CN110084104A - 基于高斯金字塔光流进行舰船动目标检测的方法 - Google Patents
基于高斯金字塔光流进行舰船动目标检测的方法 Download PDFInfo
- Publication number
- CN110084104A CN110084104A CN201910197490.1A CN201910197490A CN110084104A CN 110084104 A CN110084104 A CN 110084104A CN 201910197490 A CN201910197490 A CN 201910197490A CN 110084104 A CN110084104 A CN 110084104A
- Authority
- CN
- China
- Prior art keywords
- doubtful
- phase
- target
- light stream
- ship target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明实施例提供了一种基于高斯金字塔光流进行舰船动目标检测的方法,包括:获取卫星采集的光学两帧图像,对两帧图像进行海陆分割并屏蔽陆地区域,两帧图像分别为时相1和时相2,用恒虚警率算法对海陆分割后的图像进行疑似舰船目标候选区的提取,获取疑似舰船目标的位置,对,提取的疑似舰船目标进行光流跟踪,根据光流,将时相1中疑似舰船目标的的位置在时相2中进行疑似舰船目标的位置标记,剔除标记位置中超出时相2边界的部分,根据光流计算疑似舰船目标的方向,去除方向一致性强的像素点后,作为舰船动目标。本发明实施例克服了传统的海上舰船目标检测和跟踪技术难以达到理想效果的缺陷,完成对舰船动目标的快速检测。
Description
技术领域
本发明涉及远洋区域宽幅图像检测技术领域,特别是涉及一种基于高斯金字塔光流进行舰船动目标检测的方法。
背景技术
卫星成像主要采用光学成像和合成孔径雷达(SAR)成像技术从太空对地球或月球等天体进行成像,从而用于遥感、环境监测或军事侦察。卫星自上而下对远洋区域舰船目标成像时,所呈现的复杂云与舰船目标并存的低分辨率图像帧序列,候选区域中舰船目标与虚警的特征差异性不明显,基于图像特征的目标筛选技术难以达到理想的筛选结果。在复杂云背景的图像序列中,依据运动目标与云背景的整体运动方向存在的差异性进行候选区域的筛选操作。
目前,常用的动目标发现技术都是基于遍历完整的图像检测技术来实现的。然而该方法不仅运算量大,对硬件的资源配置要求也比较高,在环境较好,背景干扰小的情况下发现的效果较好,但是,当背景中有大片云干扰时极易误检与漏检。
因此,目前需要本领域技术人员迫切解决的一个技术问题就是:如何能够创新地提出一种有效的舰船动目标检测的方法,以克服现有技术存在的缺陷,满足实际应用中的更多需求。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的基于高斯金字塔光流进行舰船动目标检测的方法,本发明实施例有效克服了高轨卫星成像数据分辨率低,视场广阔且场景复杂多变,传统的海上舰船动目标检测和跟踪技术难以达到理想效果的问题。
为了解决上述问题,本发明公开了一种基于高斯金字塔光流进行舰船动目标检测的方法,包括:
S101、获取卫星采集的光学两帧图像,对两帧图像进行海陆分割并屏蔽陆地区域;所述两帧图像分别为时相1和时相2;
S102、针对时相1,用恒虚警率算法进行疑似舰船目标的提取;
S103、对S102提取的疑似舰船目标进行光流跟踪;
S104、根据S103光流跟踪的结果,将时相1中疑似舰船目标在时相2中的位置进行标记;
S105、剔除S104所标记疑似舰船目标的位置中超出时相2边界的部分;
S106、根据S103光流跟踪的结果,计算时相2中疑似舰船目标的方向,去除方向一致性强的像素点后,保留下的为舰船动目标。
优选的,所述对S103提取的疑似舰船目标进行光流跟踪,包括:
原始图像作为第0层,利用递归形式建立金字塔图层;
初始化金字塔最高层的光流估计值为0,最高层的计算结果作为初始值传递给下一层图像,根据初始值计算该层的光流,再将该层得到的光流作为下一层的初始值,直到最低一层原始图像层,所有层的分段光流叠加值作为最后光流。
优选的,所述对S102所得图像进行疑似舰船目标候选区的提取,所提取的疑似舰船目标候选区为灰度大于海洋灰度的区域。
优选的,所述屏蔽陆地区域的实现方式为:用海洋对陆地进行填充。
优选的,所述光学两帧图像为连续不间断的两帧。
优选的,所述对S102海陆分割后的图像进行疑似舰船目标候选区的提取,采用提取连通域的方式完成。
优选的,所述连通域为四连通域或八连通域。
本发明实施例包括以下优点:
