CN108445466B - 一种基于下雨腐蚀算法的雷达相邻目标分割方法 - Google Patents
一种基于下雨腐蚀算法的雷达相邻目标分割方法 Download PDFInfo
- Publication number
- CN108445466B CN108445466B CN201810420398.2A CN201810420398A CN108445466B CN 108445466 B CN108445466 B CN 108445466B CN 201810420398 A CN201810420398 A CN 201810420398A CN 108445466 B CN108445466 B CN 108445466B
- Authority
- CN
- China
- Prior art keywords
- radar
- targets
- adjacent
- target
- processing
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达数据处理技术领域,公开了一种基于下雨腐蚀算法的雷达相邻目标分割方法,将经过雷达信号处理后雷达视频数据输入;根据雷达***对目标精度的要求,通过在平面所占面积,尺寸长度确定需要分割的相邻目标所占区域;对相邻目标占有的区域的同一距离单元不同方位单元的测量值取出单独处理,即每一个距离单元通道单独提出来单独处理,处理完成后,重新对该区域进行目标检测处理。本发明模拟下雨冲刷山脉,不断的腐蚀山体,形成河谷,山脉经过不断的腐蚀,一个个山峰会被一条条溪流分割开来的过程,用于处理分割雷达探测到的相邻目标。本发明在实验和实践中均证明,效果良好,满足高分辨率雷达对目标分割的要求,用于雷达相邻目标分割。
Description
技术领域
本发明属于雷达数据处理技术领域,尤其涉及一种基于下雨腐蚀算法的雷达相邻目标分割方法,用于雷达数据处理***对扩展目标进行分割。
背景技术
目前,业内常用的现有技术是这样的:伴随着现代雷达的高速发展,雷达观测分辨率的不断提高,出现了雷达扩展目标检测跟踪问题。在高精度高分辨率雷达中,雷达视频数据中每个像素或者说单元格所表示的直角坐标系下的区域将变得更小,这样一来,一些目标(比如舰船)的尺寸将大于一个雷达像素单元格,占据多个单元格。同一目标同时存在于多个雷达视频数据像素中,形成了具有一定形状特征的面积块。针对密集相邻目标测量时,由于雷达波束具有一定宽度,以及雷达目标散射,在多个相互相邻目标的中间区域,该处的测量值,同时受到相邻的雷达目标的影响,导致测量值变大,使得目标之间无法分割出来。如果不对这种情况下的测量值做特殊处理,两个及以上目标会被认为是一个目标输出。输出的这个测量值并不精确。这一现象在雷达近区、目标密集区域(航道或者码头)尤为明显。多个目标的测量值会混在一起被当做一个目标或者一个杂波区来处理,这就会造成***较大误差。在过去一般对相邻目标不分割,视为一个目标输出,或者借鉴图像处理中的多目标分割方法,比如灰度分割算法、纹理分割算法以及分水岭算法等,但是雷达视频数据跟图像数据有差别,有些并不适用,或者处理起来效果不佳。提高对相邻目标密集情况下雷达***的对目标精准探测,比如对航道,船舶停靠区域、舰队下的相邻目标分割探测的成为迫切需要解决的问题。
综上所述,现有技术存在的问题是:密集相邻目标测量时测量值变大,使得目标之间无法分割,测量值并不精确。
解决上述技术问题的难度和意义:在跟踪雷达目标交叉航行、或者编队航行、相互跟踪驱赶时,由于相互靠近的单目标之间距离较近,如果不对目标进行正确的分割,将导致目标点迹断续,靠近的单目标航迹难以维持稳定。如何维持对这些单目标进行稳定跟踪,保证跟踪精度,一直是目标跟踪滤波领域需要解决的技术难题。
对群目标,目标交叉等情况下的目标进行准确分割,是保证获得单目标稳定航迹的前提。对单目标进行精确跟踪后,对单目标进行识别、威胁度排序,随后可进行精确拦截打击,在信息战中对指挥员的指挥决策起到非常重要的作用。
发明内容
针对现有技术存在的问题,本发明提供了一种基于下雨腐蚀算法的雷达相邻目标分割方法。
