基于几何特征的水面舰船快速检测算法

针对水面舰船在复杂背景下存在大量虚警问题,提出了一种基于几何特征的水面舰船快速检测方法。首先,通过计算原灰度图的下采样序列,获得高斯降维图;其次,利用改进Sobel算法在粗分辨率下增强舰船的对比度,突显目标像素区域,用于区分降维图中目标与背景区域;再次,由于舰船目标与非舰船目标几何形状的不同,计算了长宽比、面积、区域矩形度等因子,结合先验信息鉴别大的舰船目标,同时剔除由于噪声、亮斑等引起的小虚警目标;最后,利用连通区域检测法标记出目标区域,实现海面目标的快速检测。实验结果表明:该方法具有一定的鲁棒性,能够快速、准确地实现海面舰船的自动检测。     

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。     

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.     

仿射不变轮廓矩及其稳定性分析

针对区域矩需要计算全图像素的统计分布、计算量大的问题,构造了基于目标形状的仿射不变轮廓矩。首先采用PDE方法推导得到了6个仿射不变矩的数学模型,然后将积分区间变为目标区域的边界,计算得到基于目标形状的仿射不变轮廓矩,最后通过三类舰船不同姿态下的图像进行了实验验证并对其稳定性进行了分析。研究结果表明:仿射不变轮廓矩具有较好的稳健性及区分度,可将其作为不变特征用于舰船目标识别。     

基于模板匹配算法的人眼定位方法

为了解决不同光线下人眼定位问题,提出一种将灰度阈值算法和模板匹配算法相结合的人眼定位方法。在该方法中,先对图像进行预处理,得到二值化图像,然后利用灰度阈值法,对图像的灰度值进行分析和比较,初步定位人眼可能出现的大概位置,缩小后期模板匹配区域。进一步利用模板匹配算法,在频域上匹配人眼,通过不同光线下采用相应的匹配权值进行匹配,精确定位人眼。实验结果证明,与传统单一模板匹配算法相比,该算法具有较好的光照鲁棒性,能够显著提高人眼的定位速度和定位准确度。     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测     

基于直线特征及模板倾斜修正的图像匹配定位

针对火炮发射图像序列中运动目标后座的旋转问题，提出了基于直线特征及模板倾斜修正的匹配定位方法。该方法首先利用Hough变换提取出具有反应倾斜角特征的直线，与基准直线比较，算出直线旋转角度α，再把包含模板的基准图部分区域旋转α后截取新模板，使问题回到只有平移的情况并进行去均值归一化相关法（NNPROD）匹配。实验与分析表明，该方法可以有效地解决存在旋转、灰度对比度变化大、噪声干扰强、强光饱和等情况下的匹配定位问题，匹配精度较高。     

一种灰度图象中的小目标识别方法

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,用该方法检测提取出灰度图像中包含目标的小区域。然后利用传统的门限自动选择方法找到合适的门限,利用该门限值对所获目标区域进行二值化以得到目标,然后采用改进不变矩方法提取目标特征并采用优化BP神经网络进行识别。该方法经实验验证,效果较好。     

舰船磁场动态检测中舰船航迹测量方法研究

针对目前采用GPS或全站仪定位时需要与舰船合作操作、效率低下等问题,提出了一种基于图像匹配定位技术的舰船航迹测量方法,即当舰船通过测量区域时,利用两台摄像机对其进行同步拍摄,然后将视频实时传输至笔记本,再用光流法、Meanshift算法和SURF特征对视频进行处理从而得到舰船在不同时刻的三维坐标,最终确定其航向和位置。实验结果表明:在10 m的拍摄距离下,目标定位误差平均为0.096 m。采用该方法对舰船航迹测量时定位精度较高且后期操作简单易行,具有非合作的特点。     

一种融入运动特性的显著性特征提取方法

针对复杂背景下图像序列中运动目标的跟踪前检测问题,提出一种融入运动特性的显著性特征提取方法,该方法综合目标的灰度、细节和运动等形成稳健的显著性特征,并得到一组显著性特征提取图.在这组图像中,具有这种多特征的区域得到加强,其他区域受到抑制,从而能够轻松地检测出可引起人类视觉注意的运动目标.由于该算法中的显著性特征来源于目标的多种底层特性,因此该算法具有很强的稳健性.实验证明,这种方法具有较强的稳定性和实用性,抗干扰能力强.从视觉效果的角度出发,能够较大地提高运动目标在复杂背景中的信杂比.     

基于SMC的红外序列图像目标检测算法

提出一种海天背景下红外序列图像自动目标检测算法。该算法针对输入图像严重的非高斯分布噪声干扰和目标在序列图像中的非线性运动特性,基于SMC(Sequence Monte Carlo)方法通过目标的特征统计值影响蒙特卡罗采样的粒子权值,再利用该权值控制粒子状态变化,最终在目标特征图像中检测和跟踪目标,使用差分图像作为特征图像。试验结果证明,该算法可准确有效地检测目标,适合快速处理的实时性。     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

增量元学习IDBD算法在轴频电场信号检测中的应用

为了提高海洋环境电场背景中微弱舰船轴频电场的检测能力,针对传统的最小均方误差算法进行了改进,提出了一种基于增量元学习IDBD算法的自适应线谱增强器。利用所提算法对舰船缩比模型产生的实测轴频电场信号数据进行处理,结果表明该算法在低信噪比的情况下能够有效地将微弱轴频电场信号从宽带背景噪声中分离出来。所提算法相比于普通的自适应线谱算法,在改善信号的信噪比方面效果更加显著,且具有更快的收敛速度和更小的稳态误差,极大提高了舰船轴频电场的检测能力。     

红外目标分割方法研究

红外目标分割算法对红外目标检测、跟踪具有非常重要的价值。本文利用背景和目标灰度特征,提出一种实现红外目标有效分割的方法,克服红外目标内部温度不稳定造成的误分割问题。本文方法首先采用基于灰度-显著度最大相关准则的二维直方图分割算法进行图像分割;然后,在分割后二值图上进行基于随机种子点选取的区域增长,提取背景;最后,采用形态学方法优化分割结果。相对传统的红外目标检测算法,这种算法具有更好的抗干扰能力,更强的鲁棒性。不仅可以应用于红外图像的目标分割,而且可以应用于其他类似的目标分割问题。     

虹膜内边缘定位的齿形变换方法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.此算法分别对虹膜图像的每一行进行处理.首先,采用一种简单的齿形变换对虹膜图像每一行的灰度曲线进行变换,变换后的灰度曲线为齿形并且虹膜内边缘点出现在齿形曲线的转折点处.然后,根据在虹膜内边缘点处齿形灰度曲线的斜率由负值变为正值的特点,检测虹膜内边缘点并定位虹膜内边缘的位置.此算法具有新颖、简单、准确和速度快等特点.     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

图像处理技术在消防灭火模拟训练中的应用

阐述了应用图像处理技术构建消防灭火模拟训练系统的方法,对其中的技术要点从原理上进行了说明。提出了一种基于目标信息特征的灰度Hough变换实用加速算法用于直线检测,使其运算量比传统算法下降了4个数量级。实验结果证明这种检测与提取灭火水柱中心线的方法快速、有效。用该方法构建的系统,经实际运行证明是图像处理技术在消防灭火模拟训练方面的一个成功的应用。     

一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。