本发明通过将采集图像,用海陆库对图像进行海陆分割,在海陆分割基础上根据CFAR算法提取候选区,对得到的疑似目标进行光流跟踪,为了快速发现舰船目标的位置,必须将云干扰去除,为此,计算图像中的所有疑似目标的方向并统计分析,因为大视场下云的运动方向是一样的,在大视场中运动的目标只有云和舰船,统计方向并剔除云即可快速获得舰船目标的位置,实现对舰船动目标的快速检测。
附图说明
图1是本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例一的步骤流程图;
图2是本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例二的流程示意图;
图3是本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例二所述的采集的两帧相邻遥感卫星的图像实例的示意图;
图4是本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例二所述的CFAR模型示意图;
图5是本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例二所述的标记出重点关注舰船目标的图像效果示意图;
图6是本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例二所述的光流跟踪流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的核心思想是公开一种基于高斯金字塔光流进行舰船动目标检测的方法,该方法将采集图像,用海陆库对图像进行海陆分割;在海陆分割基础上根据CFAR算法提取候选区;对得到的疑似目标进行光流跟踪;为了快速发现舰船目标的位置,必须将云干扰去除,为此,计算图像中的所有疑似目标的方向并统计分析,因为大视场下云的运动方向是一样的,在大视场中运动的目标只有云和舰船,统计方向并剔除云即可快速获得舰船目标的位置。该方法能有效的检测到宽幅图像中舰船目标的位置,输出目标的坐标信息。
实施例一
参见图1,示出了本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例一的步骤流程图,具体可以包括如下步骤:
步骤101,获取卫星采集的光学两帧图像,对两帧图像进行海陆分割并屏蔽陆地区域;所述两帧图像分别为时相1和时相2,分辨率每英寸像素点数(Dots Per Inch,简称DPI)200以上、尺寸1080×720像素以上;
步骤102,针对时相1,用恒虚警率算法进行疑似舰船目标的提取;
所述对S102所得图像进行疑似舰船目标候选区的提取,所提取的疑似舰船目标候选区为灰度大于海洋灰度的区域,所述屏蔽陆地区域的实现方式为:用海洋对陆地进行填充。
同时本实施例中所针对的两帧光学图像为连续不间断的两帧。
所述对S102海陆分割后的图像进行疑似舰船目标候选区的提取,采用提取连通域的方式完成,所述连通域为四连通域或八连通域。
步骤S103,对S102提取的疑似舰船目标进行光流跟踪;
步骤S104,根据S103光流跟踪的结果,将时相1中疑似舰船目标在时相2中的位置进行标记;
步骤S105,剔除S104所标记疑似舰船目标的位置中超出时相2边界的部分;
步骤S106,根据S103光流跟踪的结果,计算时相2中疑似舰船目标的方向,去除方向一致性强的像素点后,将所保留的作为舰船动目标。
实操中,通过光流的方向和云索引的特征,疑似舰船目标的光流方向一致性强的像素点为云索引,去除云的索引可快速发现动舰船目标的位置。
实施例二
参见图2,示出了本发明的一种基于高斯金字塔光流进行舰船动目标检测的方法的实施例二的流程示意图,具体处理过程如下:
S1:利用相机采集电力线含异物的视频,采集视频的每帧图像的分辨率至少200dpi、尺寸1080×720像素以上,图3为采集的两帧相邻遥感卫星的图像实例,对时相1和时相2两帧图像利用数字高程模型(Digital Elevation Model,简称DEM)进行海陆分割,屏蔽陆地区域;实际处理海陆分割时,海洋的值是0;陆地的值为1。
S2:对S1获得的图像中的时相1,利用CFAR算法获得疑似舰船目标候选区;灰度值大于海洋灰度值的作为舰船目标候选区,然后提取疑似舰船目标;
S21:假设舰船目标候选区的目标区域、保护区域和背景区域分别记为Targetarea,Protect area和Background area。如图4所示,海杂波统计选取高斯分布模型进行CFAR检测,对不同的候选目标将得到不同的分布模型,也将得到不同的CFAR门限阈值,CFAR门限具有自适应的特性。
双参数CFAR检测器公式为:
其中xt是待检验像素,μb是背景均值,σb是背景标准差,t是检测器设计参数。CFAR模型如图4所示。
S22:得到候选区后,提取连通域,获取疑似舰船目标的位置和目标个数。应用中,连通域为八连通域或四连通域。
S3:将S2处理后得到的疑似舰船目标进行光流跟踪,流程图如图6所示;
S31:建立金字塔;
原始图像作为第0层,令I0=I是第0层的图像,图像宽定义为W0=W,高定义为H0=H,利用递归形式建立金字塔,IL是IL-1层推导出来。推导公式如下所示:
具体处理中,通常建立4层,即:I0、I1、I2和I3层。
S32:金字塔跟踪:
光流在最低层图像上计算出来,将上一层的计算结果作为初始值传递给下一层图像,根据初始值计算该层的光流,再将该层得到的光流作为下一层的初始值,直到最低一层(原始图像层),该层计算得到的光流为最后的光流。
1)初始化光流估计量
初始化顶层图像中的光流估计值为0,金字塔从底层到高层尺寸逐渐变小,缩小了光流值,因此最高层的光流估计值设为0。
定义速度向量
邻域内所有像素点的匹配误差和为:
其中A和B为坐标处的灰度值。
对每层的光流计算就是利用最小二乘法求邻域内匹配误差和的导数,在最优解位置导数为0,匹配误差最小即两帧图像对应点之间相似度最高。
求出误差和的导数,利用泰勒公式展开,得到光流向量的最优解:
定义
每层图像的光流都是根据上式计算的到。δI为两帧同层图像灰度值的差值,Ix和Iy分别是图像在该点的梯度分量。
2)反馈到下一层
设置下一层光流的估计值。
gL-1=2(gL+dL)
最终的光流就是所有层的分段光流叠加值。
3)光流与像素点的关系
光流,就是画面移动过程中,图像上的每个像素的x,y位移量。因此根据上述步骤得到光流便可得到下一帧里对应的目标像素。
S4:根据S3光流跟踪的结果,将时相1中疑似舰船目标在时相2中的位置进行标记,如图3所示;
S5:时相1中的疑似目标根据光流得到的在时相2中的位置,判断是否超出时相2的边界,如果超出则剔除。
S6:根据S3光流跟踪的结果,可计算时相2中疑似舰船目标的方向,统计疑似目标的方向,去除方向一致性强的像素点后,可标记出重点关注的舰船目标,如图5所示;为充分验证本发明方法的有效性和适用性,将本发明方法做实验,由实验结果可以看出,本发明方法的可以较好检测出宽幅场景中舰船目标。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上对本发明所提供的一种基于高斯金字塔光流进行舰船动目标检测的方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于高斯金字塔光流进行舰船动目标检测的方法,其特征在于,包括:
S101、获取卫星采集的光学两帧图像,对两帧图像进行海陆分割并屏蔽陆地区域;所述两帧图像分别为时相1和时相2;
S102、针对时相1,用恒虚警率算法进行疑似舰船目标的提取;
S103、对S102提取的疑似舰船目标进行光流跟踪;
S104、根据S103光流跟踪的结果,将时相1中疑似舰船目标在时相2中的位置进行标记;
S105、剔除S104所标记疑似舰船目标的位置中超出时相2边界的部分;
S106、根据S103光流跟踪的结果,计算时相2中疑似舰船目标的方向,去除方向一致性强的像素点后,保留下的为舰船动目标。
2.根据权利要求1所述的方法,其特征在于,所述对S103提取的疑似舰船目标进行光流跟踪,包括:
原始图像作为第0层,利用递归形式建立金字塔图层;
初始化金字塔最高层的光流估计值为0,最高层的计算结果作为初始值传递给下一层图像,根据初始值计算该层的光流,再将该层得到的光流作为下一层的初始值,直到最低一层原始图像层,所有层的分段光流叠加值作为最后光流。
3.根据权利要求1或2所述的方法,其特征在于,所述对S102所得图像进行疑似舰船目标候选区的提取,所提取的疑似舰船目标候选区为灰度大于海洋灰度的区域。
4.根据权利要求3所述的方法,其特征在于,所述屏蔽陆地区域的实现方式为:用海洋对陆地进行填充。
5.根据权利要求3所述的方法,其特征在于,所述光学两帧图像为连续不间断的两帧。
6.根据权利要求3所述的方法,其特征在于,所述对S102海陆分割后的图像进行疑似舰船目标候选区的提取,采用提取连通域的方式完成。
7.根据权利要求6所述的方法,其特征在于,所述连通域为四连通域或八连通域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197490.1A CN110084104A (zh) | 2019-03-15 | 2019-03-15 | 基于高斯金字塔光流进行舰船动目标检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910197490.1A CN110084104A (zh) | 2019-03-15 | 2019-03-15 | 基于高斯金字塔光流进行舰船动目标检测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084104A true CN110084104A (zh) | 2019-08-02 |
