逆光环境下海上红外目标检测研究
发布时间：2021-02-16 02:09
近年来,随着海上活动不断增加,海上环境也是越来越复杂,导致海上突发事件的发生概率和复杂性与日俱增,海上目标检测技术已经成为了众多学者研究的一个热点问题。本文通过查阅有关海上突发事件的文献了解到逆光环境一直是导致海上搜救率低的一种情况,因此本文主要针对于检测时常遇到的逆光环境进行了分析,从而提出了两种逆光海上红外图像目标检测方法。逆光环境给海上目标检测增加的难度是逆光图像中目标的灰度低于背景灰度,海浪较强时海上会出现不均匀的干扰亮斑和暗斑,海浪较弱时海上会随机出现成片相连的光滑亮纹,并且除了逆光环境本身存在的影响之外还可能存在岛屿、礁石等干扰。通过对逆光海上红外图像灰度、对比度特征分析可知,图像目标检测的问题是目标的灰度、对比度信息不显著,针对这一问题可采取频率域的处理方法来滤除背景杂波的干扰。通过对逆光海上红外图像梯度方向特征分析可知,图像目标检测的问题是弱海浪逆光图像中目标具有整张图像中最强的梯度相关性,但强海浪逆光图像中的干扰亮斑具有更强的梯度相关性,针对这一问题可滤除强海浪逆光图像中的亮斑干扰从而使目标具有整张图像中最强的梯度相关性。通过对基于灰度、对比度以及梯度方向特征的典型海...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图１．?１?２０１９年海上搜救中心公开数据??Ｆｉｇ．?１．１?Ｏｐｅｎ?ｄａｔａ?ｏｆ?ｍａｒｉｔｉｍｅ?ｓｅａｒｃｈ?ａｎｄ?ｒｅｓｃｕｅ?ｃｅｎｔｅｒ?ｉｎ?２０１９??－Ｉ?－??
?大连海事大学硕士学位论文???２逆光海上环境下红外图像特征分析以及典型目标检测方法讨论??图像目标检测通常以图像特征分析为基础，特征分析准确才能更好的实现目标检测。??本章首先针对逆光海上环境下的红外图像进行了特征分析，发现逆光图像中所存在的干??扰，其次提出了解决方法并进行了验证，然后对比和分析了可以应用到逆光海上目标检??测算法的优缺点，进而选用最适合逆光环境的算法作为主要研宄对象，从而为后续的目??标检测提供和整理有力的先验信息。??２．１逆光图像特征分析??图像特征分析是实现准确检测目标的首要步骤，图像特征分析的首要目的是找出逆??光环境下所存在的干扰。根据图２．１中的逆光海上红外图像以及图２．２中对应的灰度直??方图（为了更加的方便人眼观察，本文用红色矩形框标记了目标的位置）可知，逆光环??境下目标的整体灰度值要低予背景的灰度值，出现这种情况的原因是在逆光环境下海上??目标正好位于太阳光和红外相机之间，这就使得太阳光通过海上反射到红外相机的辐射??能量远大于太阳光通过目标反射到红外摄像机上的。因此，在逆光环境下红外图像背景??的灰度值大于目标的灰度值。??■■圓＿??幽＾｜圓Ｉ?１１??５）弱海浪图像６）弱海浪图像７）弱海浪图像８）弱海浪图像??ｈ無：羞｜?＿??９）弱海浪图像］０）弱海浪图像１１）弱海浪图像１２）弱海浪图像??图２．１逆光海上红外图像??Ｆｉｇ．?２．１?Ｂａｃｋｌｉｇｈｔｉｎｇ?ｍａｒｉｔｉｍｅ?ｉｎｆｒａｒｅｄ?ｉｍａｇｅ??－７?－??
?大连海事大学硕士学位论文???强背景（桥、云层）也是在垂直或水平单方向具有明显的梯度信息。反观目标水平方向??和垂直方向灰度变化明显，导致不同方向之间的梯度相关性更强，因此可尝试选用梯度??相关性来作为区分目标和背景的方法。??２．２灰度、对比度特征分析及处理??根据逆光图像中目标和背景的灰度分布，为了提高目标的灰度值，将目标和背景的??灰度值进行翻转，翻转方法是用最高灰度级（２５５?）减去目标或背景的灰度值。最终得??到的处理后的结果如图２．３所示，处理启的灰度直方图结果如图２．４所示。??１）强海浪图像?２）强海浪图像?３）强海浪图像?４）强海浪图像??５）弱海浪图像?６）弱海浪图像?７）弱海浪图像?８）弱海浪图像??響Ｊｐｉ、憲??９）弱海浪图像?１０）弱海浪图像?１１）弱海浪图像?１２）弱海浪图像??图２．３翻转后的逆光图像??Ｆｉｇ．?２．３?Ｂａｃｋｌｉｇｈｔ?ｉｍａｇｅ?ａｆｔｅｒ?ｆｌｉｐｐｉｎｇ??－９?－??
【参考文献】：
期刊论文
[1]结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法[J]. 沈旭,程小辉,王新政. 红外技术. 2019(08)
[2]基于谱残差和聚类法的运动目标检测研究[J]. 马琴,张兴忠,李海芳,邓红霞. 计算机工程与科学. 2018(10)
[3]浅谈傅里叶变换在图像处理中的应用[J]. 马晓凯,付禹. 科技资讯. 2018(08)
[4]基于改进Canny算法的工件边缘检测方法[J]. 刘克平,李西卫,隋吉雷,李岩. 广西大学学报(自然科学版). 2017(06)
[5]基于自适应Canny的红外图像边缘检测算法[J]. 孙砚飞,常晓刚,李东兴,张华强,马良慧. 山东理工大学学报(自然科学版). 2017(06)
[6]一种改进的Canny边缘检测算法[J]. 张光玉,徐龙春,张敏风,张岗,邹越,赵文波,杨沛沛,李东玥. 中国医学物理学杂志. 2017(08)
[7]基于自适应形态学滤波的红外小目标检测算法[J]. 徐文晴,王敏. 激光与红外. 2017(01)
[8]基于峰值匹配的SAR图像飞机目标识别方法[J]. 潘嘉蒙,牛照东,陈曾平. 现代电子技术. 2015(19)
[9]基于稀疏表达残差的自然场景运动目标检测[J]. 蒋建国,金玉龙,齐美彬,詹曙. 电子学报. 2015(09)
[10]局部对比度结合区域显著性红外弱小目标检测[J]. 王晓阳,彭真明,张萍,孟晔铭. 强激光与粒子束. 2015(09)
硕士论文
[1]视觉显著性的时空特性分析及其应用研究[D]. 刘玉敏.合肥工业大学 2015
[2]基于视觉注意和时空特征描述的烟雾检测技术研究[D]. 杨振伟.杭州电子科技大学 2014
本文编号：3035955
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图１．?１?２０１９年海上搜救中心公开数据??Ｆｉｇ．?１．１?Ｏｐｅｎ?ｄａｔａ?ｏｆ?ｍａｒｉｔｉｍｅ?ｓｅａｒｃｈ?ａｎｄ?ｒｅｓｃｕｅ?ｃｅｎｔｅｒ?ｉｎ?２０１９??－Ｉ?－??
?大连海事大学硕士学位论文???２逆光海上环境下红外图像特征分析以及典型目标检测方法讨论??图像目标检测通常以图像特征分析为基础，特征分析准确才能更好的实现目标检测。??本章首先针对逆光海上环境下的红外图像进行了特征分析，发现逆光图像中所存在的干??扰，其次提出了解决方法并进行了验证，然后对比和分析了可以应用到逆光海上目标检??测算法的优缺点，进而选用最适合逆光环境的算法作为主要研宄对象，从而为后续的目??标检测提供和整理有力的先验信息。??２．１逆光图像特征分析??图像特征分析是实现准确检测目标的首要步骤，图像特征分析的首要目的是找出逆??光环境下所存在的干扰。根据图２．１中的逆光海上红外图像以及图２．２中对应的灰度直??方图（为了更加的方便人眼观察，本文用红色矩形框标记了目标的位置）可知，逆光环??境下目标的整体灰度值要低予背景的灰度值，出现这种情况的原因是在逆光环境下海上??目标正好位于太阳光和红外相机之间，这就使得太阳光通过海上反射到红外相机的辐射??能量远大于太阳光通过目标反射到红外摄像机上的。因此，在逆光环境下红外图像背景??的灰度值大于目标的灰度值。??■■圓＿??幽＾｜圓Ｉ?１１??５）弱海浪图像６）弱海浪图像７）弱海浪图像８）弱海浪图像??ｈ無：羞｜?＿??９）弱海浪图像］０）弱海浪图像１１）弱海浪图像１２）弱海浪图像??图２．１逆光海上红外图像??Ｆｉｇ．?２．１?Ｂａｃｋｌｉｇｈｔｉｎｇ?ｍａｒｉｔｉｍｅ?ｉｎｆｒａｒｅｄ?ｉｍａｇｅ??－７?－??
?大连海事大学硕士学位论文???强背景（桥、云层）也是在垂直或水平单方向具有明显的梯度信息。反观目标水平方向??和垂直方向灰度变化明显，导致不同方向之间的梯度相关性更强，因此可尝试选用梯度??相关性来作为区分目标和背景的方法。??２．２灰度、对比度特征分析及处理??根据逆光图像中目标和背景的灰度分布，为了提高目标的灰度值，将目标和背景的??灰度值进行翻转，翻转方法是用最高灰度级（２５５?）减去目标或背景的灰度值。最终得??到的处理后的结果如图２．３所示，处理启的灰度直方图结果如图２．４所示。??１）强海浪图像?２）强海浪图像?３）强海浪图像?４）强海浪图像??５）弱海浪图像?６）弱海浪图像?７）弱海浪图像?８）弱海浪图像??響Ｊｐｉ、憲??９）弱海浪图像?１０）弱海浪图像?１１）弱海浪图像?１２）弱海浪图像??图２．３翻转后的逆光图像??Ｆｉｇ．?２．３?Ｂａｃｋｌｉｇｈｔ?ｉｍａｇｅ?ａｆｔｅｒ?ｆｌｉｐｐｉｎｇ??－９?－??
【参考文献】：
期刊论文
[1]结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法[J]. 沈旭,程小辉,王新政. 红外技术. 2019(08)
[2]基于谱残差和聚类法的运动目标检测研究[J]. 马琴,张兴忠,李海芳,邓红霞. 计算机工程与科学. 2018(10)
[3]浅谈傅里叶变换在图像处理中的应用[J]. 马晓凯,付禹. 科技资讯. 2018(08)
[4]基于改进Canny算法的工件边缘检测方法[J]. 刘克平,李西卫,隋吉雷,李岩. 广西大学学报(自然科学版). 2017(06)
[5]基于自适应Canny的红外图像边缘检测算法[J]. 孙砚飞,常晓刚,李东兴,张华强,马良慧. 山东理工大学学报(自然科学版). 2017(06)
[6]一种改进的Canny边缘检测算法[J]. 张光玉,徐龙春,张敏风,张岗,邹越,赵文波,杨沛沛,李东玥. 中国医学物理学杂志. 2017(08)
[7]基于自适应形态学滤波的红外小目标检测算法[J]. 徐文晴,王敏. 激光与红外. 2017(01)
[8]基于峰值匹配的SAR图像飞机目标识别方法[J]. 潘嘉蒙,牛照东,陈曾平. 现代电子技术. 2015(19)
[9]基于稀疏表达残差的自然场景运动目标检测[J]. 蒋建国,金玉龙,齐美彬,詹曙. 电子学报. 2015(09)
[10]局部对比度结合区域显著性红外弱小目标检测[J]. 王晓阳,彭真明,张萍,孟晔铭. 强激光与粒子束. 2015(09)
硕士论文
[1]视觉显著性的时空特性分析及其应用研究[D]. 刘玉敏.合肥工业大学 2015
[2]基于视觉注意和时空特征描述的烟雾检测技术研究[D]. 杨振伟.杭州电子科技大学 2014
本文编号：3035955
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3035955.html
