一种基于Canny算子的红外图像边缘检测算法

边缘检测是图像特征提取的关键技术。传统的Canny边缘检测算法中高斯滤波方差不具备自适应性,并且不能有效滤除红外图像特有的噪声,对红外图像的边缘提取存在局限性。深入研究了Canny边缘检测算法,并分析了红外图像噪声类型,针对高斯滤波影响红外图像去噪和边缘保持效果的问题,提出了用形态学滤波代替高斯滤波的改进的Canny算法。经过仿真实验,验证了本方法的有效性。改进算法能有效提取含噪红外图像的边缘,较好地保持了红外图像的边缘强度和细节。     

数学形态学及其在边缘提取中的应用

数学形态学是一门新兴的图像分析学科，其理论和方法在视觉检测，医学图象分析等诸多领域都取得了非常成功的应用。主要介绍了形态学的边缘提取算法，该算法由数学形态学中的形态学梯度算子来实现，一般采用数学形态学中的两个基本运算：腐蚀和膨胀相结合来计算形态学梯度算子，这种算法能加强图像中比较尖锐的过渡区。通过实验，实现了这种算法，与比较传统的Sobel算子相比，其定位比较精确，抗噪声能力也得到进一步提高。     

基于边缘提取的无人机航路规划方法

提出了一种基于数字形态学边缘提取算法的无人机航路规划方法,重点在于解决基于真实地形数据和存在不规则火力威胁区进行快速规划时初始路径规划空间的确定方法.仿真结果表明,该方法生成的初始路径规划空间小,当火力威胁态势改变时,重规划时间短,易于实现.     

融合阈值法和边缘提取的图像分割算法

针对阈值法分割目标区域不完整和边缘提取断续边缘多的问题,提出了一种融合阈值法分割和多尺度边缘提取的图像分割算法。该算法充分利用阈值分割提供的目标区域信息和边缘提取给出的边缘信息,采用基于区域生长的最大轮廓法连接断续边缘,填充目标孔洞,完成目标分割。利用Matlab平台对该算法进行了验证,结果表明:该算法能有效分割出目标完整轮廓。     

无人驾驶汽车视觉导航中车道线检测的研究

为了提高无人驾驶汽车视觉导航系统中车道线检测的准确性和实时性,在对车道线检测技术进行深入研究的基础上,提出一种能快速准确检测出车道线的新算法。首先采用分块思想将RGB图像中与道路无关的区域去除,以缩短数据处理时间。然后对余下的RGB图像进行灰度化处理,接着用中值滤波法消除随机噪声,再用最大类间方差法(Otsu法)初步得到二值图像。最后对二值图像利用数学形态学进一步边缘细化,使位于车道线上的每个像素行只有一个像素特征点,再采用Hough变换检测出车道线。Matlab仿真结果表明,此算法能够快速准确地检测出车道线,较传统检测算法具有更强准确性和实时性。     

一种新的形态中值小波图像去噪方法

图像去噪是图像预处理中一项重要环节.针对线性小波分析在图像去噪中会丢失一些细节信息这一缺点,利用数学形态学算子的非线性特征,构建了一种非线性的可用于灰度图像处理的形态中值小波,并应用于图像去噪.对比实验结果表明,该方法比线性小波去噪方法具有更好的去噪性能,图像细节信息损失更小.     

焦平面红外弱小目标检测新算法

针对焦平面红外图像中运动弱小点目标的检测问题,基于形态学滤波器和模糊决策融合构建了一种新的弱小目标检测算法。针对单帧检测,基于目标在实测红外图像上所呈现的凸包结构特点,设计了圆形形态学滤波器结构,并引入神经网络进行圆形形态学滤波器结构元素优化设计。同时在多帧关联检测的基础上,引入决策融合概念,基于贝叶斯最小风险准则建立了基于模糊决策融合的序列关联检测方法。实测数据的处理结果表明:针对低信噪比图像(SNR≈2),在虚警概率≤1%情况下,新算法对复杂红外弱小目标图像检测概率≥98%,有效地提高了检测算法的性能。     

一种新的红外图像目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法,算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强地抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR)为2的目标,适用于舰载红外警戒系统。     

基于数学形态学的机场跑道自动识别方法

如何自动、正确且快速地从遥感或航拍图片中检测战略目标,是导弹能否准确击中目标的关键,在军事领域具有重要意义.针对机场跑道目标的各种特性,提出一种基于数学形态学形态滤波和形态重构的机场跑道自动识别算法.实验结果表明,该方法识别机场跑道的效果良好.