基于二维熵的空中小目标跟踪研究

二维熵是图像分割技术中的一种重要方法。结合空中小目标的特点将二维熵阈值算法应用于空中小目标图像序列中,并求取质心进行跟踪。重新定义了传统二维熵中二维直方图的双轴,并加以讨论。同时用泰勒一阶展开求取公式的近似表达,消除原始算法中大量的对数计算,加快了运行的速度。仿真实验表明,该方法可以有效的跟踪空中运动目标,在工程实际中具有很好的应用价值。     

基于Mean Shift 滤波的织物疵点检测方法

为了实现自动织物疵点检测,提出了一种基于Mean Shift滤波的织物疵点检测方法。该算法首先求取织物样本的熵图像,反映原始图像信息的变化程度,然后对熵图像进行Mean Shift平滑滤波,达到去除噪声和增强织物疵点部分的目的,从而利于疵点的分割,最后对滤波后的图像进行阈值分割,得到二值化检测结果。对6种纹理织物进行处理,共检测出18种疵点,92.5%的疵点可以被成功检测并定位。另外,实验中还将Mean Shift滤波与Gabor滤波的检测结果进行了比较,结果表明Mean Shift滤波对某些类型的疵点的检测效果更为理想。     

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。     

最大熵和高斯模型在锂电池缺陷识别中的应用

锂电池极片缺陷在线识别系统中采用最大熵阈值法实现图像的阈值分割,采用缺陷面积排序的方法取出最大缺陷目标,提取二值化图像中缺陷的几何形状和投影参数作为特征值,最后采用高斯混合模型算法实现对缺陷目标的识别分类。实验结果表明:该系统能自动实现阈值分割,准确提取缺陷特征,识别准确率达到94%。     

自适应阈值图像二值化及形态学处理的FPGA实现

针对固定阈值法图像二值化不足以及二值化后图像存在严重干扰,传统DSP等处理器在高速图像处理中实时性差,提出了以FPGA/Nios II为处理器,运用改进的自适应阈值Sobel算法实现对图像的二值化,再进行形态学的处理。整个系统实现包括原始图像的采集、色彩格式转换、灰度处理、边缘检测以及运用中值滤波和加权平均法实现自适应阈值图像二值化,最后再运用形态学方法对二值化后图像做进一步处理,实现轮廓的更加有效的提取,并通过VGA接口实现显示。实验结果表明该系统检测效率高,速度快,稳定可靠。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

基于TMS320C6713B的阈值分割与目标形心获取算法研究

本文针对嵌入式跟踪系统中目标图像处理时存在的算法复杂,处理速度慢,达不到实时性的缺点,提供了一种用TMS320C6713B实现对图像的阈值分割与目标的形心获取算法,即采用灰度平均值与最大类间方差法相结合的方法实现视频图像的阈值分割,只要选取合适的修正值,则既能满足系统的实时性要求又能实现对目标的检测;采用了对目标形心求取以定位目标,进而计算出视场中心与目标形心的偏差,作为系统控制算法的输入;实验证明,该算法很好的实现了图像的阈值分割,较精确的获取了目标形心,提高了图像的处理速度,实现很高的实时性。     

无人值守变电站运动检测算法研究

提出了一种基于比率图像的运动检测算法。针对目前研究普遍使用的差分图像的不足,结合光学知识,得到了比率图像的累计直方图,并根据累计直方图和运动对象在图像中的特点提出了一种可行的阈值分割方法,并与传统Ostu方法的二值化结果比较。最后对该阈值分割方法进行评价。实验及应用结果表明,该算法对于运动物体侵入的异常检测率比较高。     

基于蝗虫算法的图像多阈值分割方法

针对图像分割中的阈值选择问题,提出了一种基于蝗虫算法的图像多阈值分割算法。该算法综合考虑Otsu法和最大熵法的分割特性,以Otsu算法的最大类间方差和Kapur最大熵法的最大熵值构造适应度函数,利用蝗虫算法进行寻优求解最佳阈值,最后利用最佳阈值对图像进行分割。将该算法与传统的Otsu算法、最大熵法、基于粒子群的图像分割方法、基于人工蜂群的图像分割方法进行比较,实验结果表明,相对其他算法,分割所得的峰值信噪比更大,分割效果更好,在阈值个数为4和5时,该算法所得的峰值信噪比(PSNR)值相比粒子群算法、人工蜂群算法提高了约3%和1. 5%,算法的运行时间相比粒子群算法和人工蜂群算法,快了约9%和5%。     

一种视频对象分割技术的研究与实现

本文提出一种可以从复杂场景中分割出视频对象的方法.首先对视频图像进行全局运动估计和补偿校正,并将相邻两帧进行差分检测.然后利用Neyman-Pearson准则从差分图像中提取运动区域,根据提取的运动区域研究了一种在序列图像差分域中进行区域生长的算法,获得了视频对象的二值化分割模板.最后利用运动检测算法剔除由于噪声导致的标记块.实验结果表明,本文所述方法能够有效的分割出视频对象.     

基于遗传算法的图像阈值分割研究

主要论述了利用遗传算法进行图像阈值分割的实现方法,重点研究了最大熵和最大类间方差2种阈值分割方法.将通信电源配电屏开关图片作为研究对象,分别采用基于传统搜索算法和遗传算法的最大熵和最大类间方差法对其灰度图进行阈值分割,并应用Visual C 编程实现.实验结果表明,基于遗传算法的最大类间方差法的分割效果好,更好地满足了通信设备对远程视频监控与识别系统中图像分割实时性的需求.     