本发明是这样实现的,一种基于下雨腐蚀算法的雷达相邻目标分割方法,所述基于下雨腐蚀算法的雷达相邻目标分割方法将经过雷达信号处理后雷达视频数据输入;根据雷达***对目标精度的要求,通过在平面所占面积,尺寸长度确定需要分割的相邻目标所占区域;对相邻目标占有的区域的同一距离单元不同方位单元的测量值取出单独处理,即每一个距离单元通道单独提出来单独处理。
假设在监测区域有未知数目的扩展目标,假设有m个目标存在于第k帧,将这些目标的状态定义为:Stm k=(xm k,vxm k,ym k,vym k,lm,wm),1≤m≤M.其中xm k,ym k,表示第m个目标的质心在第k帧里于x-y直角坐标系下的位置,vxm k,vym k,表示第m个目标目标第k帧中的运动速度。lm,wm,表示该目标的长轴与短轴,一般认为目标尺寸是不随时间变化的,为椭圆形结构。雷达***中精度要求确定单个目标的长轴和短轴最大值分别为lmax、wmax,当目标检测后发现检测出的目标尺寸长轴lm>lmax或者短轴wm>lmax、或者所占面积大于单个目标最大值,则可以判定这不是一个单目标,对该区域进行目标检测。
进一步,所述基于下雨腐蚀算法的雷达相邻目标分割方法包括以下步骤:
步骤一,输入雷达视频数据,将经过雷达信号处理后雷达视频数据输入;雷达视频数据的每一帧存在Na×Nr个单元格,Na和Nr分别是方位轴和距离轴单元格总数,Zp={z(r,a),1≤r≤Nr,1≤a≤Na}表示每个坐标单元格的测量值,r,a分别表示距离轴和方位轴坐标,将距离轴,方位轴视作一个平面,该平面视为地面平原,单元格中存在m个雷达目标,则会在地面形成m个山体,雷达目标所占单元格的幅度测量值视为山体的海拔;
步骤二,确定分割的相邻目标区域,根据雷达***对目标精度的要求,通过在平面所占面积,尺寸长度确定需要分割的相邻目标所占区域;
步骤三,下雨腐蚀分割雷达相邻目标,对相邻目标占有的区域的同一距离单元不同方位单元的测量值取出单独处理,每一个距离单元通道单独提出来单独处理。
进一步,所述步骤三具体包括:
(1)估计雨滴数量,雨滴数量正比于距离单元通道内测量值幅度值之和;
(2)腐蚀,下雨不断腐蚀腐蚀山脉;
(3)检测,将两个目标分别检测出来。
进一步,所述(2)具体包括:定义雨滴的腐蚀力,即降低此处单元格的回波幅度的量;雨滴的腐蚀力正比于雨滴起始与结束位置之间的海拔差;接下来重复下雨-腐蚀,直到所有雨滴都已经落下,两个峰之间的鞍部会形成将两个山峰分割开来的山谷。
本发明的另一目的在于提供一种应用所述基于下雨腐蚀算法雷达相邻目标分割方法的雷达数据处理***。
综上所述,本发明的优点及积极效果为:
本发明仿下雨腐蚀山脉用来处理由于目标之间相互靠近无法分割的问题。目标准确的分割,决定雷达数据处理***是否能够正确的进行目标航迹起始和终结、数据互联、跟踪。
目标分割是对雷达数据进行正确处理的重要组成部分,在群目标和多目标相邻时,有效的分割才能准确的对每个单目标进行正确的点航关联,确定单目标的航迹。才能对单目标进行精确跟踪、目标进行识别、威胁度排序,对目标进行精确打击,是战场中正确决策指挥和克敌制胜所不可缺少的一项关键技术。
本发明在实验和实践中均证明,效果良好,满足高分辨率雷达对目标分割的要求,用于雷达相邻目标分割。
附图说明
图1是本发明实施例提供的基于下雨腐蚀算法雷达相邻目标分割方法流程图。
图2是本发明实施例提供的基于下雨腐蚀算法雷达相邻目标分割方法实现流程图。
图3是本发明实施例提供的雷达波束扫过两个相互相邻目标。
图4是本发明实施例提供的雷达波束扫过两个相互相邻目标产生的测量值。
图5是本发明实施例提供的下雨腐蚀算法腐蚀流程示意图。
图6是本发明实施例提供的雷达真实视频数据图。
图7是本发明实施例提供的雷达真实视频数据下雨腐蚀算法处理后结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明可以用于雷达目标检测跟踪时,对相邻的目标通过下雨腐蚀把雷达目标分割出来。提高雷达***对目标检测和跟踪的精度。
