积分商城

最新搜索： PL2303 altium Designer 20 电路设计与仿真从入门到精通 常用LOGO标识 microBUCK 入门教程 canopen
您现在的位置是：首页 > 技术资料 > 基于视觉显著性的无监督海面舰船检测与识别
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于视觉显著性的无监督海面舰船检测与识别

更新时间：2019-12-25 10:18:24 大小：3M 上传用户：zhiyao6查看TA发布的资源 标签：视觉显著性的 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

在航天航空光学遥感舰船目标检测中,受大气、光照、云雾和海岛等海面不确定条件的影响,传统的舰船检测方法存在检测效率低和可靠性差等问题,因此,本文提出一种无监督海面舰船目标自动检测方法。该方法以视觉显著性为依据,结合多显著性检测模型快速搜索海面目标,生成显著图后对其进行粗分割,对提取的目标切片做标记并进行精细分割,利用改进的Hough变换旋转目标主轴以保证目标对Y轴的对称性;对可能检测到的厚重云层和岛屿等伪目标使用梯度方向特征进行鉴别,通过判定目标在360°范围内8个区间的梯度幅度统计值,确认舰船目标及去除伪目标。实验结果表明,该舰船检测方法能够成功提取海面上大小不同,位置随机分布的舰船目标,准确获取舰船目标的数量和位置信息,在大量真实光学遥感图像上的测试结果显示,本文方法检测准确率高于93%,通过目标鉴别处理,剔除伪目标后,虚警率可低于4%,鲁棒性较强。


部分文件列表

文件名 大小
基于视觉显著性的无监督海面舰船检测与识别.pdf 3M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第
卷
第
期
５
光学 精密工程  
ꢀ
２５  
ꢀ
Ｖｏｌ．２５ Ｎｏ．５  
ꢀ
ꢀꢀꢀꢀꢀ ꢀꢀꢀꢀ  
ꢀ ꢀꢀ ꢀꢀꢀ  
Ｏ ｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｉｎｅｅｒｉｎ  
ꢀ ｐ ꢀ ꢀ ꢀ ｇ  
ｇ
年
月
ꢀ ꢀ  
２０１７  
５
Ｍａ ２０１７  
ｙ
ꢀ
ꢀꢀ  
（ ）  
１００４９２４Ｘ２０１７０５０１３００１２  
－
文章编号  
ꢀ
－
－
基于视觉显著性的无监督海面舰船检测与识别  
，
１２  
，
１２  
１
＊
刘晶红  
１
，
，
，
王
徐
芳
曾冬冬  
宣
ꢀ
ꢀ
（ ， ，  
中国科学院 长春光学精密机械与物理研究所 航空光学成像与测量重点实验室 吉林 长春  
１．  
；
１３００３３  
，
中国科学院大学 北京  
２．  
）
１０００４９  
： ， 、 、 ，  
摘要 在航天航空光学遥感舰船目标检测中 受大气 光照 云雾和海岛等海面不确定条件的影响 传统的舰船检测方法  
， ， 。  
存在检测效率低和可靠性差等问题 因此 本文提出一种无监督海面舰船目标自动检测方法 该方法以视觉显著性为依  
， ， ，  