Family
ID=67412594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910197490.1A Pending CN110084104A (zh) | 2019-03-15 | 2019-03-15 | 基于高斯金字塔光流进行舰船动目标检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084104A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220956A (zh) * | 2019-11-08 | 2020-06-02 | 北京理工雷科电子信息技术有限公司 | 一种基于地理信息的机载雷达对海探测陆地目标剔除方法 |
CN111899285A (zh) * | 2020-07-08 | 2020-11-06 | 浙江大华技术股份有限公司 | 目标对象的跟踪轨迹的确定方法和装置、存储介质 |
CN111973919A (zh) * | 2020-06-24 | 2020-11-24 | 江苏深渡消防装备科技有限公司 | 一种基于图像识别的火源精准定位方法 |
CN112257505A (zh) * | 2020-09-17 | 2021-01-22 | 昆明物理研究所 | 一种应用于红外全景系统的虚假目标识别方法及存储介质 |
CN113112481A (zh) * | 2021-04-16 | 2021-07-13 | 北京理工雷科电子信息技术有限公司 | 一种基于矩阵网络的混合异构片上架构 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005182375A (ja) * | 2003-12-18 | 2005-07-07 | Nissan Motor Co Ltd | 運転者表情認識装置 |
JP4111080B2 (ja) * | 2003-06-27 | 2008-07-02 | 日産自動車株式会社 | 脇見状態検出装置 |
CN101520896A (zh) * | 2009-03-30 | 2009-09-02 | 中国电子科技集团公司第十研究所 | 利用光学遥感影像自动检测云层干扰舰船目标的方法 |
CN102200575A (zh) * | 2010-12-02 | 2011-09-28 | 南京大学 | 一种基于恒虚警率的影像舰船检测方法 |
CN102968798A (zh) * | 2012-12-12 | 2013-03-13 | 北京航空航天大学 | 一种基于小波变换和otsu阈值的sar图像海陆分割方法 |
US20150036888A1 (en) * | 2013-07-31 | 2015-02-05 | Trimble Navigation Ltd. | Sequential rolling bundle adjustment |
CN106845364A (zh) * | 2016-12-28 | 2017-06-13 | 中国航天电子技术研究院 | 一种快速自动目标检测方法 |
CN106875420A (zh) * | 2016-12-29 | 2017-06-20 | 北京理工雷科电子信息技术有限公司 | 一种基于遥感平台的空中动目标序列图像仿真方法 |
CN108257149A (zh) * | 2017-12-25 | 2018-07-06 | 翟玉婷 | 一种基于光流场的舰船目标实时跟踪检测方法 |
CN108805904A (zh) * | 2018-05-25 | 2018-11-13 | 中国空间技术研究院 | 一种基于卫星序列图像的运动舰船检测与跟踪方法 |
CN109117802A (zh) * | 2018-08-21 | 2019-01-01 | 东北大学 | 面向大场景高分遥感影像的舰船检测方法 |
-
2019
- 2019-03-15 CN CN201910197490.1A patent/CN110084104A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4111080B2 (ja) * | 2003-06-27 | 2008-07-02 | 日産自動車株式会社 | 脇見状態検出装置 |