如图1所示,本发明实施例提供的基于下雨腐蚀算法雷达相邻目标分割方法包括以下步骤:
S101:将经过雷达信号处理后雷达视频数据输入;
S102:根据雷达***对目标精度的要求,通过在平面所占面积,尺寸长度确定需要分割的相邻目标所占区域;
S103:对相邻目标占有的区域的同一距离单元不同方位单元的测量值取出单独处理,即每一个距离单元通道单独提出来单独处理。
下面结合附图对本发明的应用原理作进一步的描述。
实施例1
近几年来,国内外学者利用模拟自然界生物种群习性或者自然现象提出了各种仿生学算法。为了划分相邻目标测量值,本发明模拟下雨冲刷山脉,形成河谷的过程,提出了下雨腐蚀算法。
山峰和山谷在自然界中非常常见。一些山谷是由于山峰之间的河流冲刷而成的。而这些小河流的水源通常是落在这些山峰上的雨滴。雨滴是随机落在山体之上,由于重力与山体的形状的作用顺着山体流下。大量雨滴顺着山体流下逐渐汇聚成小溪流,小溪流又不断汇聚到较大的河流中。河流的终点通常是堰塞湖或者山脉外的平原。溪流冲刷过山峰后,会带走一些泥土或者对山体进行一定的腐蚀,产生冲刷作用,使得山峰之间的溪流变得更深,同时山鞍部分也可能形成新的山谷。最终随着雨水腐蚀与冲刷,山峰会被一条条溪流分割开来。
图2是本发明具体流程图;本发明基于轮廓跟踪的雷达点迹凝聚方法包括有如下步骤:输入雷达视频数据、确定分割的相邻目标所占区域、下雨腐蚀分割相邻雷达目标。
(1)输入雷达视频数据
将经过雷达信号处理后雷达视频数据输入;雷达视频数据的每一帧存在Na×Nr个单元格,Na和Nr分别是方位和距离单元格总数,Zp={z(r,a),1≤r≤Nr,1≤a≤Na}表示每个坐标单元格的测量值,r,a分别表示距离轴和方位轴坐标,这里将距离轴,方位轴视作一个平面,将单元格的幅度测量值视为“山体”的海拔,如果单元格中存在m个目标,则在三维平面中存在m个山峰。
(2)确定分割的相邻目标区域
当雷达目标之间距离比较远时,一个个雷达目标在距离、方位和测量值形成的三维平面中就像一个个独立的山峰,如图3所示,由于雷达波束具有一定宽度的原因,如图4所示,同一雷达视频单元格的测量值有可能同时受到两个相互靠近相邻的目标的影响,距离比较近相邻的目标就像连绵起伏的山峰形成山脉。山脉在距离轴和方位轴形成的平面占据的面积大小远大于山峰占据的面积,同时在距离轴和方位轴的长度大小也大于单个山峰在这两个轴上的长度。根据***对目标精度的要求,面积,尺寸长度确定分割的相邻目标区域。
(3)下雨分割相邻雷达目标。
由于雷达波束的作用,测量值在方位上相关性较大。因此同距离单元不同方位单元的测量值取出单独处理,每一个距离单元通道提出单独处理。
处理步骤分为三步。第一步是估计雨滴数量,雨滴数量正比于距离单元通道内测量值幅度之和;
接下来以一滴雨滴为例说明一下下雨过程。雨滴的起始位置在1到Na上均匀随机分布。假设起始点为a,则用(a,z(r,a))表示雨滴的起始位置。在找到起始位置之后,雨滴受到重力作用不断寻找更低的位置,或者说一直在当前位置附近寻找回波幅度更低的单元格,直到雨滴流入“平原”或者“堰塞湖”。雨滴的结局有两种,如果雨滴到达“平原”,则视作消失,并不累积。如果雨滴到达“堰塞湖”,“堰塞湖”的水平面会上升。一旦“堰塞湖”的水满了,或者说“堰塞湖”的水平面高于四周,新来的“雨滴”会流走。算法的过程就是模拟了自然界下雨的过程;
第二步,腐蚀,当水不断流过山之间较低的地方,会冲刷产生越来越深的山谷,这就是水对山体的腐蚀。本发明中,腐蚀作用的强弱决定于该单元格上的雨滴,对单元格腐蚀作用相当于降低此处单元格的回波幅度。定义雨滴的腐蚀力,即降低此处单元格的回波幅度的量。雨滴的腐蚀力正比于雨滴起始与结束位置之间的海拔差,或者说雨滴起始单元格与终点单元格回波幅度之差。接下来重复下雨-腐蚀这一过程,直到所有“雨滴”都已经落下。伴随着这一过程,两个峰之间的鞍部会形成可以将两个山峰分割开来的山谷。
