共查询到10条相似文献，搜索用时 15 毫秒
1.
随着雷达成像技术和高分辨率光栅显示技术的发展和应用,基于船载雷达图像的船只检测成为可能.海上船只检测的主要困难之一是雷达图像中包含固有的海面背景杂波.传统的雷达船只检测方法,如恒虚警率法(CFAR),以杂波分布模型为基础,计算待检测窗口中的信号统计分布来确定自适应阈值,取得了一些成果.但是,当海面背景杂波和船只目标的回波强度在同一数量级,甚至船只目标淹没在海面背景杂波中时,就难以确定一个有效的阈值将船只目标从雷达图像中提取出来.在分析海面背景杂波和船只目标的相关差异性基础上,提出了一种基于船载雷达序列图像的海上船只快速检测方法.该方法首先对相邻两幅图像进行互相关性分析,在两幅图像中的同一位置提取一定尺寸的移动窗口,计算其互相关函数值,窗口移动一个步长,重复操作直至遍布整幅图像,形成一幅由灰度图像互相关函数值组成的相关图像.然后使用概率神经网络模型(PNN模型)来估计相关图像背景杂波的灰度概率密度分布函数(PDF),应用CFAR技术,使用二分法求解一个区分船只和背景噪声的自适应整体阈值,并根据阈值将相关图像二值化,其中大于阈值的像元作为候选的船只目标信息,小于阈值的像元则为海面背景杂波.最后使用连通性8-邻域准则统计各个候选船只目标区域的像元数,并与预先定义的最小船只目标像元数进行比较,偏小的候选船只目标区域作为虚警去除,保留下来的候选船只目标区域即为船只检测结果.研究显示,如果图像序列中没有船只目标信息,则三维相关图像比较平整.相反,如果图像序列中含有船只目标信息,则三维相关图像上有峰值被检测出,通过测量峰值的高度,就能判断存在可能的船只目标.运用X波段船载雷达序列图像对本文提出的海上船只检测方法进行了测试.测试结果表明,该检测方法具有很好的船只检测效果,得到的船只检测结果与目视判别的结果一致.而且该检测算法原理简单,计算速度快,易于实时处理,具有广阔的应用前景. 相似文献
2.
为了能够在低信噪比的条件下提高目标的检测概率,降低目标的漏警率和虚警率,提出了一种基于信号特征的舰船轴频电场实时检测方法。 根据舰船的螺旋桨转速与轴频的对应关系确定了特征频段, 将特征频段内经过线谱、连续谱分离及线谱识别后的功率谱估计的最大值作为特征量。 根据环境变化,设置具有自适应功能的动态阈值,对信号进行实时检测,确定疑似目标点。 然后通过模量判断,线谱倍频判断和线谱稳定性判断,最终确认目标是否存在。 对仿真信号和实测信号进行了特征提取和检测,在不同海况和较低信噪比下实现了目标检测。 相似文献
3.
胡红波 《数字海洋与水下攻防》2019,2(5):1-6
针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点，提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先，根据侧扫声呐图像中水下小目标成像特点，对声呐图像进行滤波及聚类分割，大幅降低图像中噪声；然后，采用斑点检测思想，提取侧扫声呐图像中疑似目标区域；最后，基于自动阈值分割算法对声呐图像进行分割，获取目标区域二值图像，使用二阶矩估计目标尺度，剔除虚假目标，最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高，对侧扫声呐图像中的水下小目标具有良好的检测效果。 相似文献
4.
受海上环境、太阳高度角和无人船航向等因素的影响,无人船监控图像中海面反光现象不可避免,进而干扰后续视频处理,例如海天线的提取和运动目标的跟踪等。本文提出了一种无人船视频监控海面反光区域的检测及去除方法。首先,利用RGB颜色通道中的最大值与最小值获取像素点的亮度比例关系,检测海面反光区域中的高亮像素点。然后,针对检测到的高亮像素点进行形态学膨胀操作,获取较完整的海面反光区域。最后,结合反光区域中像素点亮度值随其位置分布的变化特点,使用加权后的邻域像素进行高亮成分抑制,实现反光区域的去除,并完成了无人船监视图像处理实验验证。实验结果显示,所提出的方法可有效检测并去除海面反光区域。 相似文献
5.
