CN106023175B - 基于立体模式判别水中航行体热尾流的方法 - Google Patents
基于立体模式判别水中航行体热尾流的方法 Download PDFInfo
- Publication number
- CN106023175B CN106023175B CN201610320999.7A CN201610320999A CN106023175B CN 106023175 B CN106023175 B CN 106023175B CN 201610320999 A CN201610320999 A CN 201610320999A CN 106023175 B CN106023175 B CN 106023175B
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- value
- section
- wake
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 21
- 239000007787 solid Substances 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000011282 treatment Methods 0.000 claims description 7
- 101100173586 Schizosaccharomyces pombe (strain 972 / ATCC 24843) fft2 gene Proteins 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000013535 sea water Substances 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及基于立体模式判别水中航行体热尾流的方法。本发明的目的是从立体角度观测热尾流特征,进而区分水下航行体热尾流和水面航行体热尾流。将红外热尾流图像灰度化后的二维图通过等位面的思想建立立体模式,计算热尾流的不同灰度差值像素个数比值,并比较水下航行体和水面航行体热尾流灰度差值为10的像素个数比值。通过得到的数据比较和分析两类热尾流特征,达到区别水面航行体热尾流和水下航行体热尾流的目的,图1所示为发明的具体实现流程图。
Description
技术领域:
本发明属于图像处理领域,具体地说是借鉴等位面的概念,将图像中不同灰度级的像素放在不同的等位面,基于热尾流不同灰度的像素轮廓作为等位面的像素边界,通过建立立体模式,分析水中航行体热尾流特征,判别该热尾流属于水下航行体还是水面航行体。
背景技术:
探测水下航行器一直是国防的重要话题,热红外探测水下航行器是利用高精度红外探测仪探测、识别水下航行器热尾流,研究并总结水下航行器热尾流的特性对热红外探测水下航行器具有重要意义。水下航行器在温度均匀的海水中由于动力***放热、螺旋桨打水和运动产生摩擦等原因产生温度高于周围海水的温差信号,由于浮力作用温差信号会传递至海面;在温度分层的海水中,除了上述情况,螺旋桨的扰动会使下层温度的海水翻滚至上层,同样形成温差信号,通过一定方式传递至海面,带来水面不同区域的温度分布不同。根据研究人员分析,水下航行器在温度均匀和正温度梯度(自海表至海底温度逐渐升高的温度梯度)的海水环境中运动,传递至海面的尾流温度高于周围海表面温度,呈正温差信号;在负温度梯度(自海表至海底温度逐渐降低的温度梯度)的海水环境中运动,传递至海面的尾流温度低于周围海表面温度,呈负温差信号。为了方便讨论,将正、负温差信号统称为热尾流。
探测人员利用机载或者星载高精度的红外探测仪能够探测到海面的弱小温差信号,也就是说可以利用红外探测仪探测热尾流来间接判断水下航行器的存在性,这也是热红外探测水下航行器原理,它对我国海防具有重要的价值。红外探测水下航行器技术由于其观测范围大、可在夜间工作,抗电子干扰强、隐蔽性好、被动工作、实时成像、成像分辨率高等优点不断被研究发展,红外探测属于“战略性”探测、“趋势”探测。所以,对水下航行器热尾流的研究和特征总结很有意义。
本发明是借鉴等位面的概念,基于图像像素灰度值大小和热尾流轮廓建立立体模式,分析水中航行体热尾流特征,判别该热尾流属于水下航行体还是水面上航行体,作为水下航行器识别的一种手段。
发明内容:
本发明的目的是从立体角度观测热尾流特征,进而区分水下航行体热尾流和水面航行体热尾流。将红外热尾流图像灰度化后的二维图通过等位面的思想建立立体模式,计算热尾流的不同灰度差值像素个数比值,并比较水下航行体和水面航行体热尾流灰度差值为10的像素个数比值。通过得到的数据比较和分析两类热尾流特征,达到区别水面航行体热尾流和水下航行体热尾流的目的。
本发明采用的技术方案是:
第一步:读取原始热尾流图像I0,图像大小为M×N,M是图像I0的宽度像素,N是图像I0的高度像素;
第二步:针对原始图像I0中每个像素点的R、G、B三个通道值,通过(1)式求该像素点的加权值GRAY,并将加权值GRAY赋值给当前像素点,得到的灰度图像记为Ig,若I0为灰度图像,则Ig=I0;
GRAY=0.3×R+0.59×G+0.11×B (1)
第三步:对Ig图像进行高斯高通滤波,过程如下:
(a)先将图像按照MATLAB软件中的If=fft2(Ig)语句进行二维离散傅立叶变换,If是图像Ig经过二维离散傅立叶变换后的图像命名,并通过语句Is=fftshift(If)把频谱坐标原点由左上角移至中央,处理后频域图像大小仍为M×N;
(b)通过(2)式计算滤波器函数,其中D(u,v)为点(u,v)距频率矩形原点的距离,频率矩形的原点在(M/2,N/2)处,即D(u,v)=[(u-M/2)2+(v-N/2)2]1/2,截止频率D0是指定的非负数值,表示从频率矩形的原点测得的截至长度;
(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数,再加上一个偏移量以便使零频率不被滤波器滤除掉,得到h(u,v);将求得的每一点的h(u,v)乘以Is图像上对应点的灰度值,得到Ih(u,v),公式(4)中Is(u,v)表示Is上点(u,v)处的灰度值;
h(u,v)=1.5×H(u,v)+0.5 (3)
Ih(u,v)=h(u,v)×Is(u,v) (4)
(d)利用MATLAB软件中的语句:Iis=ifftshift(Ih),将频谱坐标原点移回左上角,得到图像Iis,并通过语句Iif=ifft2(Iis)进行二维离散傅立叶反变换,得到图像Iif;
第四步:对图像Iif进行灰度的立体建模,具体过程如下:
(a)利用MATLAB软件中的语句:[X,Y]=meshgrid(1:M,1:N),对Iif图像生成与Iif大小相同的网格,其中[X,Y]为网格中与Iif图像对应点的x轴和y轴坐标;
(b)利用MATLAB软件中的语句:contour3(X,Y,Z,n),生成以网格为底,以网格内每个坐标点在Iif上的灰度值为高的三维图,其中X、Y为网格内某一点A的x轴和y轴坐标值,Z为A点在图像Iif上的灰度值,n为灰度值量化级数;对灰度值量化的解释:由于图像Iif的灰度值范围较大,为了提升运算速度,将灰度值范围均分为n等份,每一份内的灰度值取最小值,依此规则对灰度值进行n级量化处理;
第五步:基于某一灰度值a截取三维图,得到截面Sa,利用公式(5)对截面Sa进行二值化处理,Tn为每个区域的阈值,在这里Tn=a;
第六步:将二值化后的截面命名为Saw,计算Saw内所有灰度值为1的像素点总个数na;
第七步:基于灰度值b(b≠a)截取三维图,得到截面Sb,利用公式(5)对截面Sb进行二值化处理,此步骤中Tn=b,求二值化后的截面Sbw的所有灰度值为1的像素点总个数nb;
第八步:计算灰度值之差ΔG=a-b,并求出该ΔG的像素个数比值na/nb;
第九步:比较灰度差值ΔG=10的像素个数之比,若为0.5-0.7区间内,则判别为水下航行体热尾流,若为0.75-0.95区间内,则判别为水上航行体热尾流。
本发明优点在于:
1、既可以处理彩色图像也可以处理灰度图像;
2、能够从立体角度去分析水中航行体热尾流的特征,并对计算出的结果进行有效判别。通过对比发现水下航行体热尾流的同一灰度差值(ΔG=10)面积之比约为0.5-0.7区间内,而水上航行体热尾流的同一灰度差值(ΔG=10)面积之比约为0.75-0.95区间内。
附图说明
图1为本发明的流程图;
图2(a)为典型水下航行体热尾流彩色图像原图;
图2(b)为本发明处理后得到的立体图像;
图2(c)为立体图像灰度值为90的截面二值图;
图2(d)为立体图像灰度值为80的截面二值图;
图3(a)为典型舰船热尾灰度图像原图;
图3(b)为本发明处理后得到的立体图像;
图3(c)为立体图像灰度值为90的截面二值图;
图3(d)为立体图像灰度值为80的截面二值图。
具体实施方式:
下面结合具体实例对本发明做详细说明。
实例1:本实例是针对典型水下航行体热尾流彩色图像进行立体建模及分析的过程,具体过程如下所示。
1:读取原始热尾流图像I0,图像大小为277×239,277是图像I0的宽度像素,239是图像I0的高度像素;
2:针对原始图像I0中每个像素点的R、G、B三个通道值,通过(1)式求该像素点的加权值GRAY,并将加权值GRAY赋值给当前像素点,得到的灰度图像记为Ig,若I0为灰度图像,则Ig=I0;
GRAY=0.3×R+0.59×G+0.11×B (1)
3:对Ig图像进行高斯高通滤波,过程如下:
(a)先将图像按照MATLAB软件中的If=fft2(Ig)语句进行二维离散傅立叶变换,If是图像Ig经过二维离散傅立叶变换后的图像命名,并通过语句Is=fftshift(If)把频谱坐标原点由左上角移至中央,处理后频域图像大小仍为277×239;
(b)通过(2)式计算滤波器函数,其中D(u,v)为点(u,v)距频率矩形原点的距离,频率矩形的原点在处,即D(u,v)=[(u-277/2)2+(v-239/2)2]1/2,截止频率D0取值80;
(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数,再加上一个偏移量以便使零频率不被滤波器滤除掉,得到h(u,v);将求得的每一点的h(u,v)乘以Is图像上对应点的灰度值,得到Ih(u,v),公式(4)中Is(u,v)表示Is上点(u,v)处的灰度值;
h(u,v)=1.5×H(u,v)+0.5 (3)
Ih(u,v)=h(u,v)×Is(u,v) (4)
