位置:成果数据库 > 期刊 > 期刊详情页
基于梯度信息融合的海面红外目标实时检测
  • ISSN号:1007-2276
  • 期刊名称:红外与激光工程
  • 时间:2013.1.1
  • 页码:41-45
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]哈尔滨工程大学水下机器人技术国防科技重点实验室,黑龙江哈尔滨150001
  • 相关基金:国家自然科学基金(51009040/E091002);国家863计划(2011AA09A106)
  • 相关项目:智能水下机器人的水下声视觉目标跟踪方法研究
中文摘要:

针对海面红外序列图像的特点,提出一种适用于海天背景和海岸背景的目标检测方法。该方法不需要进行特殊的预处理来滤除图像噪声,首先量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,从而预测出海界限区域的位置;然后利用改进Canny算子提取轮廓边缘,突出海界线特征,降低其他纹理的干扰,再进行Hough变换,提取出海界线;最后提出泛化梯度概念,通过融合的梯度信息,联合海界线的位置,进行海面目标标记。实验表明,所提方法能准确地定位海界限区域以及水平或倾斜的海界线,并快速精确地提取红外海面目标。整个过程的平均花费时间约为60ms,具备很好的鲁棒性和实时性。

英文摘要:

A feasible method considering the character of marine infrared image was proposed to detect objects in the sequential images from surface vehicle, which was not only appropriate for sea-sky background but also for offshore background. There was no need to filter the noise. Firstly, the complexity of sub-images and the average gray difference of their up and down neighborhood were measured to predict the sea line region. Secondly, improved Canny edge detection was applied to extract the contour of the sea line region. It made the sea line obvious and meaningless edges disappear greatly. Thirdly, Hough transformation was used to pick the longest line as the sea line. Finally, a kind of general concept of gradient was put forward. The targets could be marked excellently under the fusion of gradient. The experiment results show that this method can locate the sea-line region and the sea line with any tilt reliably and obtain the information of objects effectively. The whole procedure costs about 60 ms and it is real-time and robust.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《红外与激光工程》
  • 中国科技核心期刊
  • 主管单位:中国航天科工集团
  • 主办单位:天津津航技术物理研究所
  • 主编:张锋
  • 地址:天津市空港经济区中环西路58号
  • 邮编:300308
  • 邮箱:irla@csoe.org.cn
  • 电话:022-58168883 /4/5
  • 国际标准刊号:ISSN:1007-2276
  • 国内统一刊号:ISSN:12-1261/TN
  • 邮发代号:6-133
  • 获奖情况:
  • 1996年获航天系统第五次科技期刊评比三等奖,1998年获航天系统第六次科技期刊评比二等奖,1997-2001年在天津市科技期刊评估中被评为一级期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:17466