《海洋湖沼通报》2019,(6)
大多数研究者在卫星SAR(Synthetic Aperture Radar)海面溢油自动监测系统的特征参数集构成时主要考虑海面溢油的众多特征。本文从海面疑似溢油的特征分析出发,以海洋内波为例提出增加傅里叶谱特征参数子集,以减少海洋内波引入的虚警,降低自动监测系统的错检率。新提出的特征参数子集包括10个傅里叶谱特征。实验研究收集了富含海洋内波的53幅中国南海SAR图像数据集,利用自适应阈值图像分割及其后处理软件模块自动产生比例合理的SAR海面暗目标样本集,分别使用主要考虑海面溢油特征的77个特征参数和增加傅里叶谱特征参数子集的87个特征参数进行分类器训练和测试。结果表明,增加傅里叶谱特征参数子集后,系统的错检率从19.6%降至14%。 相似文献
6.
SAR（synthetic aperture radar）图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义。为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进。针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法（Soft-NMS）进行优化。同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播（backpropagation,BP）人工神经网络溢油检测方法并与Faster R-CNN方法进行对比。实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4%和5%,溢油虚警率降低了5%。 相似文献
7.
8.
针对海洋表面SAR影像的特点，采用基于灰度共生矩阵的纹理特征方法是提取海面溢油信息的常用方法，但实际海洋表面复杂的信息使得SAR图像上产生类似溢油现象的暗斑区域，这导致在利用纹理特征方法提取溢油信息时存在虚警率，降低了溢油信息的提取精度。基于RADARSAT-2 SAR四极化影像，本文提出基于SAR极化比影像的纹理特征识别方法对海面油膜进行识别提取。结果显示，基于SAR极化比影像的纹理特征识别方法可以有效且准确地提取海面溢油信息，相比于VV极化影像的纹理特征识别方法，溢油监测过程中的虚警率降低了17.96%，溢油监测总体精度达到96.83%。 相似文献
9.
为实现海事动态视频监测中海面目标的自动检测,提出基于小波域视觉注意选择机制的海面目标快速检测算法。根据人类视觉观测特点,首先利用提升小波变换在小波域建立了双尺度视觉选择注意模型,然后在粗分辨率低频子带上分别利用相位谱法和梯度法建立视觉显著图,并对两者进行有效融合形成综合视觉显著图,最后通过小波反变换得到原始高分辨率图像的视觉显著图,并由此实现海面目标区域的提取。实验结果表明:该算法能够快速、准确地实现海面目标的自动检测,可用于基于海洋浮标的海事智能监测。 相似文献
10.
全极化SAR图像中溢油极化特征研究 总被引：2，自引：1，他引：1
相比于单极化SAR图像,全极化SAR图像不仅能体现海面目标的几何特征、后向散射特征,还能体现目标的极化特征。因此,在溢油检测方面,极化SAR更具优势。特征提取作为溢油检测的关键步骤,直接影响到溢油检测的精度。在本文中,我们分析了全极化SAR图像中海面溢油的极化特征,如极化散射熵、平均散射角等。并提出了新的极化特征P,该特征参数能够反映海面目标电磁散射过程中布拉格散射机制和镜面散射机制的比例。为了研究极化特征溢油检测的能力,本文基于SIR-C/X-SAR和Radarsat-2全极化SAR图像开展了相关实验,并对比分析了溢油的多种极化特征。实验结果显示,在中低风速情况下,C波段溢油探测效果优于L波段;本文提出的极化特征P对海面散射机制敏感;基准高度和特征参数P在C波段比其他极化特征更适于溢油检测。 相似文献