(d)利用MATLAB软件中的语句:Iis=ifftshift(Ih),将频谱坐标原点移回左上角,得到图像Iis,并通过语句Iif=ifft2(Iis)进行二维离散傅立叶反变换,得到图像Iif;
4:对图像Iif进行灰度的立体建模,具体过程如下:
(a)利用MATLAB软件中的语句:[X,Y]=meshgrid(1:277,1:239),对Iif图像生成与Iif大小相同的网格,其中[X,Y]为网格中与Iif图像对应点的x轴和y轴坐标;
(b)利用MATLAB软件中的语句:contour3(X,Y,Z,n),生成以网格为底,以网格内每个坐标点在Iif上的灰度值为高的三维图,其中X、Y为网格内某一点A的x轴和y轴坐标值,Z为A点在图像Iif上的灰度值,n为灰度值量化级数,n取值100;
5:基于灰度值90截取三维图,得到截面Sa,利用公式(5)对截面Sa进行二值化处理,此时Tn=90;
6:求二值化后的截面Saw的所有灰度值为1的像素点总个数na=4722;
7:基于灰度值80截取三维图,得到截面Sb,利用公式(5)对截面Sb进行二值化处理,此时Tn=80,求二值化后的截面Sbw的所有灰度值为1的像素点总个数nb=7257;
8:计算灰度值之差ΔG=10时该ΔG的像素个数比值na/nb≈0.6507;
9:判断该尾流属于水下航行体。
实例2:本实例是针对典型舰船热尾灰度像进行立体建模及分析的过程,具体过程如下所示。
1:读取原始热尾流图像I0,图像大小为276×239,276是图像I0的宽度像素,239是图像I0的高度像素;
2:灰度图像Ig=I0;
3:对Ig图像进行高斯高通滤波,过程如下:
(a)先将图像按照MATLAB软件中的If=fft2(Ig)语句进行二维离散傅立叶变换,If是图像Ig经过二维离散傅立叶变换后的图像命名,并通过语句Is=fftshift(If)把频谱坐标原点由左上角移至中央,处理后频域图像大小仍为276×239;
(b)通过(2)式计算滤波器函数,其中D(u,v)为点(u,v)距频率矩形原点的距离,频率矩形的原点在处,即D(u,v)=[(u-138)2+(v-239/2)2]1/2,截止频率D0取值80;
(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数,再加上一个偏移量以便使零频率不被滤波器滤除掉,得到h(u,v);将求得的每一点的h(u,v)乘以Is图像上对应点的灰度值,得到Ih(u,v),公式(4)中Is(u,v)表示Is上点(u,v)处的灰度值;
h(u,v)=1.5×H(u,v)+0.5 (3)
Ih(u,v)=h(u,v)×Is(u,v) (4)
(d)利用MATLAB软件中的语句:Iis=ifftshift(Ih),将频谱坐标原点移回左上角,得到图像Iis,并通过语句Iif=ifft2(Iis)进行二维离散傅立叶反变换,得到图像Iif;
4:对图像Iif进行灰度的立体建模,具体过程如下:
(a)利用MATLAB软件中的语句:[X,Y]=meshgrid(1:276,1:239),对Iif图像生成与Iif大小相同的网格,其中[X,Y]为网格中与Iif图像对应点的x轴和y轴坐标;
(b)利用MATLAB软件中的语句:contour3(X,Y,Z,n),生成以网格为底,以网格内每个坐标点在Iif上的灰度值为高的三维图,其中X、Y为网格内某一点A的x轴和y轴坐标值,Z为A点在图像Iif上的灰度值,n为灰度值量化级数,n取值100;
5:基于灰度值90截取三维图,得到截面Sa,利用公式(5)对截面Sa进行二值化处理,此时Tn=90;
6:求二值化后的截面Saw的所有灰度值为1的像素点总个数na=30452;
7:基于灰度值80截取三维图,得到截面Sb,利用公式(5)对截面Sb进行二值化处理,此时Tn=80,求二值化后的截面Sbw的所有灰度值为1的像素点总个数nb=37209;
8:计算灰度值之差ΔG=10时该ΔG的像素个数比值na/nb≈0.8184;
9:判断该尾流属于水上航行体。
虽然这里只说明了本发明的两个实例,但意义并非限制本发明的范围和适用性。相反,对实例的详细说明可以使本领域的技术人员更好的得以实施。
Claims (1)
1.基于立体模式判别水中航行体热尾流的方法,其特征在于如下步骤:
第一步:读取原始热尾流图像I0,图像大小为M×N,M是图像I0的宽度像素,N是图像I0的高度像素;
第二步:针对原始图像I0中每个像素点的R、G、B三个通道值,通过(1)式求该像素点的加权值GRAY,并将加权值GRAY赋值给当前像素点,得到的灰度图像记为Ig,若I0为灰度图像,则Ig=I0;
GRAY=0.3×R+0.59×G+0.11×B (1)
第三步:对Ig图像进行高斯高通滤波,过程如下:
(a)先将图像按照MATLAB软件中的If=fft2(Ig)语句进行二维离散傅立叶变换,If是图像Ig经过二维离散傅立叶变换后的图像命名,并通过语句Is=fftshift(If)把频谱坐标原点由左上角移至中央,处理后频域图像大小仍为M×N;
(b)通过(2)式计算滤波器函数,其中D(u,v)为点(u,v)距频率矩形原点的距离,频率矩形的原点在(M/2,N/2)处,即D(u,v)=[(u-M/2)2+(v-N/2)2]1/2,截止频率D0是指定的非负数值,表示从频率矩形的原点测得的截至长度;