这一完整过程可见图5。在图5中,数据来源是取出的一部分实测数据,两个目标的测量值混在一起,难以分辨。从图像上看就像是两座山峰一样。在算法迭代过程中,产生了两个堰塞湖,其中堰塞湖1在山顶,堰塞湖2在山鞍。流入堰塞湖1的雨滴的落差小,腐蚀力较小,并没有对此处的回波幅度产生较大改变。而堰塞湖2则不同,堰塞湖2中雨滴落差大,腐蚀力强,不断的腐蚀山鞍,产生了一个山谷,可以将两座山峰分割开来。若干次迭代后将此距离单元格上的测量值放回视频数据中,其结果如图5右下方展示的视频数据。可以明显的看到,两个目标之间的测量值幅度变小了。在检测过程中,他们就会被检测成为两个单独的目标,而非一个较大的目标。
第三步,检测,伴随着腐蚀这一过程,两个峰之间的鞍部会形成可以将两个山峰分割开来的山谷。相当于这相邻目标之间的测量值幅度变低了,形成了独立的山峰,在检测时,就可以将雷达目标分别检测出来。用于后续的雷达点迹凝聚处理和航迹跟踪。
实施例2
基于下雨腐蚀算法的雷达相邻目标分割方法同实施例1
下面实验对本发明的效果做进一步的描述
实测数据
使用实测数据来说明一下本发明方法的作用。图6是实测数据中提取出的一部分。横坐标与纵坐标分别表示方位与距离轴。图6和图7中颜色从黑到白表示测量值升高,图6是提取出未处理的部分测量值,微白处是杂波区;图7是经过杂波处理、目标检测和过下雨腐蚀算法后保留下的测量值;从结果上看,总共有8个目标,被不同号码标注着。其中目标3和目标4与目标7和目标8在同一距离单元,而且方位相距较近,两个目标之间有一部分测量值同时受到两个目标影响而使幅度较高,将目标3和目标4的轮廓连在一起、目标7和目标8的轮廓连在一起进行估计,从而将两个目标检测为一个较大目标,从而影响测量精度。从图7可以看出,经过下雨腐蚀算法的测量值修正之后,目标3和目标4之间、目标7和目标8之间的幅度较高的测量值被去掉了。这样一来,无论使用哪种轮廓跟踪算法,都会将这两个目标的轮廓分别检测出来,如图7,从而检测将所有单目标检测出来。这就是本发明对相互相邻多目标所做的改进。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于下雨腐蚀算法的雷达相邻目标分割方法,其特征在于,所述基于下雨腐蚀算法的雷达相邻目标分割方法将经过雷达信号处理后雷达视频数据输入;根据雷达***对目标精度的要求,通过在平面所占面积,尺寸长度确定需要分割的相邻目标所占区域;对相邻目标占有的区域的同一距离单元不同方位单元的测量值取出单独处理,即每一个距离单元通道单独提出来单独处理;
所述基于下雨腐蚀算法的雷达相邻目标分割方法包括以下步骤:
步骤一,输入雷达视频数据,将经过雷达信号处理后雷达视频数据输入;雷达视频数据的每一帧存在Na×Nr个单元格,Na和Nr分别是方位轴和距离轴单元格总数,Zp={z(r,a),1≤r≤Nr,1≤a≤Na}表示每个坐标单元格的测量值,r,a分别表示距离轴和方位轴坐标,将距离轴,方位轴视作一个平面,该平面视为地面平原,单元格中存在m个雷达目标,则会在地面形成m个山体,雷达目标所占单元格的幅度测量值视为山体的海拔;
步骤二,确定分割区域,根据雷达***对目标精度的要求,通过在平面所占面积,尺寸长度确定需要分割的相邻目标所占区域;
步骤三,下雨腐蚀分割雷达相邻目标,对相邻目标占有的区域的同一距离单元不同方位单元的测量值取出单独处理,每一个距离单元通道单独提出来单独处理;
所述步骤三具体包括:
(1)估计雨滴数量,雨滴数量正比于距离单元通道内测量值幅度值之和;
(2)腐蚀,下雨不断腐蚀山脉;
(3)检测,将相邻目标分别检测出来;
所述(2)具体包括:定义雨滴的腐蚀力,即降低此处单元格的回波幅度的量;雨滴的腐蚀力正比于雨滴起始与结束位置之间的海拔差;接下来重复下雨-腐蚀,直到所有雨滴都已经落下,两个峰之间的鞍部会形成将两个山峰分割开来的山谷。
2.一种应用权利要求1所述基于下雨腐蚀算法的雷达相邻目标分割方法的雷达数据处理***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810420398.2A CN108445466B (zh) | 2018-05-04 | 2018-05-04 | 一种基于下雨腐蚀算法的雷达相邻目标分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810420398.2A CN108445466B (zh) | 2018-05-04 | 2018-05-04 | 一种基于下雨腐蚀算法的雷达相邻目标分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108445466A CN108445466A (zh) | 2018-08-24 |
