基于移动式加权管道滤波的红外弱小目标检测

针对复杂红外背景中边缘噪声的干扰导致传统检测算法在低信噪比下目标检测概率较低的情况,提出了基于移动式加权管道滤波的弱小目标检测方法．该检测方法引入了自适应学习的思想,在利用管道滤波检测目标时,根据目标位置实时地修改加权的管道中心坐标位移,有效地抑制了边缘噪声对目标检测的干扰．与传统的管道检测方法相比,本方法能更好地抑制边缘噪声的影响,从而正确检测出真实目标．基于连续采集的红外序列图像进行的实验表明,当红外图像的信噪比大于等于1.5时,该方法均能有效地检测出弱小目标的轨迹．     

基于小波模极大值的磁瓦裂纹缺陷边缘检测算法

为了准确提取磁瓦表面缺陷的边缘信息,提出一种基于图像加权信息熵和小波模极大值相结合的磁瓦表面裂纹缺陷的边缘检测算法。针对磁瓦表面缺陷对比度低、背景纹理对边缘提取干扰大等特点,设计了一种自适应改变截止频率的BHPF滤波器。利用图像梯度方差加权信息熵对背景纹理的清晰程度和复杂程度进行定量描述,拟合出信息熵同截止频率的非线性函数关系,自适应改变滤波器参数。为避免在多尺度下将缺陷的边缘信息丢失,采用分解尺度判别函数获取小波变换的最优分解尺度。为保证裂纹缺陷边缘连续性和定位准确性,采用双阈值对小波模极大值进行判定求得边界点。实验结果表明,该方法对磁瓦裂纹缺陷边缘的检测优于传统的Canny和Sobel边缘检测算子,可用于磁瓦其他缺陷的提取,为实现缺陷的自动识别奠定了基础。     

红外图像与可见光图像融合算法研究

红外图像和可见光图像反映不同拍摄仪器下目标景物的不同特征。首先,通过小波分解得到高频分量系数和低频分量系数,高频系数和低频系数分别处理,高频系数采用邻域区域相关性方差的规则,低频系数采用梯度求和加权的规则。然后进行逆变换得到融合图像。最后利用信息熵、平均梯度、互信息方法对图像的融合效果进行综合评价。得到实验结果,融合图像包含更多的信息量,更有助于人眼的判断与观察。     

一种基于多特征自适应融合的运动目标跟踪算法

针对复杂背景下的运动目标跟踪问题,提出了一种基于多特征自适应融合的运动目标跟踪算法。通过构建目标与背景的图像特征分布方差的比值函数来衡量目标与背景间的区分度,采用各特征的区分度对特征集进行线性加权自适应表示运动目标并集成在基于核的跟踪方法中。为了克服模板更新过程中的漂移,通过计算前后相邻两帧间目标模型的相似度函数,对跟踪模板进行自适应更新。基于生物视觉认知理论,目标的颜色、边缘特征以及纹理特征被用来实现基于多特征自适应融合的运动目标跟踪算法。仿真实验表明:采用本文算法能有效地对复杂背景下的运动目标进行跟踪。     

基于形态学的红外图像边缘检测

为了提高红外图像边缘检测的性能,提出了一种基于形态学的红外图像边缘检测算法,改进了仅依靠单一方向和采用固定方向权重的边缘检测算法.通过使用多方向结构元素对图像边缘进行提取,采用方向自适应权重进行加权融合,得到图像边缘检测的结果.实验结果表明,该方法能够有效地抑制图像中的噪声,提取的图像边缘更加完整,提高了红外图像边缘检测的效果.     

复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

图像信息熵约束的浅地层层界划分方法

为实现快速、精确、自动化、智能化的海底浅地层层界提取,克服传统浅地层层界在复杂海洋环境下提取时的低效、模糊、主观性等缺点,提出一种基于图像信息熵约束的浅地层层界划分方法.首先,将浅剖图像分割为不同区块;然后,在不同区块计算信息熵,并结合钻孔数据,建立信息熵与显著性参数关系模型;最后,据此模型对整个浅剖图像进行层界划分.研究表明,该方法克服了现有方法的不足,实现了浅地层剖面层界的自适应、准确划分,试验中取得了与钻孔层界深度、厚度同量级的精度.由此可知采用图像信息熵约束进行层界提取,可以实现浅地层层界提取的自动化与智能化.     

基于信息熵的OTSU二次分割算法

OTSU算法是以图像的背景和目标之间的最大类间方差为测度准则,该算法由于未考虑到目标与背景内部像素分布的均匀性问题而影响分割效果.当背景和目标的类内方差的差别较大时,OTSU算法求出的阈值将偏向方差大的那一类,从而将类内方差较大的那一类数据中的部分像素划分到类内方差较小的那一类中,造成图像的错分割.针对这个问题,本文提出了一种基于信息熵的OTSU二次分割算法,将信息熵理论与OTSU算法相结合,在OTSU算法的基础上加入信息熵.该算法首先用OTSU算法求出图像的阈值,然后根据该阈值对图像进行分割,最后根据信息熵的理论对错分割像素进行分割.为了证明本文算法的有效性,将本文算法与常用的分割算法进行了比较,并采用分割精度来判断分割的性能.实验结果表明,本文算法相较于其他算法,能够得到更高的分割精度,有效地改善图像的错分割现象.     

