针对海天背景下红外舰船目标识别提出了一种基于机器学习的分类算法。该算法首先利用分割算法提取红外图像中的连通区域，并对原图相应的位置进行标记和归一化处理，然后利用HOG特征提取标记区域的高维特征向量，用线下样本库训练得到的SVM分类器对所提取的HOG特征进行高维特征空间的分类，识别目标和干扰。仿真实验表明，该算法具有良好的性能，在复杂海天干扰背景下能够有效地识别红外舰船目标。
SVM分类器 红外图像 HOG特征 舰船目标识别 SVM classifier infrared image HOG feature ship-target recognition 红外与激光工程
2016, 45(1): 0104004
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
将Itti模型应用于海洋监视卫星图像舰船目标的检测中。简要阐述了Itti模型的算法处理过程，并将视觉注意点的提取转移过程建立为电容阵列充电模型。针对Itti模型的诸多问题，比如所提取的显著区域形状大小固定、小半径检测实时性差、大半径检测包含背景区域多等，提出了改进算法：引入离散矩变换，增强了图像纹理特征响应；采用阈值分割的方法由显著点搜寻显著区域，提高了检测精度和实时性。运用Matlab对算法进行测试，实验结果表明，改进算法所提取的显著区域形状大小基本与目标一致，实时性好，且显著区域包含背景少。与Itti模型相比，改进算法更适合应用于海洋监视卫星图像舰船目标检测提取。
图像处理 视觉注意 显著特征 海洋监视卫星图像 舰船目标识别 阈值分割 激光与光电子学进展
2013, 50(12): 121001
1 海军航空工程学院,山东 烟台 264001
2 华中科技大学 图像识别与人工智能研究所,武汉 430074
在深入分析和提取近岸舰船目标红外特性和微波特性的基础之上,提出一种基于D-S证据理论的红外图像和微波特性融合方法来实现近岸舰船目标的识别。一方面,对红外图像进行小波去噪、边缘提取、海天线识别与对消等红外预处理和特征提取后,可以得到若干个待选目标;另一方面,对目标回波进行衰减、低噪声放大、滤波和线性放大等处理后,可以得到信号幅度大于一定阈值若干个待选目标。最后,通过对红外和微波得到的待选目标运用D-S证据理论的融合规则进行数据融合,得到最终识别结果。算法易于硬件实现。实验表明,该方法能达到较好的识别效果。
红外图像 微波特性 D-S证据理论 近岸舰船目标识别 infrared image microwave features D-S Evidence Theory alongshore ship detection
