自适应双极性红外舰船目标分割算法

红外舰船目标分割是红外海面场景中舰船目标自动识别的关键技术之一,通过阈值方法分割舰船因具有诸多优点而被广泛应用.已有阈值算法假设己知舰船和目标的能量强度关系(一般假设舰船亮度高于背景),但实际中波红外探测器所采集的图像易受环境影响,导致成像后舰船目标呈现双极性,使得已有的阈值方法难以自适应的分割舰船目标.为解决双极性舰船目标的自适应分割问题,该文提出一种新的最大化2维熵分割算法.算法首先利用图像的多尺度局部方差-熵变化量和梯度方向方差两个指标构建2维直方图,然后使用粒子群优化算法寻找最大化2维熵的最优阈值来对图像进行粗分割,随后在粗分割的基础上进行迭代精分割获得准确的目标分割结果.实验结果表明,该文算法能够在舰船目标呈现双极性的情况下均获得较好的分割结果.     

基于OTSU算法的图像分割有效性研究

基于阈值分割的二维OTSU算法的基础上,提出了关于二维OTSU算法的快速实现。该算法既利用了图像的像素点灰度信息,同时又利用了像素点的邻域空间相关信息。对于低对比度、低信噪比的目标,二维最大类间方差算法具有较高的分割效果。实验结果表明,二维最大类间方差算法的快速实现方法使图像分割的有效性得到很大提高,极大地扩大了二维OTSU算法的适用范围。     

基于兴趣区分割的红外舰船目标实时检测算法

针对复杂海天背景条件下的远距离低信噪比红外图像舰船实时目标检测问题,分析了海天背景舰船目标图像特点,提出利用图像小波分解得到的水平与垂直细节分量提取兴趣区,通过在兴趣区进行迭代最大类间方差法分割检测舰船目标.实际录取数据实验结果表明,算法针对各种海面场景与目标类型均能准确检测目标,实时性好.     

基于二维Fisher线性鉴别分析和粒子群优化的红外图像分割

二维Fisher线性鉴别分析的图像分割算法,考虑了图像中目标和背景之间类间方差和类内方差在类别分离中的作用,有效地克服经典Otsu阈值法当图像中目标的面积很小(直方图上表现为峰的大小相差很大或者没有明显双峰)时产生的阈值"漂移"现象,是一种有效的图像分割方法.针对二维Fisher线性鉴别分析计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.每个粒子代表一个可行的二维阈值,通过粒子群之间的协作来获得最优阈值向量.实验结果表明,所提出的方法不仅能准确地分割图像,而且计算量大大减少,达到了快速分割的目的,便于实时应用.     

基于视觉显著模型的遥感图像舰船快速检测

为了降低传统高分辨率海面遥感图像舰船目标检测方法的计算复杂度,提高检测速度,在舰船目标检测中引入了基于直方图对比度的视觉显著模型和空间降维算法,提出一种新的高分辨率海面遥感图像舰船目标快速检测算法。首先对高分辨率遥感图像进行空间降维,然后计算降维图的视觉显著图,突出感兴趣目标区域,最后利用最大类间方差法分割视觉显著图以获取舰船目标候选区域。结果表明,目标检测所消耗的时间减小为原来的10%~12%,弱化了复杂海面纹理背景对目标检测的影响。该研究提高了高分辨率遥感图像舰船目标的检测效率。     

基于改进PSO算法的Otsu快速多阈值图像分割

为了确定图像分割的最佳阈值,基于改进粒子群优化算法,提出了一种快速多阈值图像分割方法。首先引入独立峰值将直方图划分为若干区域,然后在各个区域使用最大类间方差法得到优化的目标函数,用具有非均匀变异特性和雁群飞行启示的线性递减惯性权重粒子群算法对目标函数进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割。将分割结果与常规最大类问方差法的多阈值分割结果相比较,证明该算法不仅可以正确地实现图像分割,并可使分割速度大大提高。     

基于遗传算法的二维双阈值Otsu图像分割算法

为了提高图像分割的精度和效率,提出了一种基于遗传算法的二维双阈值最大类间方差法的图像分割算法。该方法用两个阈值同时考虑了图像像元点灰度信息的范围和像元点之间相关信息,并对未处理区域做了后处理,以提高分割的精度和鲁棒性。为了提高分割速度,给出了一种改进遗传模拟退火算法。实验结果表明,文中提出的方法比传统的二维最大类间方差法更加完整、快速地分割出复杂背景中的图像。     