CN108445466B true CN108445466B (zh) | 2021-09-28 |
Family
ID=63203003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810420398.2A Active CN108445466B (zh) | 2018-05-04 | 2018-05-04 | 一种基于下雨腐蚀算法的雷达相邻目标分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108445466B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996039A (zh) * | 2014-05-06 | 2014-08-20 | 河海大学 | 联合灰度阈值分割及轮廓形态识别的sar图像河道提取方法 |
CN105374033A (zh) * | 2015-10-19 | 2016-03-02 | 西安电子科技大学 | 基于脊波反卷积网络和稀疏分类的sar图像分割方法 |
KR20160053520A (ko) * | 2014-11-05 | 2016-05-13 | 국방과학연구소 | 비행 궤적 및 형태학적 처리를 이용한 효과적인 다중 표적 역합성 개구면 레이더 영상 형성 방법 및 장치 |
CN106372362A (zh) * | 2016-09-27 | 2017-02-01 | 铁道第三勘察设计院集团有限公司 | 基于遥感技术的黄土冲沟溯源侵蚀范围预测方法 |
CN106803078A (zh) * | 2017-01-18 | 2017-06-06 | 哈尔滨工业大学 | 一种sar图像舰船目标分割方法 |
CN106970375A (zh) * | 2017-02-28 | 2017-07-21 | 河海大学 | 一种机载激光雷达点云中自动提取建筑物信息的方法 |
CN107274417A (zh) * | 2017-07-05 | 2017-10-20 | 电子科技大学 | 一种基于机载激光点云聚集关系的单木分割方法 |
CN107918126A (zh) * | 2017-11-17 | 2018-04-17 | 西安电子科技大学 | 基于多特征自动分割的多通道近海岸模糊杂波抑制方法 |
-
2018
- 2018-05-04 CN CN201810420398.2A patent/CN108445466B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103996039A (zh) * | 2014-05-06 | 2014-08-20 | 河海大学 | 联合灰度阈值分割及轮廓形态识别的sar图像河道提取方法 |
KR20160053520A (ko) * | 2014-11-05 | 2016-05-13 | 국방과학연구소 | 비행 궤적 및 형태학적 처리를 이용한 효과적인 다중 표적 역합성 개구면 레이더 영상 형성 방법 및 장치 |
CN105374033A (zh) * | 2015-10-19 | 2016-03-02 | 西安电子科技大学 | 基于脊波反卷积网络和稀疏分类的sar图像分割方法 |
CN106372362A (zh) * | 2016-09-27 | 2017-02-01 | 铁道第三勘察设计院集团有限公司 | 基于遥感技术的黄土冲沟溯源侵蚀范围预测方法 |
CN106803078A (zh) * | 2017-01-18 | 2017-06-06 | 哈尔滨工业大学 | 一种sar图像舰船目标分割方法 |
