共查询到20条相似文献，搜索用时 31 毫秒
1.
通过研究、分析现有基于遥感影像的舰船检测算法,提出了基于Itti视觉显著度模型改进的高分辨率遥感影像海面舰船检测方法,该方法利用海面舰船相对于海面背景信息视觉关注高的特点,参考视觉显著度模型计算原理,对高分辨率遥感影像中的颜色、亮度、方向、纹理等特征进行有效提取,然后利用归一化方法将不同特征融合,形成有利于舰船目标提取得视觉显著度图,最后对生成的视觉显著度图进行阈值分割和精细化处理获得最终的舰船检测结果。与传统舰船检测算法相比,本文算法能够有效检测复杂海面背景下的舰船目标,减少了单一特征变化对检测精度的影响,提高了检测准确率,具有较好的抗噪性和较强的鲁棒性。 相似文献
2.
3.
4.
近年来,海战场成为现代战争的主要作战区域之一,舰船目标逐渐成为海上重点监测对象,能否快速准确地识别海战场舰船目标的战术意图,给指挥员的决策提供必要的支持,这关系到一场海上战役的成败.随着合成孔径雷达(synthetic aperture radar,SAR)成像技术的不断发展,大量SAR图像可用于舰船目标检测与识别.利用SAR图像进行舰船目标检测与识别,已经成为重要的海洋应用之一.针对传统SAR图像舰船检测方法准确率较低的问题,本文在YOLOv3的基础上,结合感受野(receptive field block,RFB)模块,提出一种增强型的SAR舰船检测方法.该方法在最近公开的SAR图像舰船检测数据集上平均准确率值达到了91.50％,与原YOLOv3相比提高了0.92％.实验结果充分表明本文提出的算法在SAR舰船的检测中具有较好的检测效果. 相似文献
5.
舰船目标检测是进行海洋环境监管,保障海上权益的重要手段。基于深度学习的目标检测算法能在复杂环境下保持良好性能,为测试不同深度学习目标检测算法在舰船检测中的效果,本文构建了一个包含3893张图像的数据集,涵盖了复杂背景下不同类型的舰船,基于此数据集分别采用Faster RCNN、SSD、RetinaNet、YOLOv3、YOLOv4算法进行实验,结果表明,YOLOv4 、YOLOv3、RetinaNet、Faster RCNN平均精度均在83%以上,其中YOLOv4最高达到91.77%,Faster RCNN误检较多,而SSD平均精度最低,只有79.23%,总的舰船检测数目偏少。将5种模型训练结果在高分二号影像上进行测试,得到较好的检测效果,对舰船检测未来理论研究的开展具有一定的指导意义。 相似文献
6.
为了提高舰船航行实时规避碍航区的效率,提出了一种瞬时水深模型的碍航区自动提取方法。采用潮汐模型实时预报航行区域的动态水位,利用静态水深和动态水位构建瞬时水深模型;依据舰船的安全等深线,自动追踪瞬时水深模型的浅水碍航区,顾及航行区域的人工碍航区等因素,采用多边形合并算法进而获取瞬时水深模型的碍航区。实验证明:本文所提方法切实可行,能够实时自动地获取瞬时水深模型的碍航区集。 相似文献
7.
一种基于边缘信息的车辆检测和跟踪方法 总被引：1，自引：0，他引：1
针对智能交通系统中运动车辆的检测和跟踪问题,提出1种基于边缘信息车辆检测和跟踪方法。利用背景边缘提取模板提取当前帧的精确背景边缘,进而获得前景车辆边缘,用形态学方法对其进行修复,寻找车辆的外轮廓,确定跟踪区域;由于车辆运动的特殊性,以当前帧的车速作为下一帧车速的预测值,并结合跟踪区域的外形信息进行匹配。从实验效果来看,该算法简单有效,适合于实时的车辆检测和跟踪系统。 相似文献
8.
舰船地震波是一种新型的舰船物理场,针对舰船地震波信号对舰船目标的检测问题,提出了一种工程性较强、运算量较小的实时恒虚警概率时频检测算法。 首先从理论上推导了算法的检测性能,该算法只涉及 FFT 变换和一些简单的判别运算,能够在 STM32 单片机上实时地运行该算法;进一步从仿真信号和实测数据 2 个方面对算法进行检验。 结果表明:该算法尽管运算量很小,但仍可有效进行远距离目标检测并设计了识别目标的决策算法,从而确定预警时刻与确认时刻。 相似文献
9.
10.
海天线检测在海洋工程安防活动中具有重要的意义，真实海洋环境中的海天线检测易受云朵、海浪、光照变化、目标遮挡物、边界模糊等外界干扰。为了实现对真实海洋环境中海天线的检测，本研究提出一种基于L0梯度平滑和图像分块聚类的海天线检测算法。首先，对图像进行L0梯度平滑滤波，以增强海天线边缘，弱化非海天线因素干扰；接着，将图像沿着竖直方向分割成若干等宽图像块，以降低整体环境干扰，加强局部海天线检测效果；然后，通过Canny算子和霍夫变换提取每个分割图像块中的直线段；最后，采取K means聚类算法提取每个图像块中的海天线段，拟合生成完整海天线。实验结果表明，在真实的海天线数据集中，本研究方法获取的矩形框重叠率平均精度为93.22%，角度差平均精度为7.66%，均高于文中选取的近年典型对比算法。满足实际海天线检测抗干扰强、准确率高、适应性广等要求。 相似文献
11.
针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。 相似文献
12.