(c)将求出来的H(u,v)按照公式(3)乘以一个提升系数,再加上一个偏移量以便使零频率不被滤波器滤除掉,得到h(u,v);将求得的每一点的h(u,v)乘以Is图像上对应点的灰度值,得到Ih(u,v),公式(4)中Is(u,v)表示Is上点(u,v)处的灰度值;
h(u,v)=1.5×H(u,v)+0.5 (3)
Ih(u,v)=h(u,v)×Is(u,v) (4)
(d)利用MATLAB软件中的语句:Iis=ifftshift(Ih),将频谱坐标原点移回左上角,得到图像Iis,并通过语句Iif=ifft2(Iis)进行二维离散傅立叶反变换,得到图像Iif;
第四步:对图像Iif进行灰度的立体建模,具体过程如下:
(a)利用MATLAB软件中的语句:[X,Y]=meshgrid(1:M,1:N),对Iif图像生成与Iif大小相同的网格,其中[X,Y]为网格中与Iif图像对应点的x轴和y轴坐标;
(b)利用MATLAB软件中的语句:contour3(X,Y,Z,n),生成以网格为底,以网格内每个坐标点在Iif上的灰度值为高的三维图,其中X、Y为网格内某一点A的x轴和y轴坐标值,Z为A点在图像Iif上的灰度值,n为灰度值量化级数;对灰度值量化的解释:由于图像Iif的灰度值范围较大,为了提升运算速度,将灰度值范围均分为n等份,每一份内的灰度值取最小值,依此规则对灰度值进行n级量化处理;
第五步:基于某一灰度值a截取三维图,得到截面Sa,利用公式(5)对截面Sa进行二值化处理,Tn为每个区域的阈值,在这里Tn=a;
第六步:将二值化后的截面命名为Saw,计算Saw内所有灰度值为1的像素点总个数na;
第七步:基于灰度值b(b≠a)截取三维图,得到截面Sb,利用公式(5)对截面Sb进行二值化处理,此步骤中Tn=b,求二值化后的截面Sbw的所有灰度值为1的像素点总个数nb;
第八步:计算灰度值之差△G=a-b,并求出该△G的像素个数比值na/nb;
第九步:比较灰度差值△G=10的像素个数之比,若为0.5-0.7区间内,则判别为水下航行体热尾流,若为0.75-0.95区间内,则判别为水上航行体热尾流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610320999.7A CN106023175B (zh) | 2016-05-13 | 2016-05-13 | 基于立体模式判别水中航行体热尾流的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610320999.7A CN106023175B (zh) | 2016-05-13 | 2016-05-13 | 基于立体模式判别水中航行体热尾流的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106023175A CN106023175A (zh) | 2016-10-12 |
CN106023175B true CN106023175B (zh) | 2018-11-23 |
Family
ID=57097974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610320999.7A Active CN106023175B (zh) | 2016-05-13 | 2016-05-13 | 基于立体模式判别水中航行体热尾流的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023175B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765395A (zh) * | 2018-05-21 | 2018-11-06 | 哈尔滨工业大学(威海) | 基于剪切波变换的轮廓拟合识别航行体热尾流的方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109671048A (zh) * | 2018-10-31 | 2019-04-23 | 哈尔滨工业大学(威海) | 一种基于灰度共生矩阵的水中航行体热尾流判别方法 |
CN114323552B (zh) * | 2021-11-18 | 2022-10-21 | 厦门大学 | 一种跨介质航行体出入水稳定性判别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496023A (zh) * | 2011-11-23 | 2012-06-13 | 中南大学 | 像素层面的感兴趣区域提取方法 |
CN103412298A (zh) * | 2013-08-12 | 2013-11-27 | 中国兵器科学研究院 | 一种自动获取船舶螺旋桨变速旋转时间区间方法 |
CN104732531A (zh) * | 2015-03-11 | 2015-06-24 | 中国空间技术研究院 | 一种高分辨率遥感图像信噪比曲线自适应获取方法 |
CN105469394A (zh) * | 2015-11-20 | 2016-04-06 | 成都因纳伟盛科技股份有限公司 | 一种基于复杂环境的目标智能跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1345172A1 (en) * | 2002-02-26 | 2003-09-17 | Sony International (Europe) GmbH | Contrast enhancement for digital images |
