一种基于自适应阈值与边缘跟踪的目标提取方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测出图像区域的阈值进行目标初分割,然后结合形态学中的开启和闭合方法对初分割后的二值图像进行双滤波,再用一种新的区域边缘跟踪标注法对其进行跟踪和标注,找出每个目标的包络矩形坐标,用其对原图进行区域定位,从而可以提取出原图中包含目标的小区域.     

光学显微结核杆菌图像的区域分割算法

为提高结核杆菌目标的分割精度,提出了一种区域级的光学显微结核杆菌图像分割算法。通过顶帽—底帽变换增强彩色图像对比度,融合图像局部特征和全局信息计算图像梯度,利用分水岭算法实现对图像的初始分割;对分割区域采用相邻区域最大相似度准则进行合并,从而得到完整的目标区域;根据结核杆菌图像的特点,通过分析结核杆菌目标区域的颜色特性,采用多阈值分割的方法滤除区域中的杂质,实现对结核杆菌目标的分割。实验结果表明,可以分割出目标对比度低以及饱和度过低的结核杆菌目标,并且对不同染色背景的图像均能取得较好的分割结果。     

基于区域分割的光学显微结核杆菌图像分割算法*

为了提高结核杆菌目标的分割精度,本文提出了一种基于区域级的光学显微结核杆菌图像分割算法。首先,通过顶帽-底帽变换增强彩色图像对比度,然后融合图像局部特征和全局信息计算图像梯度,在此基础上利用分水岭算法实现对图像的初始分割;对分割区域采用相邻区域最大相似度准则进行合并,从而得到完整的目标区域;最后根据结核杆菌图像的特点,通过分析结核杆菌目标区域的颜色特性,采用多阈值分割的方法滤除区域中的杂质,实现对结核杆菌目标的分割。实验结果表明,本算法可以分割出目标对比度低以及饱和度过低的结核杆菌目标,并且对不同染色背景的图像均能取得较好的分割结果。     

基于红外图像目标检测的辅助瞄准方法

瞄准系统是武器精准射击的保证,它涉及快速锁定目标位置与校正度数计算两个方面。采用算子检测出图像中疑似目标存在的区域,利用分块图像加权方差纹理对比度矩阵中查寻极大值的方法确定目标位置。将目标从图像中分割出来,确定重心及最小外接矩形的边界。最后利用几何光学特性来计算校正度数。实验表明,该算法可以有效地从图像中检测出目标所在位置,并计算出瞄准目标所需要校正的度数。     

融合地面多传感器信息引导无人机着陆

针对无人机自主着陆过程中卫星导航系统易被干扰的问题,提出了一种基于地基多传感器融合的无人机自主着陆引导方法。采用主动式激光照射的方式,获取机载反射棱镜的近红外成像,在红外图像中对无人机目标进行识别;通过坐标转换将识别结果映射到可见光图像中,在可见光图像中选择的感兴趣区域进行可见光目标识别,从而在降低计算量的基础上获得更加精确的无人机相对角度信息;利用距离测量信息和引导系统角度信息可以获得精确的无人机相对位置。无人机着陆引导试验结果表明,该方法能够提供精确的无人机位置信息,能有效适应于复杂背景下的无人机自主着陆引导。     

基于统计势能的水平集特定目标轮廓提取方法

介绍一种基于统计势能的水平集特定目标轮廓提取方法.首先通过计算统计势能得到水平集曲线与目标边界相关程度,然后由此推导出区域决策影响因子并将其引入到水平集函数演化方程中,最终实现利用目标区域信息提高水平集目标轮廓提取质量.红外图像目标轮廓提取实验结果表明,该方法能够有效地克服目标轮廓提取中存在的边界泄漏问题.     

基于地基多传感器融合的无人机自主着陆引导方法

针对无人机自主着陆过程中卫星导航系统易被干扰的问题，提出了一种基于地基多传感器融合的无人机自主着陆引导方法。首先采用主动式激光照射的方式，获取机载反射棱镜的近红外成像，在红外图像中对无人机目标进行识别；然后通过坐标转换将识别结果映射到可见光图像中，在可见光图像中选择的感兴趣区域进行可见光目标识别，从而在降低计算量的基础上获得更加精确的无人机相对角度信息；最后利用距离测量信息和引导系统角度信息可以获得精确的无人机相对位置。无人机着陆引导试验结果表明，该方法能够提供精确的无人机位置信息，能有效适应于复杂背景下的无人机自主着陆引导。     

野外复杂背景下轻武器射击目标的图像识别算法

针对野外复杂背景下轻武器射击目标图像的分析判别,首先采用一种彩色空间聚类分析和阈值分割相结合的混合算法,即基于S、I通道的目标图像两步分割算法,将目标区域从背景图像中分离出来.然后基于机器学习理论中的Boosting算法,利用区域的形状特征和纹理特征等组成一个强分类器,将目标区域从其他区域分离出来,同时判断出目标的类型.     

基于小波变换与数学形态学的红外图像分割方法

提出一种基于小波变换和形态学相结合的红外图像分割方法,该方法利用小波变换和形态学消除红外图像的混合噪声,抑制背景干扰和增强目标;通过选择适当的结构元素进行系列形态组合运算,自适应确定阈值,提取目标;利用形态学水线区域分割法对图像进行分割,分离目标区域。实验结果表明,该方法能有效检测和分割出低信噪比复杂背景红外图像中的目标。     

基于高精度景象匹配的SAR平台定位方法

提出一种利用SAR图像与光学基准图高精度匹配实现SAR平台定位的方法。利用成像中间时刻SAR平台与SAR图像中心线上物点在水平面的投影共线的特性,在图像中心线上均匀选取若干点作为匹配点,并与光学基准图进行高精度景象匹配获取它们的物点坐标;根据这些物点坐标估计出图像中心线在当地水平面投影的直线方程;利用直线信息和斜距高度信息计算SAR平台在水平面上的投影点位置,进而计算得到成像中间时刻SAR平台的空间位置。为了进一步提高匹配精度,分别提出对正侧视和斜视SAR图像匹配区域进行几何粗校正的方法。还分析了不同误差因素对平台定位精度的影响,并给出精度估计公式。仿真和实际图像实验结果表明,方法正确可行,具有较高的定位精度,具备工程实用价值。     

一种智能化的红外弱小目标检测方法

针对复杂背景下的远距离红外弱小目标检测问题,提出了一种基于自适应结构元素形态学和BP神经网络的智能化检测方法。该方法首先将图像按一定大小分成子图像,通过统计子图像的特征确定候选目标区域,然后基于自适应结构元素的灰度形态学顶帽变换,实现红外空中复杂背景的抑制并突出待检测的小目标。接下来,以像素的灰度、水平、垂直和对角梯度、邻域均值和方差6个特征为输入量,构造三层BP神经网络,最终实现红外复杂背景下的弱小目标检测。仿真实验结果表明,该方法可以实现对红外复杂背景的有效抑制,稳定准确地检测出信噪比大于2的红外弱小目标。     

基于高精度景象匹配的SAR平台定位方法研究

为了提高SAR平台定位精度，本文提出了一种基于景象匹配的SAR平台定位的方法。该方法利用成像中间时刻SAR平台与SAR图像中心线上物点共线的特性，先在图像中心线上均匀选取若干点作为匹配点，并与光学基准图进行高精度景象匹配获取它们的物点坐标；然后根据这些物点坐标估计出图像中心线在当地水平面投影的直线方程；最后利用直线信息和斜距高度信息计算SAR平台在水平面上的投影点位置，进而计算得到成像中间时刻SAR平台的空间位置。为了进一步提高匹配精度，分别提出了对正侧视和斜视SAR图像匹配区域进行几何粗校正的方法。本文还分析了不同误差因素对平台定位精度的影响，并给出了精度估计公式。仿真和实际图像实验结果表明，本文方法正确可行，具有较高的定位精度，具备工程实用价值。     

视觉与激光雷达信息融合的目标领航车识别方法

为提高军用地面无人平台自主跟随过程中对目标领航车辆检测识别的准确性和实时性,提出了一种基于激光雷达和视觉摄像机信息融合的目标领航车检测识别方法。在识别系统工作前,需对激光雷达和摄像机两种传感器进行标定,确定激光雷达坐标、摄像机坐标、车体坐标三者之间的相互关系。车辆识别过程中,首先对激光雷达数据进行最近邻域法聚类分析,根据聚类的结果对周围目标进行初步筛选生成假设目标;根据激光雷达数据和摄像机图像之间的转换关系,确定假设目标在图像中的感兴趣区域,可以有效减少图像处理的计算量;最后,利用多特征级联分类识别方法验证假设目标是否为目标领航车辆。实验结果表明该算法具有较好的环境适用性,弥补了单目视觉传感器在目标领航车辆检测识别过程中无法检测到深度信息,以及激光雷达不能准确判断出目标为何物的不足。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

基于显著性的红外图像强固定模式噪声抑制*

本文针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据提出基于显著性的红外图像强固定模式噪声抑制算法。文中首先对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。最后,通过大量小目标、强固定模式噪声红外图像对算法性能进行测试,结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

一种融合显著性的Adaboost电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,传统的目标检测方法不能满足目标尺度的精确变化,目标定位有偏差,且检测计算量大,无法达到实时性。将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

一种基于显著性区域的图像分割算法

针对传统的显著区域的分割方法存在的频谱泄露、无法达到亚像素精度的问题,提出了一种新的基于显著性区域的图像分割算法。利用Lucas-Kanade图像配准算法对大量重复出现模式的最小周期进行估计,从而准确地重建出背景模型;在此基础上,提出了"广义邻域点"的方法,设计自适应尺度的中值滤波器完成前景分量的精确分割;并提出了快速中值滤波器的设计方法,显著降低了计算复杂度。实验证明了该算法能够准确、高效地分割图像,适用于大量重复背景中前景目标的提取。     

一种融合显著性的Adaboost的电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,现在传统的目标检测方法,不能满足目标尺度的精确变化,导致目标定位偏差,且检测计算量大,无法达到实时性。本文将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

海天背景下舰船可见光图像目标区域定位方法

针对行均值法用于海天背景下舰船目标区域定位可靠性不高、容易受到舰船目标大小和海天背景复杂程度影响的不足,提出一种基于图像行灰度熵的舰船目标区域定位方法。该方法在分析海天背景下舰船目标可见光图像成像特点基础上,结合信息熵理论给出了图像灰度熵及行灰度熵的概念,利用图像行灰度熵描述图像在行方向上的灰度变化程度,选用滑动区间方差搜索策略得到图像行灰度熵曲线的突变区间,从而实现舰船目标区域定位,最后通过实际图像进行了实验验证。实验结果表明,该方法能对舰船目标所在区域有效定位,其准确性及鲁棒性均优于行均值法。     

一种改进的运动目标检测方法

提出的运动目标检测方法是基于动态阈值二值化图像,将帧差法与背景差法相融合,最终检测并提取出运动目标。通过VC++开发平台编程,并对监控图像中的运动目标进行检测实验,结果表明该方法与基于固定阈值二值化图像的方法相比能够更精确地检测出监控图像中的运动目标,且具备一定的鲁棒性。