据 结合多显著性检测模型快速搜索海面目标 生成显著图后对其进行粗分割 对提取的目标切片做标记并进行精细分  
，
割 利用改进的  
；
变换旋转目标主轴以保证目标对 轴的对称性 对可能检测到的厚重云层和岛屿等伪目标使用  
Ｙ
Ｈｏｕｈ  
ｇ
，
梯度方向特征进行鉴别 通过判定目标在  
，
。
范围内 个区间的梯度幅度统计值 确认舰船目标及去除伪目标 实验结  
３６０°  
８
， ， ，  
果表明 该舰船检测方法能够成功提取海面上大小不同 位置随机分布的舰船目标 准确获取舰船目标的数量和位置信  
， ，  
息 在大量真实光学遥感图像上的测试结果显示 本文方法检测准确率高于  
， ， ，  
通过目标鉴别处理 剔除伪目标后 虚  
９３％  
，
。
警率可低于  
鲁棒性较强  
４％  
： ； ； ； ；  
词 计算机视觉 舰船检测 视觉注意机制 显著性区域 梯度方向特征  
ꢀ
关
键
ꢀ
：
：
文献标识码  
Ａ
：
／
中图分类号  
ＴＰ３９１．４  
ꢀꢀ  
ｄｏｉ１０．３７８８ Ｏ ＰＥ ．２０１７２５０５ ．１３００  
ꢀꢀ  
Ｄｅｔｅｃｔｉｏｎａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｕｎｓｕｅｒｖｉｓｅｄｓｈｉｓ  
ꢀ ꢀ ꢀ ꢀ ꢀ  
ｐ
ｐ
ａｎｄｗａｒｓｈｉｓｏｎｓｅａｓｕｒｆａｃｅｂａｓｅｄｏｎｖｉｓｕａｌｓａｌｉｅｎｃ  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
ｐ
ｙ
，
１２  
，
１２  
１
＊
１
，
，
，
ＷＡＮＧＸｕａｎ  
ｇ
ＸＵＦａｎ  
ꢀ
ＬＩＵＪｉｎ ｈｏｎ  
ꢀ ｇ－  
ＺＥＮＧＤｏｎ ｄｏｎ  
ｇ
ｇ
ꢀ
ｇ
－
ꢀ
（
，
１．Ｄｅ ａｒｔｍｅｎｔｏ ＡｉｒｂｏｒｎｅＯ ｔｉｃａｌＩｍａｉｎ ａｎｄ Ｍｅａｓｕｒｅｍｅｎｔ  
ꢀ ꢀ ꢀ ꢀ  
ｐ
ｐ
ｆ
ꢀ
ｇ ｇ  
ꢀ
， ，  
ＣｈｉｎｅｓｅＡｃａｄｅｍ ｏ Ｓｃｉｅｎｃｅｓ Ｃｈａｎｃｈｕｎ１３００３３ Ｃｈｉｎａ  
ꢀ
；
ｙ ｆ  
ꢀ ꢀ  
ｇ
， ，  
２．ＴｈｅＵｎｉｖｅｒｓｉｔ ｏ ｔｈｅＣｈｉｎｅｓｅＡｃａｄｅｍ ｏ Ｓｃｉｅｎｃｅｓ Ｂｅｉｉｎ １０００４９ Ｃｈｉｎａ  
ꢀ
）
ꢀ
ꢀ
ｙ ｆ  
ꢀ ꢀ  
ｙ ｆ  
ꢀ ꢀ  
ｊ ｇ  
， ：  
Ｃｏｒｒｅｓｏｎｄｉｎ ａｕｔｈｏｒ Ｅｍａｉｌｌｉｕ１５７７ １２６．ｃｏｍ  
＠
＊
－
ｐ
ｇ
ꢀ
：
Ａｂｓｔｒａｃｔ Ｉｎｔａｒｅｔｄｅｔｅｃｔｉｏｎｏｎａｅｒｏｓａｃｅｏｔｉｃａｌｒｅｍｏｔｅｓｅｎｓｉｎ ｄｕｅｔｏｔｈｅｉｎｔｅｒｆｅｒｅｎｃｅｏｆｕｎｃｅｒｔａｉｎ  
ꢀ
，
ｇ
ꢀ ꢀ ꢀ  
ꢀ ｇ ꢀ  
ꢀ ꢀ  
ｐ
ꢀｐ  
ꢀ
ꢀ ꢀ  
，
，
，
，
ｃｏｎｄｉｔｉｏｎｓｏｎｓｅａｓｕｒｆａｃｅｓｕｃｈａｓａｔｍｏｓｈｅｒｅ ｓｏｌａｒｒａｄｉａｔｉｏｎ ｃｌｏｕｄａｎｄ ｍｉｓｔ ｉｓｌａｎｄｓａｎｄｏｔｈｅｒｓ  
