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。     

基于SVD与数学形态学分形维数谱的战场声特征提取

分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原信号;通过这种方法,构成数量多且更能反映信号非线性的分形维数谱.运用半实物仿真实验将SVD与数学形态学分形维数谱的方法,与变分模态分解(VMD)和分形维数结合的方法进行对比,该方法提取的战场声特征具有更好的区分度且特征数量更多,为利用信号非线性来识别战场声目标提供较好的选择.     

分数布朗运动模型的人造目标检测

对光电目标进行自动检测与识别是导弹末端智能制导的一项关键技术,分形理论的出现为解决这个问题提供了新的技术途径.分形维计算的稳定性问题制约着其在实际工程中的应用.基于图像分形维计算的分数布朗运动模型法,提出了一种能够从自然背景中检测出人造目标的方法.实验证明,对于光电目标检测,给出方法的检测结果稳定,是一种非常有前途的方法.     

一种改进的遥感图像分形维数提取算法

基于离散分形布朗随机场的图像分数维提取方法,在综合分析和实验验证的基础上,提出了一种改进的图像分形维数计算方法。仿真实验证明,该算法相较于原算法计算结果稳定,不同地物的区分能力强,能够应用于遥感图像的地物分类。     

滤波对混沌信号分形维的影响

分形维数作为混沌系统的特征量,是分析混沌动力系统的重要工具,也是检测和识别混沌信号的依据.由于实际得到的混沌信号都存在着不同程度的滤波,忽略滤波影响会影响到分形维数的准确性.因此,通过理论推导,借助Lyapunov指数谱和Kaplan-Yorke维数,全面分析了从FIR滤波到一般的线性时不变滤波器对混沌信号分形维数产生...     

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。     

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.     

公里级背景数据采集及伪装特征提取方法

背景采集与处理是伪装设计的首要步骤。为了提高公里级背景范围采样的准确性和完整性,利用系统抽样理论提出了基于空中成像的背景两级采样方法。第一级采样通过剖分背景区域网格获取背景地物和地貌分布规律。第二级采样依据“接受-拒绝”法有针对地获取背景细节图像。基于颜色、距离和纹理特征差异性度量构建背景特征提取模型。然后通过SLIC(simple linear iterative clustering)算法分割超像素图像形成背景特征区域划分。实验中收集了某地300 km²范围12个一级采样点的数据,并分析了背景地物占比和分布特性。针对分析的结果,二级采样采集了戈壁滩、农田村庄和道路三类背景数据。对比了不同分割参数下农田村庄背景图像的分割性能,并探讨了基于k-means和超像素分割模型的差异性。最后生成了3类背景的斑点形状和7种主色特征。结果表明,采样流程能够有效获取公里级背景数据分布和细节纹理颜色特征。超像素分割模型能够优化斑点区域的完整性。该研究为移动目标伪装设计提供基础依据。     

自然背景下对人工红外目标的分形检测

针对红外图像目标检测问题,提出了一个改进的差分计盒方法(DBC法).该方法利用特定应用环境中自然背景的渐变均匀性与人工目标的突变奇异性,改进了差分计盒方法的分形维数计算和J曲线的判别策略.改进后的算法没有运算量的明显增加,能够实现对多个目标的检测,并且对噪声具有更好的鲁棒性.理论分析以及两幅海上和空中目标的实验检测,验证了该算法的有效性和正确性.     

STL格式下隐形装备表面的分形维数计算

介绍了STL文件的存储格式,对STL文件存储的离散点进行了表面的线性拟合,根据分形维数的计算方法推导出了拟合曲面的维数计算方法.为了验证提出方法的正确性,利用此方法计算了STL格式下维数为2.05的Weierstrass-Mandelbrot曲面的分形维数,其结果为2.035 8,与已知维数吻合.此方法为STL格式下隐形装备的特征研究提供了一种新的途径.     

光学表面的分形特点与模拟表征算法

根据光学表面在微观结构呈现出的自相似性,利用尺度无关的分形模型描述了其结构特征;采用结构函数法对抛光表面的分形维数进行计算,分析了粗糙度参数RMS值、误差波长、测量尺度、采样长度和采样点数对分形维数的影响规律。在此基础上,提出了采用一阶自回归分形模型对抛光表面进行模拟的新方法,分析了界定尺度、模型参数对分形特征和分形维数的影响规律。利用分形维数描述光学表面的微观结构具有评价方法简单、在一定范围内与测量尺度无关等优点。     

基于块分类的快速分形图像压缩

针对分形图像压缩编码时间长的问题 ,提出基于块分类的分形图像压缩算法 ,实验结果表明 ,该方法相对于经典的Jacquin分形图像压缩算法 ,压缩比得到提高 ,压缩时间提高近 10 0倍。     

基于分形理论的微地形的重建

对自然地表分形特征进行了分析和总结,并结合微地形所具有的自然特性,提出了具有方向性分形特征的中点随机位移法。实验结果表明该方法能较好地反映原始数据的总体轮廓,而且还能较好地再现原始微地形的粗糙起伏及各向异性,因而是一种可行的构造三维地形的插值方法。     

一种新的保持分形特征的分形变形方法

针对IFS吸引子变形过程中间出现的分形特征退化的问题,提出基于局部吸引子的近似凸包及旋转匹配的特征对应方法.IFS吸引子的局部吸引子可由独立的IFS生成,IFS中每个压缩仿射映射存在不动点,构造所有不动点的凸包,即得到局部近似凸包;证明了局部近似凸包间的相似对应等价于局部吸引子间的相似对应,并提出了通过旋转匹配的特征对应方法实现局部近似凸包的配对,最后计算所有配对下相似度最高的一组局部近似凸包匹配,确定局部吸引子间的特征对应,即IFS特征对应.对两个IFS进行线性插值可实现保持分形特征的分形变形.     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

基于分形的地图自动综合方法

为了较好地解决根据已知比例尺的地图通过自动综合生成满足不同比例尺需求的地图,利用地图边界所具有的分形特征及分形维数的不变性,提出了一种地图边界自动综合的方法——MADP。该方法不仅很好地保持了地图的形状特征和细节,而且较好地解决了公共边界的综合问题。实验表明,该方法具有较高的效率和公共边界综合能力。     

基于多特征的图象目标识别分类

文中研究将多特征信息融合技术用于图象目标识别分类的方法,利用图象灰度表面的分形特征与图象的摘特征（非分形特征）所提供的信息进行融合处理,在决策层中运用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论,并使用决策规则对目标进行分类。在实验中,将经过信息融合分类的结果与单特征独自分类的结果进行比较。结果表明,多特征信息融合的目标识别方法具有良好的稳定性,准确性和可靠性,能够有效地提高图象分类识别系统的精确度与容错性。     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测。针对此问题,提出基于纹理随机化的结构主导目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测。利用目标的三维模型,借助Blender渲染引擎,完成纹理随机化仿真训练数据集的生成。仿真及真实图像实验测试结果表明:该方法能够实现基于目标结构特征的变纹理目标可靠检测。     

一种改进的全景图生成算法

介绍了全景图的生成过程,对目前常见的几种图像拼接算法进行了分析和比较,在此基础上,提出了一种改进的全景图像生成算法.该算法通过对初始图像进行预处理、改进特征点选取方法以及优化特征点匹配过程,提高了全景图像生成的效率和准确性.实验结果也表明,该算法可广泛应用于基于图像的虚拟场景构造等方面.