自适应粒子群集优化二维OSTU的图像阈值分割算法

为了解决红外相机采集行人图片时图像分割效果问题,提出一种自适应粒子群优化二维OSTU的阈值分割算法。利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,通过计算二者的均值和方差,建立二维最大类间方差模型,结合自适应粒子群集算法,估计出图像的最佳阈值,该方法不仅能够准确估计阈值且计算时间减少。仿真结果表明,阈值最佳时,当结合自适应粒子群集优化算法后计算时间减少到原来的50%,所提出的算法能够快速准确得到最佳阈值,提高了图像预处理的分割效果。     

基于多特征融合的红外弱小目标检测

为解决红外弱小目标检测领域中基于单类先验知识的人类视觉系统检测方法检测准确率低、虚警率高以及显著图计算复杂等问题,提出一种在复杂背景条件下对红外弱小目标多种特性进行融合处理的检测方法。通过融合红外弱小目标的局部灰度值大、自身灰度信息符合二维高斯分布以及与邻域相似度低的三大特性,利用协方差检测和相似度对比计算得到显著图,对显著图进行简单阈值分割得到真实目标。对不同复杂背景和不同数据类型的红外源图像进行弱小目标检测实验,结果表明:与基线算法相比本文所提算法检测结果背景抑制因子和信杂比增益均提高2~3倍,交并比为HVS类方法最优,ROC曲线在较低虚警率时获得最高检测准确率。本文方法将红外源图像中弱小目标多个特性进行有效融合,提高检测精度的同时降低了显著图计算复杂度,在不同复杂背景和杂波干扰的情况下仍能取得较好的目标定位和背景抑制效果。     

基于二维Renyi交叉熵的刀具磨损图像分割

为了快速准确地完成刀具磨损检测系统中刀具磨损图像的分割,提出了分解的二维Renyi交叉熵刀具磨损图像阈值分割方法。首先引入Renyi交叉熵的定义,给出一维Renyi交叉熵阈值选取公式。然后推导出二维Renyi交叉熵阈值选取公式,并采用快速递推公式来降低阈值选取准则函数的计算复杂度。最后提出了二维Renyi交叉熵的分解算法,将二维Renyi交叉熵的运算转化为两个一维Renyi交叉熵的运算,使算法的运算量从O(L4)降为O(L)。针对不同类型的刀具磨损图像的实验表明,所提出的方法与基于粒子群优化的二维最大Shannon交叉熵法、基于粒子群优化的二维Renyi熵法、二维最小Tsallis交叉熵法相比,在分割效果和运行速度上均具有很大优势。     

基于空-频域映射与虚警抑制的弱小目标检测算法

为了有效控制红外弱小目标检测过程中的虚警率,提高复杂云背景下的目标检测准确度,提出了基于空域-频域映射与虚警抑制的弱小目标检测算法。根据红外中心像素不同方向上的强度值,构建了方向最大中值滤波器,有效消除噪声;并利用中心像素与其邻域像素的强度差异,形成背景抑制滤波,充分增强弱小目标;考虑云区域的特有属性,联合非线性滤波,定义了云区域识别机制,提取空域映射;引入Butterworth差异低通滤波器,对去噪图像中的显著目标完成初步识别;基于其幅度信息,进行显著目标的精细检测;再利用细显著性检测结果,计算阈值,利用二值分割方法来获取去噪红外图像的频域映射;联合空域映射与频域映射,提取红外图像中的候选目标;根据真实动目标与虚警之间的运动特征差异,利用多尺度改进的管道滤波来抑制虚警,准确识别出真实目标。实验数据表明,相对于已有的弱小目标识别方案,所提方案能够准确地识别出真实目标,拥有更好的ROC特性曲线。     

Markov随机游走和高斯混合模型相结合的运动目标检测算法

针对高斯混合算法对每一像素与它前后帧的像素相关联,并未考虑与相邻像素之间的关联,无法准确地捕捉到运动物体轮廓的情况,提出一种基于混合高斯模型和Markov随机游走的运动目标检测算法。利用混合高斯模型计算像素之间的颜色信息,采用Markov随机游走提取图像的边缘信息,并与提取的运动初始目标进行与计算,同时利用高斯混合模型更新背景信息。结果表明,本方法比传统的混合高斯方法具有较高的分割精度,很好的解决了混合高斯算法边缘模糊的问题,探测率也大大的提高了。     

基于改进的Gabor滤波和区域生长的目标检测

针对目标检测中背景的相对运动、检测物体相似性、外界光线变化等因素的影响,提出了一种基于改进的Gabor滤波和区域生长的目标检测方法。首先将输入的视频图像的相邻两帧做差,然后将得到差值图像中的Lab模型L分量进行Gabor滤波处理,根据不同的场景选择合适的参数,以提取目标的显著区域。为了兼顾运行速度和目标的显著特性,所以选取图像以某一灰度值的像素点为种子点,将灰度值差值在某一范围内的点进行区域生长操作,得到更为准确的目标。接着,为了去除干扰,进行腐蚀膨胀等一系列操作。最后将8个方向的滤波合并在一起,用外接矩形将符合要求的目标区域标出,达到目标检测的目的。通过参数调整和实验验证,相比传统检测算法的低准确率,此方法的目标检测率提高至90.89%,并且在光照、背景等外界因素干扰的情况下能具有良好的鲁棒性。