-
2016
- 2016-05-13 CN CN201610320999.7A patent/CN106023175B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496023A (zh) * | 2011-11-23 | 2012-06-13 | 中南大学 | 像素层面的感兴趣区域提取方法 |
CN103412298A (zh) * | 2013-08-12 | 2013-11-27 | 中国兵器科学研究院 | 一种自动获取船舶螺旋桨变速旋转时间区间方法 |
CN104732531A (zh) * | 2015-03-11 | 2015-06-24 | 中国空间技术研究院 | 一种高分辨率遥感图像信噪比曲线自适应获取方法 |
CN105469394A (zh) * | 2015-11-20 | 2016-04-06 | 成都因纳伟盛科技股份有限公司 | 一种基于复杂环境的目标智能跟踪方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765395A (zh) * | 2018-05-21 | 2018-11-06 | 哈尔滨工业大学(威海) | 基于剪切波变换的轮廓拟合识别航行体热尾流的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106023175A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102609701B (zh) | 基于最佳尺度的高分辨率合成孔径雷达遥感检测方法 | |
CN106023175B (zh) | 基于立体模式判别水中航行体热尾流的方法 | |
CN106643965B (zh) | 一种利用模板匹配精确识别液位的方法 | |
CN103697855B (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
CN101882314B (zh) | 基于超完备稀疏表示的红外小目标检测方法 | |
CN110231394B (zh) | 基于交流电磁场的非铁磁性材料不规则裂纹成像方法 | |
Chen et al. | Vision-based line detection for underwater inspection of breakwater construction using an ROV | |
CN105069778B (zh) | 基于目标特征显著图构建的工业产品表面缺陷检测方法 | |
CN111693999B (zh) | 基于雷达测风组合策略的多传感器融合风速风向估计方法 | |
CN109991670B (zh) | 一种水下目标定位方法 | |
CN104574417B (zh) | 一种图像边缘灰度起伏性度量与自适应检测方法 | |
CN108573280B (zh) | 一种无人船自主通过桥梁的方法 | |
Cai et al. | Broken ice circumferential crack estimation via image techniques | |
CN106404893B (zh) | 一种轴向漏磁缺陷信号自动检测方法 | |
CN114821358A (zh) | 光学遥感图像海上舰船目标提取与识别方法 | |
CN107238837B (zh) | 一种船舶吃水检测方法 | |
CN103578118B (zh) | 基于序贯图像矢量平均的时均流场重建方法 | |
Liu et al. | A prior-knowledge-based threshold segmentation method of forward-looking sonar images for underwater linear object detection | |
CN112669332A (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
OUYANG et al. | Edge detection in pavement crack image with beamlet transform | |
CN104297753A (zh) | 一种基于自适应缩减算子的导航雷达图像反演海面风向方法 | |
CN108109394B (zh) | 基于矢量模型的单地磁车辆交通参数检测***及方法 | |
CN109671048A (zh) | 一种基于灰度共生矩阵的水中航行体热尾流判别方法 | |
Yang et al. | Image analyses for video-based remote structure vibration monitoring system | |
CN104062635A (zh) | 一种海杂波图像下基于最小区间思想的海浪主波周期反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |