基于SLIC分层分割的无人机图像极小目标检测方法

摘要：

针对无人机可见光图像目标小、对比度弱的问题,本文提出一种基于简单线性迭代聚类(Simple linear iterative clustering,SLIC)分层分割的极小目标检测方法.首先使用预处理方法提高原始图像的对比度,并利用Top-hat融合方法进行初始分割以确定目标区域,其次利用SLIC方法完成目标精细分割,并采用改进的具有噪声的基于密度的聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)对SLIC分割结果进行超像素聚类,最后提取目标的邻域熵等多种底层特征,使用特征匹配方式检测目标,获取最终检测结果.本文提出了一种全局检测和局部检测相结合的检测策略,极大提高了检测速度.仿真结果表明,本文方法可以有效提高无人机小目标的检测性能,加速检测速度.

关键词：无人机、简单线性迭代聚类、具有噪声的基于密度的聚类方法、融合检测策略

所属期刊栏目：32

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2017-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：737-745