一种新的运动目标自适应图像分割算法

提出了一种新的运动目标自适应图像分割算法．在设置自适应跟踪波门对运动目标进行跟踪的基础上,依据最大类间方差函数准则自适应地求出调节系数,再用设置门限分割法完成图像的自适应分割．对该算法进行了详尽的图像分割实验,与著名的Otsu法、迭代法、最大熵法相比较,该分割算法不仅能适应多种复杂背景,而且分割精度高、速度快,是一种实用有效的图像分割方法．     

光学遥感图像舰船目标快速检测方法

针对当前的光学遥感图像舰船检测算法无法适用于不同复杂背景的问题,根据人造目标和自然景物的亮度、颜色、边缘特征,提出了基于区域协方差特征值的显著性检测方法,讨论了单一特征值对图像显著性做出的贡献,并使用图像信息熵来度量显著图的有效性。在没有后续虚警目标剔除过程的前提下,对云、雾、海杂波、存在岛屿等复杂背景下的舰船进行检测试验,结果表明:算法能够成功检测出舰船目标,有效抑制虚警,而且本文算法简单高效,适合于工程应用。对获得的包含舰船目标的光学遥感图像进行了试验测试,表明在AUC评价指标上也优于其他5种典型显著性算法。     

最大熵阈值的红外图像人体目标分割方法

为了有效地分割红外图像中的人体,提出了一种基于最大熵阈值的红外图像人体目标分割方法.对红外图像进行滤波处理消除噪声干扰,分别计算图像的目标熵和背景熵,最大化目标与背景熵的和,在目标和背景的分布中获得最大信息,以此为准则选择分割阈值.利用形态学方法进行后处理进一步消除噪声干扰.实验结果表明:与经典的阈值分割方法相比,文中方法效果更好,且运算速度快.     

非下采样剪切波的红外偏振图像融合

针对传统红外目标探测技术中的探测率较低,无法分辨红外伪装的军事目标等缺点,提出区域显著性的非下采样Shearlets变换(NSST)方法融合图像,运用NSST能够将图像精细的分解在频率域,在频率域根据图像显著性分布权重确定融合规则,经过NSST反变换得到融合后图像.结合中波与长波红外实拍实验,比较该方法与其他常用融合方法,结果表明,区域显著性的NSST融合图像噪声信息少、对比度、信息熵及互信息值均较高,方法适合偏振图像的融合,有利于目标的识别与探测.     

双场景类型遥感图像的配准拼接优化

为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法. 使用尺度不变特征变换（SIFT）特征检测算子,提取2幅具有重叠区域的遥感图像的特征点,计算得到初始的单应性矩阵. 针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类. 图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节. 按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型. 以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求. 实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.     

基于可见光图像的红外图像纹理映射方法

为有效仿真大规模背景景物红外图像纹理,提出一种基于可见光图像的红外图像纹理映射方法.该方法以相应景物的可见光图像灰度范围为参照,基于同景物某时刻红外图像的温度及灰度分布,计算景物红外图像的温度与灰度对应关系.将对应景物温度分布偏差信息叠加在相关景物不同时刻的均值温度上,映射在该景物可见光图像的灰度范围内,生成对应景物不同时刻的红外图像纹理.另外,将仿真的背景图像分为单一组分和混合组分的背景图像,对于单一组分背景图像,采用提出的方法进行红外图像纹理映射;对于混合组分的背景图像,首先采用该背景图像对应的可见光图像进行材质分类,在此基础上采用提出的方法进行混合组分背景图像的红外图像纹理映射.实验结果验证了本文方法的有效性,该方法可为快速仿真不同时刻、不同景物的红外图像纹理提供一种方便有效的途径.     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

一种基于量子遗传算法的红外图像分割方法

针对经典的二维O tsu和最大熵算法的不足,提出了一种基于量子遗传算法的海上红外图像目标分割方法.该方法同时考虑了图像像素点的灰度分布信息和像素间的空间相互信息,将基于fisher准则的类内类间距离判据作为分类依据,利用量子遗传算法进行寻优以获取最佳阈值,实现了海上红外目标图像的分割过程.选取3幅海上红外目标图像进行了仿真实验.实验结果表明,提出的方法在分割效果和计算速度上都优于传统的O tsu和最大熵法.     

Sub-Regional Infrared-Visible Image Fusion Using Multi-Scale Transformation

Infrared-visible image fusion plays an important role in multi-source data fusion, which has the advantage of integrating useful information from multi-source sensors. However, there are still challenges in target enhancement and visual improvement. To deal with these problems, a sub-regional infrared-visible image fusion method (SRF) is proposed. First, morphology and threshold segmentation is applied to extract targets interested in infrared images. Second, the infrared background is reconstructed based on extracted targets and the visible image. Finally, target and background regions are fused using a multi-scale transform. Experimental results are obtained using public data for comparison and evaluation, which demonstrate that the proposed SRF has potential benefits over other methods.     

基于红外特征与区域相似的图像融合算法

为了提高图像融合算法的速度，改善融合图像的质量．提高观察者对场景的认知能力，提出了一种介于像素级融合与特征级融合之间的基于红外特征和区域相似的图像融合方法．该方法利用目标的红外特征对红外图像进行目标区域分割。从而实现对目标区域和背景区域的分别融合；同时利用图像的结构相似度对源图像中的目标区域进行相似判定，并利用不同的融合规则对冗余区域和互补／冲突区域分别进行融合．与目前常用的基于多分辨率分解的图像融合方法相比，它既充分利用了目标的红外特征和可见光图像的细节信息，更好地对图像中亮暗相反的区域进行了处理．改善了融合效果，又提高了运算速度．     

基于信息熵加权的Elman神经网络状态趋势预测

为克服预测神经网络输入值对网络输出预测值贡献程度基本等同的缺陷,提出一种信息熵加权的神经网络智能预测方法。提出信息熵权值的计算方法和延时重构的加权前处理方法,并以Elman神经网络为基础,构建基于信息熵加权Elman神经网络的预测模型。烟气轮机状态趋势预测实例表明,基于信息熵加权Elman神经网络预测方法的预测效果较好,为状态趋势预测提供了一种新方法。