CN106970375A (zh) * | 2017-02-28 | 2017-07-21 | 河海大学 | 一种机载激光雷达点云中自动提取建筑物信息的方法 |
CN107274417A (zh) * | 2017-07-05 | 2017-10-20 | 电子科技大学 | 一种基于机载激光点云聚集关系的单木分割方法 |
CN107918126A (zh) * | 2017-11-17 | 2018-04-17 | 西安电子科技大学 | 基于多特征自动分割的多通道近海岸模糊杂波抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108445466A (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108957437B (zh) | 一种基于环境态势分析的雷达目标跟踪方法 | |
CN105488770A (zh) | 一种面向对象的机载激光雷达点云滤波方法 | |
CN106970375A (zh) | 一种机载激光雷达点云中自动提取建筑物信息的方法 | |
CN103353988B (zh) | 异源sar景象特征匹配算法性能评估方法 | |
CN106093890A (zh) | 建立剩余杂波图抑制雷达剩余杂波的方法 | |
Hu et al. | Monitoring coastline variations in the Pearl River Estuary from 1978 to 2018 by integrating Canny edge detection and Otsu methods using long time series Landsat dataset | |
CN109557532B (zh) | 基于三维霍夫变换的检测前跟踪方法、雷达目标检测*** | |
CN103885057A (zh) | 自适应变滑窗多目标跟踪方法 | |
CN114677554A (zh) | 一种基于YOLOv5与Deepsort的统计滤波红外小目标检测跟踪方法 | |
CN109712112B (zh) | 基于局部特征的航拍绝缘子图像的定位方法 | |
CN116482644B (zh) | 一种海雾识别方法 | |
CN107909002B (zh) | 基于海岸线匹配的红外遥感图像海陆分割方法 | |
CN106569193A (zh) | 基于前‑后向收益参考粒子滤波的海面小目标检测方法 | |
CN110956078B (zh) | 一种电力线检测方法及装置 | |
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN110097524B (zh) | 基于融合卷积神经网络的sar图像目标检测方法 | |
CN109858526A (zh) | 一种目标跟踪中基于传感器的多目标轨迹融合方法 | |
CN101634706A (zh) | 高分辨率sar图像中桥梁目标的自动检测方法 | |
CN111562570A (zh) | 基于毫米波雷达的面向自动驾驶的车辆感知方法 | |
CN109143182B (zh) | 一种多尺度的雷达分区图快速处理方法 | |
CN107479037B (zh) | 一种pd雷达杂波区域判别方法 | |
CN108445466B (zh) | 一种基于下雨腐蚀算法的雷达相邻目标分割方法 | |
CN105259547A (zh) | 一种舰船稳定散射结构分析方法 | |
Zhang et al. | Bridge substructure feature extraction based on the underwater sonar point cloud data | |
CN114612677A (zh) | 一种基于图形图像处理的低序级断层自动识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |