红外背景抑制与点目标分割检测算法研究

针对红外点目标检测问题,采用图像灰度同本行均值相减方法抑制温度场的非线性影响;利用Top-Hat算子形态滤波,抑制背景和增强目标;通过比较预处理后的不同背景下红外图像直方图特点,确定分割阈值;最后进行目标二值化分割,得到包含较少虚警点的点目标分割图像.实验证明,该方法较好地解决了不同红外背景下低信噪比红外点目标的分割检测问题.     

基于水平集的SAR图像预处理方法

为了降低SAR图像中相干斑噪声和背景杂波的影响,针对SAR图像舰船目标切片,本文提出一种基于水平集的SAR图像预处理方法。首先对SAR图像切片进行水平集分割,将分割后的图像二值化处理,再将二值化后的图像采用区域消除的方法滤除杂波,从而获得预处理后的目标图像。为验证此方法的实验效果,将几种典型的SAR图像预处理方法与本文采用的方法进行了比较,实验结果表明,该方法能够较好地滤除杂波噪声并保留目标的边缘轮廓,降低了特征提取的难度,可以提高后续目标识别的精度,是一种有效的SAR图像预处理方法。     

基于图像序列的VideoSAR动目标检测方法

VideoSAR成像时,运动目标发生散焦和移位,但在其真实位置留下阴影,且阴影在VideoSAR的图像序列中发生运动。根据运动目标的这个特征,提出了一种在VideoSAR图像序列中检测运动目标的方法,通过检测运动的阴影来检测运动目标。该方法主要分为背景补偿和背景分割两部分。首先,将段内的图像用SIFT+RANSAC算法进行配准,使得图像序列的背景对齐;然后,用单高斯模型对图像序列进行统计,得到该段图像序列的背景模型,将背景与当前图像差分后并二值化,得到前景的二值图;最后,对二值图进行形态学处理,即可提取出运动目标的阴影。该方法用美国Sandia国家实验室的VideoSAR图像进行了验证,具有良...     

基于机器视觉的人运动检测

以机器视觉技术研究了序列图像中人运动的分割和检测.运动检测过程采用了目标图像和背景图像相减的方法,对差分图像采用了最大熵的指数形式确定二值化的阈值,实验证明获得了良好的检测效果.     

基于数学形态学的空空导弹导引头红外图像处理

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。将数学形态学图像处理算法应用于导引头红外图像分割 ,提出一种新的分割方法。首先 ,利用形态学方法估计出导引头红外图像中的背景图像 ;其次 ,利用原始图像减去背景图像得到差图像 ,以消除不均匀背景对图像分割的影响 ;再次 ,利用阈值算法将差图像转换成二值图像 ;最后 ,应用形态学方法消除噪声 ,根据目标图像属性的连贯性实现目标检测。仿真分析表明 ,该分割算法具有较好分割效果     

一种改进的维吾尔文字图像分割算法研究

针对复杂背景下维吾尔文字图像分割时产生缺陷和干扰问题,提出一种自适应二值势函数目标模糊C均值算法。首先,使用自适应势目标二值函数聚类方法来获取集群的维吾尔文字二值图像分割和聚类中心,然后利用其隶属度矩阵的最佳数量确定模糊计算维吾尔文字图像分割模糊聚类的维吾尔文字图像。实验结果表明,该算法可以实现维吾尔文字图像的自适应分割,准确地分割出维吾尔文字区域部分,同时极大地减少了计算复杂性,有利于实现维吾尔文字图像处理的准确度。     

基于灰度直方图和谱聚类的文本图像二值化方法

在自动文本提取中,经定位获得的字符区域需二值化后方能有效识别,由于背景的复杂,常用的阈值化方法不能有效分割自然环境下的字符图像。该文提出了一种基于谱聚类的图像二值化方法,该方法利用规范化切痕(Normalized cut, Ncut)作为谱聚类测度,结合灰度直方图计算相似性矩阵,并通过实验确定最佳的直方图等级数,与通常基于像素级相似矩阵相比,算法的空间复杂度和计算复杂性都大为降低。实验结果表明,针对自然场景下的字符图像,该文方法的二值化结果优于常用的阈值分割结果。     

强起伏云背景下的小目标图像预处理算法

强起伏云背景下的小目标分割是图像处理中的重点和难点之一.本文将高通滤波和数学形态学图像处理算法相结合,提出一种新的预处理方法.首先,利用高通滤波器作为背景抑制滤波器,消除强起伏云背景对图像分割的影响;其次,利用阈值算法将背景抑制后的图像转化为二值图像;最后,应用形态学方法消除噪声得到最终的小目标分割结果.仿真试验表明,该算法具有较好的预处理效果.     

一种红外图像的二值化分割算法研究

红外图像二值化分割是对红外图像进行分析和理解的关键,图像二值化分割的质量,直接关系到图像的后期处理,结合红外图像对比度低、分辨潜力差、分辨率低等自身特点,提出一种基于局部灰度梯度值和全局化阈值面相结合的二值化分割算法。     

家蚕微粒子图像的分割技术研究

针对家蚕微粒子图像存在背景复杂、光照不均及微小彩色目标图像分割处理问题,研究彩色家蚕微粒子图像在复杂场景下的分割技术。该方法首先通过模糊对比度增强预处理方法,增强微粒子目标图像和复杂背景的对比度;然后,采用颜色特征提取准则从非目标杂质图像中直接分离出彩色目标图像,减少了疑似孢子引起误识别的可能性,同时提高了二维Otsu分割方法对彩色微粒子小目标图像分割的有效性。实验结果表明该方法对微粒子图像分割处理效果良好。     

基于遗传模糊C-均值与概率松弛法的图像分割研究

在利用遗传模糊C-均值对图像像素进行初步分类的基础上,采用概率松弛算法对目标与背景间的疑似像素进行进一步分割和目标提取,很好地解决了目标提取不完整的问题,实验结果表明,该算法具有良好的特性.     

一种基于内容的视频对象分割算法

提出了一种基于内容的视频对象分割算法。该算法先对分块的图像进行运动估计，利用运动矢量初步分割运动前景和背景，对于产生的背景噪声使用改进的中值滤波算法滤除，并用形态学的方法恢复出运动物体。实验结果表明：该算法能够较好地从视频序列中分割运动前景和背景，比较适合于在基于内容的视频编码标准MPEG-4中使用。     

复杂背景下的最大熵阈值红外目标分割算法

为了有效地分割出实际拍摄中的红外目标信号,提出了一种适用于复杂背景下的最大熵阈值红外目标分割算法;该算法根据图像中信号的相关性,对图像的干扰信号的预处理,随后对所得的图像信号进行熵值的求取;接着根据目标与背景信号的分布特性,对所获得的目标信号与背景信号进行深入提纯处理,最终获得更为理想的红外目标信号。实验结果表明,该算法能够在不同背景下始终保持较好的红外目标分割效果,且具有耗时低、清晰度高的分割优势。     

毫米波人体安检图像自适应滤波方法

为解决毫米波人体安检图像背景区域的大量毛刺、混叠等噪声对隐匿物体识别造成的干扰问题,提出一种自适应的二次模板匹配滤波方法。首先将原始图像进行水平集二值分割,然后将分割结果作为模板对原始图像进行背景滤除,最后将滤除背景的结果作为先验图像对原始图像进行改进的双边滤波。基于毫米波成像系统的实际图像进行对比实验,验证了此算法相比于传统滤波方法的改善,并证明此算法可以针对性地滤除毫米波安检图像的背景噪声,保留人体区域的图像细节,有利于毫米波安检图像中的隐匿物品识别与定位。     

基于时空联合的红外运动目标分割算法

针对野外复杂背景下红外运动车辆分割这一难题,提出了一种时空联合的运动目标分割算法.该算法首先通过自适应变化检测提取出初始目标,然后在初始目标外接矩形区域中做分水岭变换,最后通过基于初始目标模板投影和运动投影的区域合并,得到精确的目标.实验结果表明,该算法能快速精确地从复杂背景中分割出目标.     

一种基于几何基元模型的人造目标提取方法

给出了从自然景物背景中提取人造目标的一种方法。基于图像灰度的差分方向算子将一幅图像分离成不同灰度差分方向的直线线段子图像,再对每幅子图像做直线段的后处理,最终将几幅子图像构建成一幅不同差分方向的直线线段集合。基于直线段集合图像给定区域内直线线段的结构文法及其所含几何基元数目和几何基元种类将人造目标从自然背景中提取出来。此算法可开发成实时硬件跟踪器应用于自动目标捕获。实验结果说明,对复杂的背景及低对比度情况下的红外目标图像,该方法提取人造目标的准确率达95％以上。     

Figure-ground segmentation from occlusion.

Layered video representations are increasingly popular; see [2] for a recent review. Segmentation of moving objects is a key step for automating such representations. Current motion segmentation methods either fail to segment moving objects in low-textured regions or are computationally very expensive. This paper presents a computationally simple algorithm that segments moving objects, even in low-texture/low-contrast scenes. Our method infers the moving object templates directly from the image intensity values, rather than computing the motion field as an intermediate step. Our model takes into account the rigidity of the moving object and the occlusion of the background by the moving object. We formulate the segmentation problem as the minimization of a penalized likelihood cost function and present an algorithm to estimate all the unknown parameters: the motions, the template of the moving object, and the intensity levels of the object and of the background pixels. The cost function combines a maximum likelihood estimation term with a term that penalizes large templates. The minimization algorithm performs two alternate steps for which we derive closed-form solutions. Relaxation improves the convergence even when low texture makes it very challenging to segment the moving object from the background. Experiments demonstrate the good performance of our method.     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。     

基于可变形模板的视频对象分割

提出一种基于原型的可变形模板进行图像分割的算法，从而可以将感兴趣的视频对象从静止的复杂背景中提取出来，首先定义一个原型模板来特征化感光趣的视频对象，得到一个先验概率密度函数的一个将运动信息与边缘方向结合起来的似然函数，然后应用贝叶斯准则将两者结合起来，得到后验概率密度函数。求它的最大值，从而确定对象的位置。     

结合对称差分和边界信息的运动目标检测方法

针对对称差分法检测目标时容易产生空洞以及当目标运动较慢或尺寸较小时易出现漏检等缺点,提出了一种将对称差分和边界信息相结合的运动目标检测算法。首先选取合适的阈值将对称差分得到的差分图像二值化,然后将二值图像相与的结果像进行形态学滤波确定目标的粗略位置;同时对中间帧进行边缘检测,将检测结果与确定的运动目标粗略位置进行交运算,得到运动目标的边界,再经过区域填充等处理获得准确的运动目标。实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。