共查询到18条相似文献，搜索用时 104 毫秒
1.
高光谱图像异常目标检测主要用于检测图像中的区别于背景环境的异常目标,为图像目标的判读提供一个初步的判断,是高光谱图像应用的一个重要内容。本文在研究现有异常目标检测算法的基础上,采用基于主成分抑制和顶点成分分析相结合的方法,对实验图像中的异常目标进行了检测,取得了较好的效果。 相似文献
2.
3.
《武汉大学学报(信息科学版)》2020,(10)
为解决空中多目标检测中目标在图像中所占像素数少、目标相互毗邻和相互遮挡的难题,提出了联合时空信息和轨迹关联的空中多目标检测算法。该算法首先利用基于像素的背景建模算法得到目标空间信息,结合邻近帧差算法提取的目标时间信息,联合得到目标的时空信息图;然后,利用卡尔曼预测器对目标位置进行预测,利用匈牙利匹配算法关联目标得到目标轨迹,根据目标轨迹补充漏检目标,提高目标的查全率;最后,分段提取目标轨迹特征,根据轨迹特征进行判断,滤除虚警目标,提高目标的查准率。采用空中多目标视频进行实验验证,结果表明,本文算法检测性能优良,查全率高于96%,查准率高于98%,F测度高于97%。 相似文献
4.
《武汉大学学报(信息科学版)》2016,(1)
针对海天背景下彩色近景舰船图像,采用了一种基于多尺度特征簇的舰船目标快速定位与识别方法,此方法对旋转具有鲁棒性,对光照具有良好的适应性。借鉴Canny边缘检测与图像金子塔及最小生成树聚类算法的思想,设计了一套可适应目标多尺度特性并提高Canny边缘检测自适应性的"特征簇"目标定位算法,结合概率树分类器与二维主成分分析算法,可对多视角、多目标类型舰船目标进行识别,并根据全概率公式评估识别结果。 相似文献
5.
6.
利用改进的遗传算法对红外影像自适应目标进行检测 总被引：1，自引：1，他引：0
针对红外影像背景复杂、噪声污染严重的特点,提出了一种基于训练样本的形态学背景估计方法,并将其应用于天空背景下的小目标检测及复杂自然背景下的人物目标检测实验。实验结果表明,改进的遗传算法不仅有效地改善了其过早收敛的缺陷,还增强了算法的局部探索能力,可消除复杂自然背景的影响,并可以有效地抑制椒盐噪声,检测结果的查准率和虚警率均有很大改进。 相似文献
7.
目标探测是高光谱图像的重要应用之一.目前已经有了很多的目标探测算法,然而这些算法要求目标与背景是线性可分的.在实际的高光谱数据中,这一要求往往难以满足.本文提出了一种基于非线性主成分分析的高光谱图像目标探测算法.该方法先利用神经网络将高光谱图像进行非线性降维,从而使得在降维后的数据中目标与背景线性可分;然后使用约束能量最小化算法进行目标探测,为了取得较好的目标探测效果,保留了图像原始的特征.针对模拟数据和真实高光谱图像数据的试验表明,基于神经网络的非线性主成分分析可以将线性不可分的目标与背景分离.使用非线性特征和原始特征的组合可以获得更好的目标探测效果. 相似文献
8.
针对多波段红外弱小目标检测问题,建立多波段红外图像模型,从集中式和分布式检测处理两个角度,推导在目标和背景信息完全已知的理想条件下最优融合检测器形式,给出检测算法的性能上界。讨论在目标和背景信息不同程度缺失情况下的广义似然比(GLRT)融合检测器形式,提出一种实用的恒虚警分布式融合检测方法,给出可实现融合检测器的检测性能公式。在此基础上,对各类融合检测算法性能进行仿真对比分析,给出分析结论。本文对多波段红外弱小目标检测问题的研究较为系统、全面,得出的结论对不同工作条件下弱小目标融合检测器的选择设计具有指导作用。 相似文献
9.
一种复杂海天背景下的红外舰船目标自动检测方法 总被引：3，自引：0，他引：3
提出了一种红外舰船目标检测算法。首先,利用设计好的频域组合高通滤波器对原始红外图像进行处理,以得到舰船目标可能存在的区域即目标潜在区;然后,对获得的目标潜在区进行尺度自适应的局部阈值分割,进而提取出较为完整的舰船目标或者虚假目标;最后通过检测吃水线特征来筛选出正确的舰船目标。实验结果表明,此算法能够有效地检测出复杂海天背景条件下的红外舰船目标,且具有一定的时效性。 相似文献
10.
在已有背景预测算法的基础上,提出了一种基于均值反差法作为不相似度量对图像进行滤波,在增强小目标的同时抑制了复杂背景,并通过自适应的背景预测算法,实现了对小目标的快速检测。实验结果表明,该算法对小目标适应性强,能大幅度地提高目标/背景的信噪比,从而快速而准确地检测出小目标的位置。 相似文献
11.