ꢀ ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｔｒａｄｉｔｉｏｎａｌｓｈｉ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄｓａｌｗａｓｈａｖｅｓｏｍｅｄｅｆｅｃｔｓｓｕｃｈａｓｌｏｗ ｄｅｔｅｃｔｉｏｎｅｆｆｉｃｉｅｎｃ  
ｙꢀ ｙ ｐ  
ｏｏｒ  
ꢀ ｐ ꢀ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｒｅｌｉａｂｉｌｉｔ ．Ｔｈｅｒｅｆｏｒｅ ｔｈｅａｕｔｈｏｒ ｒｏｏｓｅｄａｎｕｎｓｕｅｒｖｉｓｅｄｓｈｉ ａｕｔｏｍａｔｉｃｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄ．Ｉｎｔｈｉｓ  
ꢀｐ ｐ ꢀ ꢀ ꢀ ｐ  
ｙ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｍｅｔｈｏｄ ｖｉｓｕａｌｓａｌｉｅｎｃ ｗａｓｃｏｍｂｉｎｅｄｗｉｔｈ ｍｕｌｔｉｓａｌｉｅｎｃ ｄｅｔｅｃｔｉｏｎ ｍｏｄｅｌｆｏｒｆａｓｔｓｅａｒｃｈｉｎ ｏｆｓｅａ  
ꢀ ꢀ －  
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
ꢀ
－
ｙ
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
；
，
，
ｓｕｒｆａｃｅｔａｒｅｔｓ ａｆｔｅｒｓａｌｉｅｎｃ ｍａ ｗａｓ ｅｎｅｒａｔｅｄ ａｒｏｕｈｓｅ ｍｅｎｔａｔｉｏｎｗａｓｃｏｎｄｕｃｔｅｄｏｎｉｔ ｔｈｅｎ  
ｇꢀ ｇ  
ꢀ ｇ ꢀｇ ꢀ ꢀ  
ꢀ
ｙ
ꢀ
ｐ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｅｘｔｒａｃｔｅｄｔａｒｅｔｓｌｉｃｅｗａｓｍａｒｋｅｄａｎｄｆｉｎｅｓｅ ｍｅｎｔａｔｉｏｎ ｗａｓｉｍ ｌｅｍｅｎｔｅｄ ｓｕｂｓｅｕｅｎｔｌ ｉｍ ｒｏｖｅｄ  
ꢀ ｇ ꢀ ꢀ ｇ ꢀ ｐ  
，
ｙ ｐ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｑ
Ｈｏｕｈｔｒａｎｓｆｏｒｍａｔｉｏｎｗａｓｕｓｅｄｔｏｒｏｔａｔｅ ｒｉｎｃｉａｌａｘｉｓｏｆｔａｒｅｔｆｏｒｅｎｓｕｒｉｎ ｔｈｅｓ ｍｍｅｔｒ ｏｆｔａｒｅｔｓ  
ꢀ ꢀ ꢀ ꢀ ꢀｐ ꢀｙ  
ｇꢀ ｐ ꢀ ꢀ ꢀ ｇ ꢀ ꢀ ｇ ｙ ꢀ ｇ  
ꢀ
ꢀ
；
ｔｏＹａｘｉｓ ｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆ ｒａｄｉｅｎｔｄｉｒｅｃｔｉｏｎｗａｓａ ｌｉｅｄｔｏｒｅｃｏｎｉｚｅ ｈｏｎ ｔａｒｅｔｓｓｕｃｈａｓｔｈｉｃｋ  
ꢀꢀ ꢀ ꢀｇ ꢀｐｐ ꢀ ꢀ ꢀｐ ꢀ ꢀ  
ꢀ
ꢀ
ꢀ
ｇ
ｙ
ꢀ
ｇ
ꢀ
， ，  
ｃｌｏｕｄｓｌａｅｒ ｉｓｌａｎｄｓａｎｄｏｔｈｅｒｓｔｈａｔｍａ ｂｅｄｅｔｅｃｔｅｄ ｔｈｅ ｒａｄｉｅｎｔａｎｄａｍ ｌｉｔｕｄｅｓｔａｔｉｓｔｉｃａｌｖａｌｕｅｏｆ  
ꢀ ｐ  
ꢀ ｙ  
ꢀ
ꢀ
ꢀ
ꢀ ｙ  
ꢀ