基于数据驱动的SAR溢油图像分割算法对比研究

本文针对SAR图像中溢油区域的散射特点,首次将二维最大类间方差阈值分割算法应用于SAR溢油分割,并提出了一种基于改进二维最大类间方差的SAR溢油图像分割算法。基于ENVISAT ASAR溢油图像的实验结果表明,和经典最大熵以及原始二维最大类间方差分割算法相比,本文算法是一种抗噪性能好,分割精度高,运算速度快的SAR溢油图像阈值分割算法。     

基于Top-hat变换与OTSU的近岸舰船目标检测

长期以来,雷达对近岸目标的检测是目标识别的难题。对于近岸低速舰船目标,存在探测难、识别难的问题。然而,舰船目标具有较好的红外辐射特征,在探测过程中可以充分地利用这一特征。针对其红外特性提出了一种基于Top-hat变换与最大类间方差法的图像处理方法。经开运算重构,利用Top-hat变换增强红外图像中目标与背景的对比度;根据图像的灰度特性,使用最大类间方差法对图像进行阈值分割,以便检测目标。实验结果表明,该算法能够有效地检测出近岸舰船目标,对近岸目标识别具有一定的现实意义。     

改进的空间约束加权模糊核聚类红外图像分割

红外图像分割算法对复杂背景下的目标检测跟踪具有重要意义,提出了一种改进的基于空间约束的加权模糊核聚类红外图像分割新算法.在其中引入了红外图像像素间的空间位置约束关系和关于类别的结构信息,并定义了类别权重可靠性指数修正类别权重,不但抑制了红外图像中存在的噪声点和野值等干扰,而且可以保护红外图像中的小目标,防止被背景淹没.通过对实际红外图像的分割结果表明,该算法很大程度上减少了背景像素对目标识别的干扰,适于进行复杂背景下红外目标的准确分割.     

基于模糊阈值和水平集的红外图像分割方法

针对阈值法分割红外图像易产生误分割和水平集分割方法受初始曲线限制大,提出了一种结合模糊阈值与水平集的自适应红外图像分割方法。该方法首先采用二维Otsu方法计算阈值,利用该阈值获取模糊阈值分割法中的窗口宽度,使模糊阈值分割法具有自适应性;然后采用此自适应模糊阈值分割法预分割红外图像,利用预分割结果自动获取水平集初始曲线;最后将Chan-Vese方法与Shi方法结合提出改进的水平集方法,并用此方法分割红外图像。实验结果表明,本文方法具有较好的分割效果和较强的鲁棒性。     

一种用于红外图像分割的改进型Otsu方法

概述了红外图像处理系统对图像预处理的要求,并针对传统图像分割算法中容易出现的目标错分问题,提出了一种基于灰度梯度映射函数的Otsu法。该方法克服了传统的基于灰度直方图的Otsu法不能利用图像局部信息和边界信息的缺点,通过将像素点的梯度信息与灰度信息相结合,较好地从背景中分离出了目标。仿真结果表明,该算法达到了预期的技术指标,很好地实现了红外图像预处理的功能。     

一种快速红外图像分割方法

为准确地实现目标识别，提出了将二维最大熵图像分割方法应用于红外图像实行分割．利用图像的二维直方图，二维最大熵分割方法不仅考虑了象素的灰度信息，而且还充／矿利用了象素的空间领域信息，能取得较为理想的分割结果．然而该方法所需的巨大运算量限制了其实际应用．运用PSO算法代替穷尽搜索获得阈值向量，求解速度可提高300～400倍，提高了分割效率．通过对实际的红外图像分割表明，这种方法简单、有效．     

基于分形的改进Otsu红外图像分割算法

提出了一种基于分形的改进Otsu红外图像分割算法.针对Otsu算法在目标的相对面积较小时背景信息容易误分问题,以及递归Otsu算法递归终止条件不易确定问题,将分形算法与Otsu算法结合起来,用于分割红外目标.首先计算红外图像的分形维特征,根据分形维特征去除大部分背景信息,然后在潜在目标区域采用Otsu算法进行分割.仿真结果表明,该算法性能优于Otsu算法及递归Otsu算法.     