本文对现有的高频地波雷达目标跟踪方法进行了概述,提出了一种地波雷达目标长时连续跟踪的方法,基本思想是:充分挖掘航迹弧段特征,基于特征对船只运动建模,并结合杂波背景进行融合决策。进一步,为了达到长时间连续跟踪的需求,借鉴深度学习的思想,利用新获取的弧段数据对算法估计结果不断递归校正,使得随着获取数据的增加跟踪越准确。该方法适用于杂波环境且在航道附近存在众多干扰船只的情况下对机动目标航迹的实时稳定跟踪,为高频地波雷达在复杂干扰环境下特定目标持续跟踪提供理论基础和方法指导,为充分发挥地波雷达在海上监视监测中的作用提供技术支撑。 相似文献
13.
14.
《中国海洋大学学报(自然科学版)》2021,51(10)
将统计学中的箱线图应用于SAR图像舰船目标检测,提出了一种新的舰船检测算法。该算法不对海面背景建模,因此对复杂的海面背景具有较强的适应性,且能有效减少虚警和保持舰船轮廓。文中从适用条件、算法参数和时间复杂度三个方面,将该算法与恒虚警率(CFAR)算法做了详细的分析与比较,并推导出当海面背景符合高斯分布时,本文算法中的参数异常点因子与双参数CFAR算法中的标称因子之间的关系。最后,使用马六甲海峡及其附近海域的多幅星载SAR图像进行了实验验证。实验结果表明,当实际海面背景分布不符合高斯分布时,相比于双参数CFAR算法,本文算法具有更好的适应性。 相似文献
15.
舰船辐射噪声特征线谱提取方法研究 总被引：1，自引：0，他引：1
线谱是船舶辐射噪声中重要的特征信息,为舰船的检测识别和方位跟踪提供了依据。采用Welch算法和CZT变换联合处理舰船的辐射噪声信号能够有效的提取线谱。Welch法在估计功率谱时可以有效减小方差和偏差,这有利于从宽带噪声谱中提取主要的窄带谱;CZT变换可以对窄带谱进行精确分析,提高频率的分辨力,因此这两者的结合有利于从舰船噪声中提取线谱。根据对仿真信号和某实船的辐射噪声信号的分析结果,表明该方法原理简单,能够精确地提取特征线谱,另外利用所提取的船只的特征线谱,还可以对船的航迹进行跟踪。 相似文献
16.
海底影像存在着对比度低、噪声污染严重、图像质量差等问题，采用传统算子的海底管线边缘图像中含有大量的无用和断裂边缘信息。文中将多尺度边缘检测和匹配跟踪相结合，提出利用平稳小波变换的海底管线边缘检测方法；在提取边缘的同时利用匹配跟踪手段对噪声干扰进行抑制，提高图像目标边缘检测质量。通过对海底管线和测试图像边缘检测实验表明，文中所提出的方法在抑制图像噪声的干扰、提高水下目标边缘完整性方面明显优于传统的边缘提取算子，证明该算法的有效性。 相似文献
17.
针对固定粒子数PF-TBD算法计算量大、复杂环境下地波雷达海上船只目标检测与跟踪性能不佳的问题,本文将粒子滤波方法应用于地波雷达船只目标检测与跟踪中,提出了基于自适应粒子滤波的地波雷达目标检测与跟踪联合处理方法。该方法结合地波雷达回波谱中目标展宽特性,充分利用了地波雷达回波谱中面目标的粒子权重信息来设置粒子自适应采样策略,提高了目标检测和跟踪联合处理的效果。通过地波雷达实测数据的目标跟踪结果及与同步AIS信息的比对分析,结果表明:提出的检测跟踪联合处理方法在对低信噪比、快速机动等复杂环境下的多目标跟踪时,可提高目标整体跟踪性能。 相似文献
18.
舰船目标多为铁磁性材料构成,运动过程中会产生磁、地震动等多物理场信号,针对当前舰船目标的单物理场跟踪性能有限以及跟踪性能易受观测野值影响的问题,基于多节点的地震动信息和磁场信息,提出了一种鲁棒的地震动–磁场信息融合的跟踪算法.仿真和试验结果表明:此算法能够有效降低异常观测值带来的影响,由于双节点三分量磁场的信息是完备的... 相似文献
19.
《海洋技术学报》2021,40(4)
本文围绕海上无人值守平台周界安防技术需求,以800 m范围内的快艇、渔船、客轮和商船为航行目标构建运动目标跟踪监控系统,并集成开发了基于水下被动声学检测和水上云台控制的光学视频系统为一体的声光一体化监控系统,设计了一套基于深度学习的目标检测算法,实现了对水面航行目标的跟踪检测与分类识别。本文在目前基于单一方法进行水面目标跟踪的基础上进行了突破,系统综合了水听器远距离目标监控跟踪和近距离的水面视频监控目标识别,当两者同时确认目标,由声警器发出警报驱离可疑目标,系统将水下声学监控和水面视频监控有效结合,极大地降低了平台的误报概率,同时实验测试结果表明该系统可有效实现对4类水面航行目标的跟踪检测和特征提取,且改进后的算法可有效提升目标检测效果与识别精度,具有较好的鲁棒性和有效性。 相似文献
20.
给出了一个基于模糊C均值聚类(FCM)的舰船目标检测算法。其中心思想是将SAR图像中的各像素点灰度值视为样本集,然后利用FCM算法对该样本集聚类,并利用聚类结果计算图像分割全局阈值。与目前流行的恒虚警率(CFAR)检测算法相比,所给检测算法具有参数少、计算量与图像大小成正比、舰船轮廓保持良好的特点,为高分辨率SAR图像舰船目标检测提供了一个新的选择。 相似文献