ꢀｇ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
：
；
：
修订日期  
２０１６１０１３．  
收稿日期  
２０１６０８２４  
－ －  
ꢀꢀ  
－
－
：
基金项目 国家自然科学基金资助项目  
（
）；  
吉林省重大科技攻关项目  
（
）
Ｎｏ ．６０９０２０６７  
Ｎｏ．１１ＺＤＧＧ００１  
ꢀꢀ  
， ：  
芳 等 基于视觉显著性的无监督海面舰船检测与识别  
徐
第
期
５
ꢀꢀꢀꢀ  
ꢀ
１３０１  
ｔｈｏｓｅｔａｒｅｔｓｉｎ８ｉｎｔｅｒｖａｌｓｏｎａｌｌｄｉｒｅｃｔｉｏｎｓｗｅｒｅ ｕｄｅｄｔｏｉｄｅｎｔｉｆ ｔａｒｅｔｓｈｉｓａｎｄ ｗａｒｓｈｉｓａｎｄ  
ｙ ｇ ꢀ ｐꢀ ｐꢀ  
ꢀ ｇ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀｊ ｇ ꢀ ꢀ ꢀ  
ꢀ
ｅｌｉｍｉｎａｔｅ ｈｏｎ ｔａｒｅｔｓ．Ｔｈｅｅｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄｏｆｓｈｉｓａｎｄ  
ꢀｐ ꢀ ｐ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ｐꢀ  
ｙ
ꢀ
ｇ
ꢀ
ｗａｒｓｈｉｓｃａｎｂｅｕｓｅｄｔｏｓｕｃｃｅｓｓｆｕｌｌ ｅｘｔｒａｃｔｔａｒｅｔｓｈｉｓａｎｄｗａｒｓｈｉｓｗｈｉｃｈａｒｅｉｎｄｉｆｆｅｒｅｎｔｓｉｚｅａｎｄ  
ｐꢀ ꢀ ꢀ ꢀ ꢀ ｙ ｐ ꢀ  
ꢀ ｇ ꢀ ｐꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
ꢀ
ｒａｎｄｏｍｄｉｓｔｒｉｂｕｔｅｄｏｎｓｅａｓｕｒｆａｃｅｆｏｒｏｂｔａｉｎｉｎ ａｃｃｕｒａｔｅ ｕａｎｔｉｔ ａｎｄｌｏｃａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎａｂｏｕｔｔｈｅｍ．  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ ꢀｑ ꢀ ꢀ ꢀ ꢀ  
ｇ
ꢀ
ｙ
ꢀ
，
Ｉｎｔｅｓｔｏｎａｌａｒｅｎｕｍｂｅｒｏｆａｕｔｈｅｎｔｉｃｏｔｉｃａｌｒｅｍｏｔｅｓｅｎｓｉｎ ｉｃｔｕｒｅｓ ｔｈｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃ ｒａｔｅｏｆ  
ꢀ ꢀꢀ ｇꢀ ꢀ ꢀ ꢀｐ  
ｇｐ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
，
ｒｏｏｓｅｄｍｅｔｈｏｄｉｓｈｉｈｅｒｔｈａｎ９３％ ｗｈｉｌｅｔｈｅｆａｌｓｅａｌａｒｍｒａｔｅｉｓｌｏｗｅｒｔｈａｎ４％ ｔｈｒｏｕｈｔａｒｅｔ  
ꢀ ꢀ  
ｐ ｐ  
ꢀ
ꢀ ꢀ ｇ  
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｇꢀ ｇ  
，
ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｔｒｅａｔｍｅｎｔａｎｄ ｈｏｎ ｔａｒｅｔｅｌｉｍｉｎａｔｉｏｎ ｗｈｉｃｈｈａｓｓｔｒｏｎ ｒｏｂｕｓｔｎｅｓｓ．  