一种改进的2维Otsu红外图像分割法研究

为了在2维直方图上用Otsu方法更好地分割红外图像、提高抗噪能力,提出了一种改进的方法。首先分析在2维灰度-邻域均值直方图上的分割存在不准确性,采用2维灰度-梯度直方图,且改进对邻域均值的求取算法;然后对Otsu法的阈值函数进行研究,引入类内的分离信息改进阈值函数,并简化该阈值函数以降低运算复杂度,通过实验给出了相应的实验对比。结果表明,改进的方法能更好地分割目标,运行时间较少、抗噪性更强。     

基于改进的2-D Otsu方法和YCgCr空间的肤色分割

为了弥补基于固定阈值的肤色分割方法存在的缺陷,在对多种彩色空间和肤色模型进行分析的基础上,提出采用改进的2-D Otsu方法和YCgCr彩色空间进行肤色分割。首先将光照补偿之后的肤色样本图像从RGB彩色空间转换到YCgCr彩色空间,并利用样本图像上的179221个肤色点建立2维高斯模型;进而将待分割的图像进行光照补偿并转换到YCgCr彩色空间,利用已经建立的高斯模型计算图像的肤色相似度,得到肤色相似度图像;最后,结合像素的空间邻域信息,使用改进的2-D Otsu方法对肤色相似度图像进行2值化处理。对这种方法进行了理论分析和实验验证。结果表明,该肤色分割算法有效地克服了使用固定阈值法进行图像分割时缺乏针对性和抗噪性的缺陷,该算法是可行的。     

基于平均方差和邻域信息的改进型二维Otsu算法

针对传统二维Otsu算法忽略边界信息对图像分割结果有一定影响、计算时间长的问题,研究提出了一种基于平均方差和邻域信息的改进型算法。新算法先利用中值滤波来重新构建一个二维直方图,再用平均方差定义一个新的二维阈值选取函数,最后对图像进行二值化处理。实验结果表明,与传统二维Otsu法及其快速递推算法相比,新算法有效提高了分割精度,减少了算法的运行时间,其运行时间仅为传统二维Otsu算法的1.55%,大约是快速递推算法的40.69%。     

基于属性直方图的快速Otsu红外目标检测算法

为了提高红外小目标检测的有效性和实时性,提出了一种改进的二维Otsu算法。该算法运用了属性直方图的概念,通过构造适合红外小目标图像特性的属性集,来确定Otsu算法的最佳分割阈值。为了减小计算复杂度,从推导递推关系式和缩小搜索范围两方面,给出了快速算法。在数学形态学Top-Hat变换对原始红外图像进行背景抑制的基础上,利用本文提出的改进算法在含有噪声的背景抑制图中分割出候选的目标点,并和其他目标分割方法进行比较,实验结果证明了这种方法的抗干扰性更好、时效性更高。     

基于改进麻雀算法的最大2维熵分割方法

为了提高最大2维熵分割的性能,提出了基于改进麻雀算法的最大2维熵分割方法,可减小运算量并且缩短计算时间。首先,融合反向学习策略和自适应t分布变异,引入精英粒子,以扩大算法搜索范围,增加算法后期局部搜索能力; 其次,使用萤火虫机制,对最优解进行扰动变异,进一步增加种群多样性; 最后,采用提出的改进麻雀算法寻找图像最大2维熵,得到最优阈值分割图像。结果表明,4幅图像的平均运行时间为0.3695s, 远低于基础2维熵算法的1.7547s和基础2维Otsu算法的5.7936s。所提出的改进麻雀算法的全局搜索和局部寻优能力相比原麻雀算法有较大改善,缩短了传统最大2维熵图像分割方法的运行时间,在峰值信噪比和结构相似度指标上均得到提升,具有一定的应用价值。     

基于平均中值离差的2维最小误差阈值分割法

为了解决2维最小误差阈值分割法对呈偏斜分布与重尾分布的图像分割鲁棒性较差的问题,提出一种基于平均中值离差的2维最小误差阈值分割法。考虑到1维直方图呈偏斜分布和重尾分布的图像中,中值是比均值更为鲁棒的灰度级估计量,因而将2维最小误差阈值分割法中的方差用平均中值离差替代;为提高运算速度,将2维算法分解为2个1维算法。结果表明,相比2维Otsu法、2维最小误差阈值分割法等经典算法,基于平均中值离差的2维最小误差阈值分割法对1维直方图呈偏斜分布与重尾分布的图像有更准确的分割效果、更好的鲁棒性。