無人機(jī)有時需要在缺乏預(yù)先紅外樣本圖像的情況下對指定區(qū)域的艦船目標(biāo)進(jìn)行偵察監(jiān)視.針對該情況下的紅外艦船目標(biāo)自動檢測問題,設(shè)計了一種基于多分辨率差分濾波的檢測方法.該方法對輸入圖像在多個分辨率下作差分濾波,再將濾波結(jié)果與選擇性搜索算法結(jié)合,得到檢測結(jié)果.實驗中,選擇139張圖像作為測試圖像數(shù)據(jù)集.使用多分辨率差分濾波檢測方法對測試圖像數(shù)據(jù)集進(jìn)行紅外艦船目標(biāo)檢測,平均檢測準(zhǔn)確率達(dá)到89.378%,比采用HOG+SVM檢測方法高8.445%. 

【文章來源】：指揮與控制學(xué)報. 2020,6(02)

【文章頁數(shù)】：8 頁

【文章目錄】：
1 問題的提出
2 檢測方法
    2.1 基本檢測方法
        2.1.1 多分辨率差分濾波
        2.1.2 選擇性搜索算法
        2.1.3 選擇性搜索與差分濾波的融合
    2.2 具體檢測方法
3 實驗結(jié)果與分析
    3.1 實驗結(jié)果
        3.1.1 實驗圖像的采集與選取
        3.1.2 實驗方法的選擇
        3.1.3 多分辨率差分濾波目標(biāo)檢測實驗
        3.1.4 對比實驗檢測結(jié)果
    3.2 實驗分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于紅外多特征的彈道中段目標(biāo)識別研究[J]. 戴樺宇,周玉明,黃山,尹小兵.  指揮與控制學(xué)報. 2019(04)
[2]基于候選區(qū)域的無人機(jī)偵察影像目標(biāo)檢測技術(shù)研究[J]. 李喆,李建增,扈琪.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2019(02)
[3]面向圖像的有效目標(biāo)區(qū)域提取方法[J]. 崔云博,杜友田,王航.  西安交通大學(xué)學(xué)報. 2019(05)
[4]復(fù)雜動態(tài)背景下的運動目標(biāo)檢測[J]. 王思明,韓樂樂.  光電工程. 2018(10)
[5]基于凸殼檢測的紅外船舶輪廓提取技術(shù)[J]. 劉海峰,張超,羅江,林福良.  指揮與控制學(xué)報. 2017(03)
[6]基于LoG斑點檢測的無源毫米波圖像目標(biāo)識別方法[J]. 李國強(qiáng),劉北佳.  數(shù)字技術(shù)與應(yīng)用. 2017(05)
[7]交叉雙邊濾波和視覺權(quán)重信息的圖像融合[J]. 劉峰,沈同圣,馬新星.  儀器儀表學(xué)報. 2017(04)
[8]基于多尺度局部邊緣梯度的紅外艦船目標(biāo)檢測[J]. 邢莎,吉林,雍楊,龔濤,袁佳.  兵工自動化. 2014(05)
[9]基于高斯金字塔的運動目標(biāo)檢測[J]. 屠禮芬,仲思東,彭祺,梅天燦.  中南大學(xué)學(xué)報(自然科學(xué)版). 2013(07)
[10]加速的Fast Hessian多尺度斑點特征檢測[J]. 韓冰,王永明,孫繼銀.  光學(xué)精密工程. 2011(07)

碩士論文
[1]靜態(tài)圖像中感興趣區(qū)域檢測方法研究[D]. 王萌.天津工業(yè)大學(xué) 2018
[2]圖像局部不變性特征提取與匹配[D]. 薛振華.天津大學(xué) 2013
[3]�？毡尘跋录t外艦船目標(biāo)識別方法研究[D]. 劉世軍.電子科技大學(xué) 2011



本文編號：3038610