ꢀｐ  
ｇ ꢀ  
ꢀ
ꢀ
ꢀ
ｙ
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
：
；
；
Ｋｅ ｗｏｒｄｓ ｃｏｍ ｕｔｅｒｖｉｓｉｏｎ ｄｅｔｅｃｔｉｏｎｏｎｓｈｉｓａｎｄｗａｒｓｈｉｓ ｖｉｓｕａｌａｔｔｅｎｔｉｏｎ ｍｅｃｈａｎｉｓｍ ｓａｌｉｅｎｃ  
ｙ
；
ｐ
ꢀ
ꢀ ꢀ ｐꢀ  
ꢀ
ｐ
ꢀ
ꢀ
ｙ
ꢀ
；
ａｒｅａ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆ ｒａｄｉｅｎｔｄｉｒｅｃｔｉｏｎ  
ꢀ
ꢀ ꢀｇ  
［
］
１１  
；
）
模型  
ｂａｓｅｄｏｎＩｎｆｏｒｍａｔｉｏｎＭａｘｉｍｉｚａｔｉｏｎ  
ꢀ ꢀ  
ＧＢＶＳ  
ꢀ
［
］
１２  
； （  
（
）
模型  
ＧｒａｈＢａｓｅｄＶｉｓｕａｌＳａｌｉｅｎｃ  
ｙ
ＣＡ Ｃｏｎｔｅｘｔ  
ｐ
－
ꢀ
ꢀ
引 言  
ꢀ ꢀ  
１
［ ］  
１３  
）
模型  
Ａｗａｒｅ  
；
（
）
模
ＦＴ Ｆｒｅｕｅｎｃ ＴｕｎｅｄＳａｌｉｅｎｃ  
ｙ
ｑ
ｙ
－
ꢀ
［
］
１４  
；
［ ］  
１５  
（
）
。
等 该类模  
型
模型  
， ，  
近年来 随着对地观测技术的飞速发展 涌现  
ＨＣ ＨｉｓｔｏｒａｍＣｏｎｔｒａｓｔ  
ｇ
ꢀ
。
型通过提取及融合图像的多种特征进行检测  
遥
，
出了大批高空间分辨率的光学遥感成像卫星 它们  
， ， ， ，  
感图像中 目标相对较小 容易受海况 天气 光照  
；
可获得卫星亚米级分辨率的全色影像 而无人机等  
， ， 。  
等的干扰 背景抑制能力较弱 且耗时较大 而基  
，
航空影像甚至可以获取近地高精度目标 航天航空  
于频域的显著性检测算法在计算速度和背景抑制  
遥感为海域目标检测和识别提供了极为丰富的数  
，
Ｈｏｕ  
方面具 有 明 显 优 势  
等 人 提 出 了 谱 残 差 法  
。 ，  
据源 舰船是海上监测和战时打击的重要目标 通  
［ ］  
１６  
（
ｐ
， ） ，  
这是首次提出基于频域  
ＳｅｃｔｒａｌＲｅｓｉｄｕａｌＳＲ  
ꢀ
过对其进行检测和识别可以监察重点海域的舰船  
；
Ｇｕｏ  
分析的显著性检测模型  
等人在  
的基础上  
ＳＲ  
， ，  
分布情况 掌握敌方作战实力 分析海上作战情报  
，
（
Ｐｈａｓｅ  
提 出 了 四 元 傅 里 叶 变 换 相 位 谱 法  
； ，  
进行精确制导等 另外 还可以满足海上交通监管  
，
，
ＱｕａｎｔｅｒｎｉｏｎＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍ ＰＱＦＴ  
ꢀ
），  
可处理彩  
ꢀ
， 。  
反走私 海上搜救等实际工作的需要 实际应用  
， ，  
色图像的多通道特征 边缘检测性能较好 但目标  
， ， 、 ，  
中 由于拍摄距离远 云团 雾霾遮蔽 光照不均匀  
