共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
海天线在远距离舰船目标检测中具有重要参考价值。目前,主要的海天线检测算法有直线拟合法、基于加权信息熵、Hough 直线检测等,这些算法不同程度地存在运算量较大、应用场合受限等缺点。文中通过研究Seam Carving 原理,将该原理运用到图像中最高能量线的检测,通过计算图像中各点的梯度幅值,采用动态规划技术搜索最高能量线,实现了海天线的检测。实验结果表明,该算法不仅具有较高的检测率,同时具有适用范围广、运算量小、实时性强等特点。 相似文献
3.
4.
5.
非参数岸岛背景红外舰船目标识别算法研究 总被引:1,自引:0,他引:1
由于战场环境复杂且瞬息万变,针对岸岛背景引入了一种快速
的检测/定位算法。该算法能够搜索出感兴趣的红外舰船目标,比如停靠在港口的舰船,而且无需
预先训练。这种方法仅仅使用一幅单一的目标物体样例图片来发现视场中相似的匹配舰
船,而无需对要搜索的物体进行预先学习。从查询图像中提取局部方向核
作为描述器,用于度量一个像素与其邻域间的相似度。然后从这个描述器中提取出显著
特征,并将其与目标图像中的类似特征进行比较。这些比较是使用一个余弦相似度度量矩阵
来实现的。实验结果表明,这个算法表现优异,成功地识别出了复杂背景条件下的舰船目标。 相似文献
6.
针对高分辨率光学遥感图像中人造目标的检测问 题,对传统的相位编组直线段提取算法和k-means 聚类算法了改进,提出了一种k-means聚类和几何特征 相结合的检测方法。根据自然物体和 人造目标在几何外形上表现出的不同特性,首先运用改进的相位编组算法对图像进行快速的 直线段提取; 然后以获取的直线段中心点为处理对象,运用k-means聚类算法 对提取的直线段进行密度聚类;最后,根 据每个类中的直线段数目和构成的几何基元情况,进行人造目标的判定。实验结果表明,本 文算法对遥感 图像中的房屋、汽车、船舰和飞机跑道等多类人造目标可达到90%以 上的检测精度,并具有较高的检测速度,对于一幅512pixel ×512pixel的图像,整个检测过程在100ms 以内。 相似文献
8.
为了解决复杂海面干扰下海天线检测的问题,本文提出了一种基于边界先验双模型贝叶斯决策的红外图像的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重叠子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性(RANSAC)算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。 相似文献
9.
10.
目标检测是红外图像处理环节中的重要组成部分,检测结果直接影响后续处理。在分析红外图像特点的基础上,采用改进的Top-Hat算子对红外图像中的噪声点进行抑制,同时基于传统K-means聚类思想,提出基于二维梯度信息的K-means聚类目标检测算法。实验结果表明,该方法抑制噪声作用明显,能很好地检测出红外图像中的目标,为后续图像处理工作打下较好的基础。 相似文献
11.
12.
针对复杂背景下尺寸未知的红外弱小目标检测难题,一种基于聚类思想的红外弱小目标检测方法被提出。首先,利用小目标形态学特征对原始红外图像进行预处理,生成新的密度特征图。其次,使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后,针对潜在目标的局部候选集,采用加权模糊集聚类算法对局部候选集进行目标与背景区域的精细分割,利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后,对处理后的局部候选集进行自适应阈值提取真实目标。实验结果表明,与7种对比算法相比,该算法对尺寸未知的小目标具有良好的鲁棒性和检测性能。 相似文献
13.
14.
15.
为了进一步提高网络入侵检测技术的检测率,降低误报率和漏报率.针对普通聚类算法存在的聚类结果对随机选取初始聚类中心敏感、分类结果不稳定,从而造成的检测率低、漏报和误报率高的特点.提出一种基于动态聚类算法的网络入侵检测模型,实验结果表明通过在K-均值聚类算法的基础上增加动态迭代调整聚类中心,使聚类结果更稳定更准确.与K-均值聚类等算法相比提高了网络入侵检测的性能,从而表明该算法的可行性,有效性. 相似文献
16.
探索一种基于聚类来识别异常的方法,这个方法不需要手动标示的训练数据集却可以探测到很多不同类型的入侵行为.实验结果表明该方法是可行的和有效的,使用它来进行异常检测可以得到探测率和误报率的一个平衡,从而为异常检测问题提供一个较好的解决办法. 相似文献
17.
18.
19.
无源时差定位系统的静止目标聚类检测算法 总被引:3,自引:0,他引:3
利用时差定位系统的定位误差特性,基于蚁群优化算法,提出了一种蚁群聚类检测算法,在不需要先验信息的情况下,实现了对静止目标的检测。实际数据测试结果表明蚁群聚类检测算法能够有效检测静止目标并估计目标位置,系统对静止目标的定位精度得到了显著改善。 相似文献
20.
提出了一种复杂背景下红外目标分割的有效方法.该方法首先利用meanshift的自适应平滑滤波特性,在不损失目标信息的情况下,滤除复杂背景的杂波干扰;然后根据滤波得到的区域,用蚁群方法在区域之间进行聚类合并,获得最终的分割结果.采用区域来表征蚂蚁,与基本蚁群算法将每个像素看作一只蚂蚁相比,其蚂蚁个数大大减少,因而减小了计算的复杂度,提高了图像处理的效率.在蚁群算法中引入了一种新的引导函数,可以更准确引导蚁群聚类.实验结果表明,该方法可以准确地分割出目标,是一种快速有效的图像分割方法. 相似文献