基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

一种基于Otsu法和平台直方图均衡的红外图像增强算法

针对红外吊舱图像的特点,提出了一种基于Otsu法和平台直方图均衡的红外图像增强算法。首先分析图像的直方图,通过改进的Otsu法把图像分割为天空背景区和地面目标区,背景区以背景峰值与分割后背景区残留目标的局部峰值为依据,采用了一种自适应的方法来产生平台阈值,然后在背景区和目标区的灰度范围内进行直方图均衡化处理。该算法有效地抑制了背景区的过度增强,扩大了目标区的灰度范围,增强了细节部分。实验仿真结果验证了算法的有效性。     

结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。     

基于局部灰度分析的红外图像轮廓跟踪算法

针对在红外图像边缘提取时,断边和分支点会导致伪边界的问题,提出了一种带搜索控制准则的红外图像轮廓跟踪算法.该算法根据飞行目标红外图像特点,将基于最大距离法的局部阈值分割用于目标图像的提取.给出了关于图像局部灰度特性的3个推论,并由此将遗传算法用于轮廓跟踪过程,自动判断出轮廓跟踪过程中出现的分支点、断边,搜索断边并连接.实验结果表明,采用该算法可得到清晰、光滑的轮廓图像,并且具有较快的运算速度,可实现实时处理.     

多级分割融合算法提取红外舰船目标潜在区

针对海天背景下红外舰船图像目标与背景对比度低,图像边缘模糊的特点,提出了一种红外图像舰船目标潜在区的提取算法.算法对图像进行了预处理和频域增强,在海天线附近区域进行多级分割融合以提取目标潜在区.实验结果表明,对于海天背景红外图像,采用该算法能够克服传统分割方法中单一阈值不好选取的问题.多级分割融合的结果能够覆盖目标区域,为后续的目标识别和跟踪奠定了良好的基础.     

一种基于感兴趣区域的红外目标提取方法

针对复杂背景下的红外图像的小目标提取问题,提出了一种新的红外图像自动分割方法.为了更好地控制计算复杂性及目标提取的准确性,本方法建立在通过自适应Butterworth高通滤波器找到的感兴趣区域之上并充分地利用了该区域中背景信息比较简单、目标易被分割的特性.同时,考虑到像素灰度是红处图像区分目标与背景的重要因素,而像素间的相邻度则能较好的防止虚警的产生,结合像素的灰度和相邻度的综合关系提出了一种新的分割原则.实验证明,新算法取得了很好的效果.     

基于相位信息的目标分割算法

针对复杂背景下,红外目标与背景的亮度或对比度发生变化等因素会影响目标的分割结果的问题,构造了一种基于边缘相位信息的分割算法。该算法首先利用系数间积(ICP)变换获取图像边缘的相位信息,并进行边缘提取;再根据边缘像素点的相位与幅值,确定后续区域生长的种子与判决条件;最后采用区域生长思想对整幅图像实施分割。仿真结果表明,该算法不受亮度和对比度变化影响,准确有效地实现红外图像分割,避免了传统的分割算法所导致的图像边缘信息丢失。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

一种结合辐射特征的高效红外目标提取算法

针对现有红外图像受环境与背景等因素干扰而无法对红外图像进行精确的目标提取的问题,根据物体的辐射特征,提出了一种具有高精度红外目标分离的提取算法;该算法从红外成像的角度出发,充分利用物体的辐射分布特点对目标的辐射量以及分布概率进行求取;最终转换为图像的灰度级,并结合灰度差特性实现目标的高精度分离。实验结果表明,该算法能够获得相比其他算法更精确的目标图像,并具有抗干扰能力强与耗时低的目标提取优势。     

基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。     

一种新颖的红外与可见光图像融合方法

为了提升红外和可见光图像融合效果,提出了一种新颖的融合方法。对可见光图像利用支持向量机和腐蚀膨胀算法在图像分块的基础上进行分割获取含有重要场景信息的特征子图像和灰度场景子图像;对红外图像进行热目标边缘提取并增强,结合前述特征子图像和最大类间方差法获取边缘增强的目标子图像,特征子图像和灰度场景子图像。利用小波包分别对两特征子图像,两场景子图像进行融合。融合过程中,根据子图像特点择取不同融合准则,并对高频融合系数进行系数修正使其更为准确可靠。将红外热目标注入到前述融合结果中获取最终融合图像。实验结果表明,提出算法从主、客观评价上都要优于对比算法。     

基于区域梯度信息的红外小目标检测

红外小目标检测一直是红外图像处理的难点之一,由于多种因素的影响,红外小目标容易被覆盖。分析红外图像特征,采用形态学对图像进行背景噪声抑制,在去除大部分噪声的情况下,首先利用灰度信息确定目标点的位置,然后利用区域梯度信息进而确定目标尺寸大小,对仿真图像进行处理并与K均值聚类法和形态学算法进行比较。实验结果表明:在低噪声情况下,三类算法均能有效地进行小目标检测,但在噪声复杂,信噪比较低的情况下,K均值聚类法未能检测出目标,形态学算法产生了多个虚警,而该算法依然能有效检测出小目标。     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点，设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明，该算法能够大大提高目标的信噪比，去除背景和噪声干扰，保留目标的灰度信息，满足系统的实时性要求，是一种有效的红外灰度图像小目标检测算法。     

基于正弦灰度变换的红外图像增强算法

针对红外图像的特点,提出了一种基于正弦灰度变换的红外图像增强算法。采用二个拐点,将整个图像按灰度的大小分为三个区:背景区、目标区和过渡区,针对不同区域采取不同的灰度映射变换。灰度伸缩采用正弦函数,其导数是光滑的,灰度伸缩性能好。伸缩的拐点及伸缩强度参数独立可调,通用性强,计算简单。实验结果验证了算法的有效性。     

一种红外弱小目标图像增强的新算法

针对红外弱小目标图像的特点,本文提出了一种新的增强算法。该算法首先通过设置平台阈值对背景的增强进行抑制,然后将直方图在灰度密度和灰度间距两个方向进行均衡处理。该算法简洁,实时性强,图像增强效果好。     

基于Corvis ST医学影像的角膜轮廓提取算法

目前已有的轮廓提取算法在提取可视化角膜生物力学分析仪(corneal visualization scheimpflug technology, Corvis ST)影像的角膜轮廓中,由于角膜边缘的局部图像灰度分布相近这一特点,提取出的角膜轮廓普遍不完整或者提取的角膜轮廓边缘出现细小突出。这会使得角膜轮廓的完整性遭到破坏,提取到的角膜轮廓与实际的角膜原始图像严重不符。本文针对Corvis ST采集的角膜图像的轮廓提取问题,基于最大类间方差法(OTSU)算法设计一种高效的图像处理方法。首先,将角膜图像进行除杂、灰度化以及图像降噪等处理,达到减少图像计算量和降低数字图像噪声干扰的目的;其次,基于OTSU算法对图像进行分割,并在此基础上加入数学形态学运算,达到平滑图像边界和填充细小“孔洞”的目的;最后,采用Canny边缘检测算法提取图像中的角膜轮廓,达成提取出高完整性角膜轮廓的目的。在相同的图像数据集上,与最新的纽扣轮廓瑕疵检测系统中设计的轮廓提取算法(B-OTSU algorithm)进行了对比实验。实验结果表明,从轮廓完整性以及准确性的角度,应用本文方法提取的角膜轮廓明显优于最新的纽扣轮...