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于局部分形维数的多目标检测算法

在以自然景物为背景的图像中,分形维数是一种能有效地将目标从自然背景中检测出来的纹理特征.将图像的局部窗转化为一维序列的形式,在研究R/S分析法的基础上,提出了一种局部分形维数估计算法.将一维最大熵的检测结果与分形特征图的检测结果进行逻辑与运算,从而实现目标边缘的精确定位.实验表明该算法不仅可以有效地实现多目标检测同时具有较好的抗噪性能.     

基于二进制稳健独立基元特征的扩展目标快速检测

在某些扩展目标光电成像中,目标图像缺少局部细节,因此采用复杂的特征检测算法和高维特征描述符,但这种方法不仅存在特征描述区分度弱的问题,而且还存在资源占用多、运算速度慢以及难以实现实时处理的缺点。主解决此问题提出了用加速分段测试提取特征(FAST)检测算法进行角点检测,用二进制稳健独立基元特征（BRIEF）描述符进行目标特征描述的新方法。同时,针对BRIEF描述符缺少方向判别,对目标姿态变化敏感的问题,提出了主方向约束机制,有效地提高了特征点识别的稳定性。将本方法与加速稳健性特征(SURF)和尺度恒定特征变化(SIFT)两种应用广泛的算法进行了比较,结果表明,本方法的运算速度分别达到了SURF的5倍和SIFT的17倍,且识别率与SURF相当,能在不降低特征识别率的基础上,实现目标的快速检测和稳定跟踪。