A Selective KPCA Algorithm Based on High-Order Statistics for Anomaly Detection in Hyperspectral Imagery 总被引：1，自引：0，他引：1
《Geoscience and Remote Sensing Letters, IEEE》2008,5(1):43-47
In this letter, a selective kernel principal component analysis (KPCA) algorithm based on high-order statistics is proposed for anomaly detection in hyperspectral imagery. First, KPCA is performed on the original hyperspectral data to fully mine the high-order correlation between spectral bands. Then, the average local singularity (LS) is defined based on the high-order statistics in the local sliding window, which is used as a measure for selecting the most informative nonlinear component for anomaly detection. By the selective KPCA, information on anomalous targets is extracted to maximum extent, and background clutters are well suppressed in the selected component. Finally, the selected component with maximum average LS is used as input for anomaly detectors. Numerical experiments are conducted on real hyperspectral images collected by the airborne visible/infrared imaging spectrometer. The results strongly prove the effectiveness of the proposed algorithm. 相似文献
12.
13.
多波束水体影像在水下目标探测和识别方面具有较高的应用价值，但受波束旁瓣效应、第三方声呐干扰及复杂的海洋环境噪声等影响，水柱影像中噪声严重，给图像质量和水下目标探测及识别带来较大困难。在分析噪声来源及成因的基础上，根据其空间分布特点，提出了基于强度分布规律的异常"弧圈"检测与消除方法和基于图像交集和差集运算的背景噪声削弱方法，实现了水体影像中噪声的综合抑制，保留目标的同时改善了水体影像的质量。 相似文献
14.
This letter presents a new theoretical approach for anomaly detection using a priori information about targets. This a priori knowledge deals with the general spectral behavior and the spatial distribution of targets. In this letter, we consider subpixel and isolated targets that are spectrally anomalous in one region of the spectrum but not in another. This method is totally different from matched filters that suffer from a relative sensitivity to low errors in the target spectral signature. We incorporate the spectral a priori knowledge in a new detection distance, and we propose a Bayesian approach with a Markovian regularization to suppress the potential targets that do not respect the spatial a priori. The interest of the method is illustrated on simulated data consisting in realistic anomalies that are superimposed on a real HyMap hyperspectral image. 相似文献
15.
遥感应用任务与遥感影像的关联关系在时空约束下非常复杂,难以抽象且不易精确建模。通过任务发现遥感影像的方法直接在遥感应用任务和遥感影像之间建立关联,不仅关联关系维护困难,而且忽略了时空因素的影响,导致查询准确率不高。利用基于案例的推理技术,将难以抽象成规则和精确建模的任务与遥感影像在时空约束下的关联隐含在案例中,设计相应的类比推理模型,实现通过任务智能检索相关遥感影像。原型系统实验表明了该方法的可行性,并提升了遥感影像数据的服务效果。 相似文献
16.
针对视频监控系统中人群异常行为检测准确率低的问题，提出了一种基于时空立方体的人群异常行为检测与定位方法。首先利用光流法计算等间距采样的特征点光流场，然后根据光流场计算特征点的运动速度、方向和方向熵3个特征量，并分别将其统计直方图投影到对应的三维立体空间中，构建描述人群行为的时空立方体特征。同时，将图像分成多个子区域，并计算各子区域的时空立方体特征；设计基于最近邻分类和支持向量机的级联分类器，完成人群异常行为的检测与定位。结果表明，该方法比现有方法能更准确地检测视频中的异常人群。 相似文献
17.
针对尺度自适应选择分层多阈值方法,有时检测目标不完整且存在较多虚警目标等问题,提出了一种基于尺度分层多阈值和SVM分类相结合的舰船目标检测与识别方法。首先使用尺度自适应分层多阈值方法进行初检测;其次根据样本学习生成舰船目标特征及最佳分类特征组合;最后使用SVM样本学习分类实现舰船目标检测与识别。实验结果表明,该方法比单一使用样本分类法降低了虚警率,提高了检测效率,能在近岸舰船目标与背景对比度较低的情况下实现虚假目标有效剔除,且在突堤式码头停放的舰船目标识别中更有效和更稳定。 相似文献
18.
船只检测是实现船只航行安全的重要措施之一,利用SAR图像可实现船只检测。然而,传统的一些方法一般容易受到SAR图像斑噪的影响,在检测结果中产生大量的虚警。为解决这一问题,本文提出了一种基于引力场增强的舰船检测方法。该方法利用像素与其邻域内像素的相互作用可对目标像素增强的效应,有效地抑制了斑噪像素和背景像素的强度,凸显了目标。由于增强后的像素已经不满足对海面区域的均质性假设,因此直接使用恒虚警检测算法对图像进行全局检测并不能够得到很好的效果,据此本文引入了一个基于均质区域自适应分割的改进的K-CFAR检测算法,将图像分割为不同大小的一系列均质区域,并分别对各个均质区域使用一个改进的K-CFAR检测器对船只目标进行检测。最后,使用Radarsat-1数据和Envisat ASAR数据对本文算法进行了验证。实验表明,本文提出的方法能够有效地凸显弱目标,增加检测准确性,降低检测的虚警概率。 相似文献