，
、
。
［
］
１７  
；
内部连续性较差  
等人提出超复数频域变换  
Ｌｉ  
，
舰船与海面亮度及颜色对比度不高 以及海杂波  
（
，
Ｈ ｅｒｃｏｍｌｅｘ Ｆｒｅｕｅｎｃ Ｄｏｍａｉｎ Ｔｒａｎｓｆｏｒｍ  
ꢀ ꢀ  
ｙｐ ｐ ｑ ｙ  
ꢀ
，
小岛等的干扰 很容易导致检测产生虚警和漏检  
） ，  
理论 该 方 法 对 目 标 整 体 性 的 检 测 效 果 较  
ＨＦＴ  
， 、 、  
因此 如何精准 快速 稳定地检测和提取海洋背景  
［
］
１８１９  
，
－
，
好
但对背景抑制能力不强 而且对多个距离  
，
中的舰船目标 赢得尽可能多的反应时间与处理时  
；
相近的目标区分能力较弱 还有人提出基于图像分  
， 。  
间 已成为当前迫切需要解决的难题 传统光学遥  
［
］
２０  
，
块的检测方法  
在海杂波占据大部分区域的光  
［
１３  
－
］
感舰船检测方法大多基于灰度阈值分割  
和灰度  
， ； ，  
学遥感图像中 单独分块会增大虚警率 而且 当存  
［］  
４
。
，
这类方法适用于海面纹理均匀 水体灰度  
统计  
，
在厚重云层和小岛干扰时 前述方法的虚警率也会  
，
较低且舰船与海面对比度较大的情况 但对一些复  
。
大大提高 文献  
［ ］  
使用图像配准以及非监督分  
２１  
， ，  
杂情况如存在大海浪 云层遮挡 加上舰船黑白极  
，
类等方法去除云雾 但仍不能去除厚重云层  
。
， ；  
性等时 很容易导致虚警 还有人提出了基于分形  
，
针对上述问题 本文提出了一种基于视觉显  
［］  
５
，
模型的方法  
其利用自然背景和人造背景分形特  
。
著性的无监督海面舰船检测方法 该方法包括  
：
， ，  
征的不同进行检测 但在有云雾干扰时 背景自相  
。
目标预筛选和舰船目标鉴别 前半部分通过结合  
， ；  
似性降低 分形模型拟合误差较大 最后一种是基  
，
多显著性检测模型搜索海面舰船目标区域 可以  
［
］
，
６７  
－
，
于机器学习的方法  
是需要预先制作模板 依赖先验知识  
基于视觉显著性的方法由于可以迅速找到与  
该方法识别准确性较高 但  
，
更有效地抑制海面大面积云雾 海杂波背景干扰  
，
，
。
，
增强了目标整体的连续性和目标间的可区分性  
。
提高了对较小目标的检测能力 后半部分设计了  
，
当前场景和任务相关的信息 近些年已成为舰船  
，
一种实用的梯度方向特征方法 对检测到的目标  
［
］
８９  
。
－
检测的研究热点  
目前显著性检测方法主要  
， ，  
加以鉴别确认 逐一剔除厚重云层 海岛和海岸线  
分为基于空间域模型的方法和基于频域模型的方  
， 。  
等虚假目标的干扰 保留真实舰船目标 该方法  
［
］
１０  
；
，
法 空间域模型有  
：
ＩＴＴＩ  
（
，
具有较强的目标表征能力 可适用于不同尺度的  
模型  
ＡＩＭ Ａｔｔｅｎｔｉｏｎ  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号