为了快速、准确检测海天背景下远距离水平观测的船舶目标，提出了一种基于海天线提取和混合灰度差的船舶检测方法。首先，利用边缘检测算法将图像分为天空、海天线和海面三个区域，并根据海天区域连接点，采用直线拟合方法确定海天线的直线参数；然后提取海天线区域作为目标感兴趣区域，并在去除海面杂波和噪声等干扰后利用混合灰度差水平投影和垂直投影来定位目标；最后，根据投影曲线统计值分析得到目标的坐标和大小。实验结果表明，该方法可以有效检测出海天背景下远距离水平观测的船舶目标，并且运算简单、处理速度快，因此能够满足船舶目标检测的实时处理要求。

红外弱小目标的检测是红外搜索跟踪系统(IRST)中的一项关键技术,常用的目标检测算法存在受海杂波严重、虚警率较高等问题,分析了海天背景下红外图像的背景、小目标的特征,提出了一种海杂波背景下的红外小目标检测算法。首先统计图像的行均值和梯度,用最小二乘法拟合出海天线,然后利用形态学算子抑制图像背景,并采用自适应阈值将图像二值化,最后分析图像的梯度特征,抑制海杂波和云层的干扰。实验结果表明,该方法能精确地提取海天线,稳定地提取海天背景下的弱小目标,虚警率低于5%,目标检测概率超过97%。

针对全景海域图像背景复杂且海天线呈近似圆形的特点, 提出了一种基于分形维数和改进Hough圆变换的全景海天线提取算法。该算法首先通过地毯覆盖法计算海域全景图像的分形维数, 并据此提取出全景采集装置等设备在全景图像中的成像, 消除其对海天线检测的不良影响。针对经典的梯度Hough圆变换算法提取全景海天线时无法给出唯一正确解的问题, 提出了一种改进的Hough圆变换算法来有效提取全景海天线。对400幅不同情况下采集的全景海域图像进行了实验。结果表明, 提出的算法在理想情况、海天线部分缺失、低对比度和海天线大范围断裂等多种情况下均可以有效提取出全景圆形海天线, 检测准确率达95.75%, 适用性和鲁棒性良好。

海天线的检测和提取是舰船红外图像处理中的一个重要内容,在综合分析比较基于边缘检测、图像分割以及小波变换多尺度分析等多种海天线检测算法优缺点的基础上,提出一种基于形态学处理和最小二乘法的算法,仿真分析表明此算法能适应含有各种干扰的海面背景环境,鲁棒性好,并且提取精度高,能精确定位海天线。

海天线检测是红外图像自动目标识别技术的一项重要内容。本文深入分析了海天背景红外图像的特点, 提出了一种基于四项特征评分因子的海天线模糊识别算法。首先对梯度图进行 Radon变换以提取候选海天线, 然后联合候选海天线四种特征信息进行模糊综合评判, 最后根据评判值大小给出海天线识别结果。算法对比和实测数据结果表明, 该方法适用范围广, 抗噪声和抗干扰能力强, 识别率高, 可以有效地检测出各种复杂海天背景下的海天线, 为进一步应用 (如目标识别 )奠定了良好的基础。

针对海天红外图像的特点，提出一种快速有效的海天线提取方法。首先通过模板运算在大尺度上对图像进行预处理来增强海天线区域的图像梯度值，然后为了减小水面波纹和噪声的干扰，设计了一种非线性分割方法对图像进行处理，最后对图像进行行扫描找出海天线的位置。实验结果验证了该方法的简单有效性，抗干扰能力强，易于工程上应用。

为了解决基于边缘检测和Hough 变换传统方法不能正确检测出低对比度条件下的海天线问题，提出了先采用多帧能量积累方法提高红外图像对比度，然后运用Gabor 变换和Gabor 多通道滤波器滤除图像干扰部分和凸显图像中的海天线部分，最后使用边缘检测和Hough 变换实现海天线的提取。通过对实际海面低对比度条件下红外图像进行海天线提取实验，验证了所提方法的可行性和有效性。