共查询到17条相似文献，搜索用时 343 毫秒
1.
提出一种SAR图像分割方法,即整合了模糊C均值聚类和基于区域水平集演化的分割方法.该方法通过模糊聚类的结果计算水平集演化的初始化条件及控制参数,从而克服了水平集演化依赖于初始化条件和控制参数且需要较多人工干预的缺陷,增强了方法的鲁棒性.模拟图像及真实SAR图像的实验表明,该方法在不需要人工干预的情况下,能够快速、准确地分割出感兴趣区域. 相似文献
2.
为降低海事监控视频图像背景中运动物体引起的杂波和噪声对船舶目标检测的影响,根据采集的可见光视频图像特性,提出一种海天背景下船舶目标自适应检测算法。将待检测图像进行预处理,使用自适应中值滤波和均值漂移(mean-shift)滤波对图像进行滤波去噪。采用密度峰聚类对传统K均值聚类算法进行改进,自适应确定初始聚类中心及其数量。对海面船舶进行自适应聚类分割。仿真实验显示:该算法的检测准确率为90.3%,验证了其准确性和可靠性;单帧视频图像的船舶目标检测用时可控制在100 ms以内,满足实时检测的要求。结果表明:该算法可以实现海天背景下船舶目标的准确、快速检测,为海上船舶目标跟踪奠定了可靠的基础。 相似文献
3.
为了解决传统谱聚类算法对大尺寸海洋图像难以进行有效计算的问题,提出一种改进的谱聚类算法.采用分块方法将原始图像分割成多个子图,同时结合随机采样算法利用采集的样本估计全局样本,在保证分割精度基础上大大降低计算复杂度,有效地处理高维图像,针对随机采样的不稳定性,采用多次采样聚类并结合大多数投票的方法,得出最终的分割结果.仿... 相似文献
4.
针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。 相似文献
5.
为解决船舶自动识别系统(automatic identification system, AIS)数据挖掘不够充分,对航路辨识分析不够全面等问题,提出一种基于改进谱聚类算法的数据挖掘方式。利用Sliding Window算法对船舶轨迹AIS数据进行压缩,减少数据冗余提高聚类效率。改进亲和距离函数,提出新的亲和矩阵的标准,提高聚类的稳定性,进一步对数据去噪,减少噪声敏感。通过优化初始中心对k均值算法进行改进,优化全局搜索能力,缓解初始值的选取对聚类效果的影响。以天津港AIS数据为样本进行算法验证。结果表明,该聚类算法能准确提取和划分某水域船舶主要航迹段,算法消耗系统资源少,计算速度快。改进后的算法可为航路辨识、分道通航制定等提供理论支持。 相似文献
6.
聚类分析中处理数据量的急剧增加,面对大规模数据,传统K-Means聚类算法面临着巨大挑战.K-means聚类算法在面对海量数据时,时间和空间的复杂性已成为K—means聚类算法的瓶颈;在传统的K均值算法的基础上,详细介绍了基于大规模集群环境下的并行K-means聚类算法,给出了计算速度和效率的方法,并通过实验证明了该算法的正确性以及对传统算法在速度的上优势;研究结果可以为以后设计更好的大规模数据快速并行聚类划分算法提供研究依据. 相似文献
7.
SAR图像中斑点噪声的存在使得很难利用简单的阈值分割技术对其进行海岸线提取,而很多基于复杂数学模型的提取算法又常常由于较慢的检测速度限制了它们的应用。本文基于种子点增长的思想,给出了一种快速的海岸线自动提取算法。首先该算法利用象素值统计信息自动定位一个初始种子点区域,并计算初始均值M与初始阈值T。然后基于不断更新的M和T进行海域点增长。增长结束后,对得到的连通海域进行轮廓边界跟踪从而确定出具体的海岸线位置。将其应用于真实的SAR图像,证明了该算法的有效性和实时性。 相似文献
8.
为处理线性不可分、结构复杂的数据集，提出基于核聚类的K 均值聚类(Kernel Clustering based K means Clustering，KCKC).该方法先在原始空间中对模式进行聚类，再由径向基函数(Radial Basis Function, RBF)核把它们映射到核空间，从而保持大部分模式之间的关系.把提出的方法应用到基于RBF的神经网络(RBF based Neural Network，RBFNN)、基于RBF的支持向量机(RBF based Support Vector Machine, RBFSVM)和核最近邻分类器(Kernel Nearest Neighbor Classifier，KNNC)中，结果表明本文提出的算法可以生成更有效的核，节省在核空间中的核生成时间，避免核数目设置的敏感性，并提高分类性能. 相似文献
9.
聚束SAR回波的多普勒带宽通常大于方位向采样率. 为避免方位频谱混叠,首先进行方位deramp消除频谱混叠,然后利用CS算法进行精确聚焦.在距离压缩前增加了距离频率3次和4次相位补偿,通过分析仿真结果发现该算法不仅能在大斜视下取得良好的聚焦图像,而且还能消除原DCS算法存在的距离压缩信号左右旁瓣不对称现象.基于斜视聚束模型,给出了一种改进的DCS算法的详细推导过程. 仿真结果表明,该算法可用于大斜视聚束SAR成像处理. 相似文献
10.
结合K-means算法和谱聚类方法的优点，提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上，采用K-means算法对图像进行粗聚类处理，然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比，该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明，相对于K-means和谱聚类方法，该方法具有良好的聚类性能。 相似文献
11.
K-means算法是一种重要的聚类算法,在网络信息处理领域有着广泛的应用。由于K-means算法终止于一个局部最优状态,所以初始类中心点的选择会在很大程度上影响其聚类效果。本文提出了一种K-means算法的改进算法,首先探测数据集中的相对密集区域,再利用这些密集区域生成初始类中心点。该方法能够很好地排除类边缘点和噪声点的影响,并且能够适应数据集中各个实际类别密度分布不平衡的情况,最终获得较好的聚类效果。 相似文献
12.
在实际的SAR场景中,由于载机平台运动的不规律会引入相位误差,这将导致SAR图像出现模糊,甚至不能形成图像,因此需要准确地估计和补偿相位误差.提出一种较好的SAR相位历史估计算法,在方位向应用延时自相关方法进行准确的相位估计,由此实现SAR的准确聚焦成像.该相位估计方法具有较高的计算效率,非常适合于实时SAR系统.利用对实际SAR数据的聚焦处理证明了该方法的有效性. 相似文献
13.
船舶检测是SAR海洋应用的重要方面。提出一种通用的检测方法，用以检测不同状况下的SAR图像船舶目标。首先将SAR图像分解为金字塔图像序列，然后对其中每一层图像使用谱残差法进行显著性检测，得到包含船舶目标的显著性子图；而后融合各子图得到最终显著图，对该显著图应用优化阈值的分割方法得到最终的检测结果。SAR数据实验结果表明，该方法具有复杂度低、检测精度高等特点，且极大降低了对先验知识的依赖。 相似文献
14.
把通常用于图像处理的CLEAN算法引入到SAR成像处理中,提出一种基于CLEAN的SAR图像旁瓣抑制方法.分析算法流程,比较点目标仿真结果和RADARSAT-1海洋稀疏目标场景成像结果,表明该方法在保证成像分辨率的同时,能够有效地抑制合成孔径雷达图像的旁瓣. 相似文献
15.
王磊 《苏州市职业大学学报》2012,23(4):10-12
图像分割是图像处理中的一个重要问题,也是一个经典难题．文章介绍了常用的图像分割的常用技术：如阈值分割方法、边缘检测方法和区域分割方法,以及图像分割的新技术．应用了基于标记的分水岭算法,从仿真实验结果可以看出,标记的选取是该算法图像分割的关键． 相似文献
16.
将Gabor滤波器和各向异性扩散方程相结合,提出了一种基于活动围道的无监督纹理图像分割算法.采用基于总变分流的扩散函数,各向异性扩散方程可以有效地在保留纹理图像大尺度边界信息的同时,对图像纹理区域进行平滑,获得比原始图像更易分割的简化图像.但是平滑过程中纹理信息的丧失,限制了该方法的通用性和有效性.为了在利用各向异性扩散方法的同时,有效地提取和利用纹理信息,我们利用Gabor滤波器提取一组表征纹理方向性和尺度性的特征图像;同时将原始图像作为表征纹理灰度信息的一个特征通道考虑;再利用矢量形式的各向异性扩散方程,对特征图像进行边界保持的各向异性平滑.将基于区域灰度统计参数估计的活动围道分割方法扩展到矢量空间,来对平滑后的纹理特征量进行分割.实验证明,利用该纹理分割算法可以获得较好的效果. 相似文献
17.
Starck等人的图像增强方法不能有效增强SAR图像中的边缘特征.为此,提出一种curvelet域SAR图像特征增强新方法.该方法充分利用curvelet变换多尺度多方向特性及其良好的各向异性特点,在curvelet域内提取图像的边缘特征,并定位特征curvelet系数.通过增强特征curvelet系数,达到增强图像边缘特征的目的.实验结果表明,与Starck等人的方法相比,本文算法能够更加有效性地增强SAR图像的边缘特征. 相似文献