JP2005182375A (ja) * | 2003-12-18 | 2005-07-07 | Nissan Motor Co Ltd | 運転者表情認識装置 |
CN101520896A (zh) * | 2009-03-30 | 2009-09-02 | 中国电子科技集团公司第十研究所 | 利用光学遥感影像自动检测云层干扰舰船目标的方法 |
CN102200575A (zh) * | 2010-12-02 | 2011-09-28 | 南京大学 | 一种基于恒虚警率的影像舰船检测方法 |
CN102968798A (zh) * | 2012-12-12 | 2013-03-13 | 北京航空航天大学 | 一种基于小波变换和otsu阈值的sar图像海陆分割方法 |
US20150036888A1 (en) * | 2013-07-31 | 2015-02-05 | Trimble Navigation Ltd. | Sequential rolling bundle adjustment |
CN106845364A (zh) * | 2016-12-28 | 2017-06-13 | 中国航天电子技术研究院 | 一种快速自动目标检测方法 |
CN106875420A (zh) * | 2016-12-29 | 2017-06-20 | 北京理工雷科电子信息技术有限公司 | 一种基于遥感平台的空中动目标序列图像仿真方法 |
CN108257149A (zh) * | 2017-12-25 | 2018-07-06 | 翟玉婷 | 一种基于光流场的舰船目标实时跟踪检测方法 |
CN108805904A (zh) * | 2018-05-25 | 2018-11-13 | 中国空间技术研究院 | 一种基于卫星序列图像的运动舰船检测与跟踪方法 |
CN109117802A (zh) * | 2018-08-21 | 2019-01-01 | 东北大学 | 面向大场景高分遥感影像的舰船检测方法 |
Non-Patent Citations (6)
Title |
---|
BOUGUET J Y. 等: "Pyramidal Implementation of the affine Lucas Kanade Feature Tracker Description of the algorithm", 《INTEL CORPORATION》 * |
HAICHAO LI 等: "Moving ship detection based on visual saliency for video satellite", 《2016 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS)》 * |
ZBXZC: "目标跟踪之Lukas-Kanade光流法", 《HTTPS://BLOG.CSDN.NET/U014568921/ARTICLE/DETAILS/46638557?》 * |
刘思彤 等: "多特征融合的高分辨率遥感图像海陆分离", 《电光与控制》 * |
叶玲利: "内河视频监控中运动船舶检测和遮挡分离算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
吴琦颖 等: "一种新颖的海上运动目标实时检测方法", 《计算机工程与应用》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220956A (zh) * | 2019-11-08 | 2020-06-02 | 北京理工雷科电子信息技术有限公司 | 一种基于地理信息的机载雷达对海探测陆地目标剔除方法 |
CN111220956B (zh) * | 2019-11-08 | 2021-11-09 | 北京理工雷科电子信息技术有限公司 | 一种基于地理信息的机载雷达对海探测陆地目标剔除方法 |
CN111973919A (zh) * | 2020-06-24 | 2020-11-24 | 江苏深渡消防装备科技有限公司 | 一种基于图像识别的火源精准定位方法 |
CN111899285A (zh) * | 2020-07-08 | 2020-11-06 | 浙江大华技术股份有限公司 | 目标对象的跟踪轨迹的确定方法和装置、存储介质 |
CN111899285B (zh) * | 2020-07-08 | 2023-03-14 | 浙江大华技术股份有限公司 | 目标对象的跟踪轨迹的确定方法和装置、存储介质 |
CN112257505A (zh) * | 2020-09-17 | 2021-01-22 | 昆明物理研究所 | 一种应用于红外全景系统的虚假目标识别方法及存储介质 |
