一种有效的红外弱小目标DBT算法研究

作为红外自寻的制导、搜索跟踪和预警等领域的一项关键技术,红外弱小目标检测与跟踪成了红外图像处理领域中的一项重要研究课题。本文采用了"先检测后跟踪(DBT)"的思想对红外小目标进行检测与跟踪,首先采用基于各向异性偏微分方程的背景抑制技术对单帧图像进行抑制,再用最大绝对对比度阈值对红外图像进行分割,最后采用形心跟踪法对小目标点坐标定位。试验证明本文算法应用于目标检测的可行性和有效性。     

基于改进OTSU算法的红外图像分割

红外图像分割是红外目标检测与识别领域研究中的一项重要内容。针对经典OTSU阈值分割算法无法适应目标模糊、对比度低的红外图像的缺陷,提出了一种改进的OTSU红外图像分割算法。该算法首先对红外图像进行预处理操作,再利用非线性平均灰度值的权重计算方法,克服了因目标靶面面积过小造成的阈值偏移。实验表明该改进方法较传统OTSU算法有更好的分割效果。     

一种基于柔性形态学的红外图像分割方法

红外成像制导导弹的图像分割是图像处理中的重点和难点之一.提出了一种基于柔性形态学的红外图像分割算法,首先对目标红外图像进行柔性形态运算,然后在此基础之上采用模糊c均值聚类方法将图像转化为二值图像,从而得到比较精确的分割图像.最后,通过计算机模拟实验表明:该方法性能优于传统检测算子,并且具有抑制噪声的功能.此研究对于实现红外图像的稳定跟踪具有一定的应用价值.     

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。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

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.     

基于遗传算法的二维最大熵图像分割算法

二维最大熵图像分割算法充分利用了图像象素的灰度分布信息和各象素间的空间相关信息 ,因此具有很好的分割效果。但该算法的计算复杂度高、计算时间长。为解决这一问题 ,本文提出了一种基于遗传算法的二维最大熵法。该算法充分利用遗传算法的特点 ,极大地减少了计算量和存储空间。实验结果证明了该算法的快速性、有效性和稳定性。     

分形约束二维Otsu红外图像分割方法

提出了一种分形约束Otsu阈值分割算法。该方法结合图像的灰度分布和像素间空间分形纹理信息,在二维类间方差准则取最大值时得到一个二维分割阈值,从而实现红外图像的自适应分割。将该方法应用到低对比度、低信噪比、边缘模糊的红外图像分割中,并与传统的二维Otsu分割方法作了比较。结果表明,该方法在分割效果和抗噪能力等方面均得到了明显的改善。     

红外空中小目标小波域检测方法

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换的检测算法.该方法首先对小目标图像进行小波分解并在考虑高频系数能量的基础上对噪声和背景边缘系数进行抑制,然后将遗留下来的高频系数通过线性映射变换成灰度图像.其次对3个方向的高频图像按照一维最大熵法进行二值化处理并通过形态开算子进一步滤除噪声,随后将高频图像两两相与关联生成单帧检测结果,并进一步利用帧间目标位置的相关性完成小目标检测过程.最后,在原图像中以检测结果图像的质心为中心生成跟踪窗口.试验结果表明,相对于通常的小目标检测算法,提出的算法在背景抑制、检测准确度以及速度方面都具有一定的优势.     

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。     

An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.     

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。     

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。     

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。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别.为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力.采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类...     

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     

A pixel-level local contrast measure for infrared small target detection

Infrared (IR) small target detection is one of the key technologies of infrared search and track (IRST) systems. Existing methods have some limitations in detection performance, especially when the target size is irregular or the background is complex. In this paper, we propose a pixel-level local contrast measure (PLLCM), which can subdivide small targets and backgrounds at pixel level simultaneously. With pixel-level segmentation, the difference between the target and the background becomes more obvious, which helps to improve the detection performance. First, we design a multiscale sliding window to quickly extract candidate target pixels. Then, a local window based on random walker (RW) is designed for pixel-level target segmentation. After that, PLLCM incorporating probability weights and scale constraints is proposed to accurately measure local contrast and suppress various types of background interference. Finally, an adaptive threshold operation is applied to separate the target from the PLLCM enhanced map. Experimental results show that the proposed method has a higher detection rate and a lower false alarm rate than the baseline algorithms, while achieving a high speed.     

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.     

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。