CN112257505B (zh) * | 2020-09-17 | 2023-07-04 | 昆明物理研究所 | 一种应用于红外全景系统的虚假目标识别方法及存储介质 |
CN113112481A (zh) * | 2021-04-16 | 2021-07-13 | 北京理工雷科电子信息技术有限公司 | 一种基于矩阵网络的混合异构片上架构 |
CN113112481B (zh) * | 2021-04-16 | 2023-11-17 | 北京理工雷科电子信息技术有限公司 | 一种基于矩阵网络的混合异构片上架构 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084104A (zh) | 基于高斯金字塔光流进行舰船动目标检测的方法 | |
Xuan et al. | An improved canny edge detection algorithm | |
Zhang et al. | A categorization of multiscale-decomposition-based image fusion schemes with a performance study for a digital camera application | |
Chen et al. | Ship detection from coastal surveillance videos via an ensemble Canny-Gaussian-morphology framework | |
CN105654091B (zh) | 海面目标检测方法及装置 | |
CN108876723B (zh) | 一种灰度目标图像的彩色背景的构建方法 | |
CN108981672A (zh) | 基于单目机器人与测距传感器结合的舱门实时定位方法 | |
CN110503620B (zh) | 一种基于傅立叶频谱提取的图像融合方法 | |
CN108961162A (zh) | 一种无人机林区航拍图像拼接方法和系统 | |
CN109767454B (zh) | 基于时-空-频显著性的无人机航拍视频运动目标检测方法 | |
CN103927751A (zh) | 基于梯度信息融合的水面光视觉图像目标区域检测方法 | |
CA2780595A1 (en) | Method and multi-scale attention system for spatiotemporal change determination and object detection | |
CN108229342B (zh) | 一种海面舰船目标自动检测方法 | |
CN108109163A (zh) | 一种航拍视频的运动目标检测方法 | |
CN115983141A (zh) | 一种基于深度学习反演海浪波高的方法、介质及系统 | |
CN117372680B (zh) | 一种基于双目相机与激光雷达融合的目标检测方法 | |
CN115760790A (zh) | 机场路面异物检测方法、服务器及存储介质 | |
CN109918968A (zh) | 一种舰船目标检测方法 | |
Tian et al. | High confidence detection for moving target in aerial video | |
CN109685825A (zh) | 用于热红外目标跟踪的局部自适应特征提取方法、系统及存储介质 | |
Xiang et al. | A modified joint trilateral filter based depth map refinement method | |
Liu et al. | A rapid weighted median filter based on saliency region for underwater image denoising | |
Tao et al. | Measurement algorithm of notch length of plastic parts based on video | |
CN115810113B (zh) | 针对sar图像的显著特征提取方法及装置 | |
Liang et al. | Moving Ship Target Detection Method for Geostationary Orbit Satellite Panchromatic Image Sequence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190802 |