基于局部熵的红外图像小目标检测

文中采用红外图像的局部熵变化为检测准则,确定红外图像小目标位置,对较大的红外图像目标,局部熵突变发生在目标边缘,用本方法也可确定目标边缘。文章给出了算法的实现过程,最后,用海上红外小目标真实图像进行了实验,得到了满意的结果。     

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。     

图像中局部熵描述的合理性及其应用

综述了图像中的局部熵的概念和数学意义；论证其在反映图像所包含信息量方面的合理性；给出局部熵在目标检测和图像匹配中的应用实例：进行目标检测时，将图像分割成适当的子图，并计算子图的局部熵，以此为据判断目标的存在；进行图像匹配时，采用了分块搜索技术的局部熵差图象匹配并行算法；之后对局部熵应用的不足做出了评价，并提出了解决问题的对策。该算法已经应用到高速红外图像采集系统中，实践证明局部熵在一定领域的应用可得到满意的结果，具有良好的抗噪声能力和检测敏感性。     

综合灰度形态学与模糊熵的红外图像区域分割

针对目标与背景有交叠的红外图像分割这一难题,首先对原始红外图像进行灰度形态学校正处理,然后利用模糊熵测度方法对校正后的红外图像进行分割,从而提出了一种综合利用灰度形态学与模糊熵的区域分割方法.与传统的阈值分割方法进行对比实验,结果表明,运用该方法得到的分割图像质量更好.     

基于距离灰度补偿的改进最大熵红外图像分割

针对红外图像由于目标和背景边界模糊,采用单一熵阈值法进行图像分割结果不理想,提出了一种基于距离灰度补偿的红外图像增强方法,利用距离作为空间信息对灰度进行补偿,改善了目标和背景边界模糊对图像分割的不利影响;然后提出了一种基于交叉熵约束的最大熵阈值图像分割方法,在交叉熵约束保证类间差异的前提下利用类内均匀性进行图像分割,避免了单一熵方法阈值的局限性.实验结果表明,对小目标复杂背景和复杂目标大背景的红外图像,所提出的方法得到了准确的图像分割结果.     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。     

交叉熵约束的红外图像最小错误阈值分割

针对目标和背景具有相似统计分布的红外图像,经典阈值分割方法仅以某种形式的方差或熵作为准则,未考虑图像的实际特性,分割效果不甚理想。为此,提出了一种基于交叉熵约束的红外图像最小错误阈值分割新方法。首先,引入交叉熵来度量目标和背景统计分布的相似性,交叉熵越小表明分布越相似;然后在交叉熵小于一定值的条件下使分类错误达到最小。交叉熵的约束保证了分割过程适应红外图像实际特性,分类错误最小确保了分割效果的有效性。该方法原理清晰、参数设置简单,在一系列实际图像上的实验结果表明,与现有几种经典阈值分割方法相比,文中方法有效提高了目标和背景具有相似统计分布的红外图像的阈值分割准确率。     

基于最大模糊熵的红外图像边缘检测算法

针对红外图像边缘检测这一难题,结合红外图像及其梯度图像的特点,在红外梯度图像模糊划分的基础上,提出了一种基于最大模糊熵的红外图像边缘检测方法.首先通过改进传统Sobel算子构造出红外图像的梯度图并研究其直方图特点,然后对其进行自然模糊划分,最后根据最大模糊熵准则确定最优模糊参数,进而确定梯度图像的最佳分割阈值,从而实现边缘提取.与传统的基于梯度的边缘检测算法进行对比实验,结果表明,该方法用于红外图像边缘检测能获得更好的效果.     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

基于Tsallis熵的红外偏振热像分割算法

传统红外热像存在对比度低、边缘模糊等不足而使目标区域分割困难,红外偏振热像能够凸显边缘和轮廓特征,因此在环境监测、军事侦察、工业无损检测等领域得到广泛的应用,但如何进行红外偏振热像分割目前研究较少。为此,本文提出了一种基于Tsallis熵的红外偏振热像分割算法。首先通过Tsallis阈值对偏振方位角热像进行初分割,然后以最小化初分割热像交集与并集误差率优化Tsallis指数,再利用指数优化后的Tsallis阈值对偏振方位角热像进行优化分割并通过连通域检测去除误分割得到二次分割图,最后以二次分割图交集区域为种子区域、并集区域为边界,通过区域生长法得到最终分割热像。实验结果显示,本文算法相对最小Tsallis交叉熵法、Otsu法和模糊聚类法错分区域小,在主观视觉效果和区域间对比度、形状测度评价指标上有较大的改善,能够更准确地分割出目标。     

基于Tsallis熵的自适应红外图像边缘检测方法

针对红外图像边缘检测这一难题,结合红外图像的特点,提出了基于Tsallis熵的自适应红外图像边缘检测方法.该方法分别计算图像子空间的边缘与非边缘的Tsallis熵,根据子空间最优Tsallis熵,构造出子空间最佳阈值的评价函数,根据评价函数,选择不同方向的边缘检测模板,增强了图像的边缘信息,从而避免了单一模板造成的边缘丢失现象.实验结果表明,与传统的边缘检测方法相比,该方法对于红外图像可以最大程度上抑制噪声,有效地提高图像的边缘检测效果.     

基于具有对称性的非张量积小波图像融合方法

提出了基于一类新的小波具有紧支撑、对称性和正交性、伸缩矩阵为(20 02)的非张量积小波的图像融合新方法.首先根据非张量积小波理论,提出了一种新的二维4通道4× 4对称滤波器组的设计方法,并用此方法设计出一组具有上述性质的非张量积小波4× 4滤波器组,利用此滤波器组对参加融合的图像进行滤波;然后对低频部分采用取均值、高频部分采用基于局部窗口能量取大的融合算法对滤波后的图像进行融合;最后重构.并采用熵、交叉熵、互信息、均方根误差和峰值信噪比等指标对该方法的融合性能进行了客观评价.对可见光图像与红外图像、远红外图像与近红外图像、航空图像和卫星图像、多聚焦图像等其它多类图像的融合实验结果表明本方法有较好的融合效果,可得到无边缘失真的融合结果图像,其融合性能比采用同样融合算法的张量积Haar小波的融合方法的融合性能好.     

基于L_1度量的Type-2熵模糊聚类红外图像分割

为了准确实现目标识别,从红外图像的特点出发,提出了将L_1空间度量的二型(Type-2)熵模糊聚类算法应用干红外图像分割.该算法首先通过L_1空间度量样本点与类别中最大最小值的距离,代替了传统聚类算法中样本点与聚类中心的聚类,然后根据熵模糊聚类算法获得上模糊隶属度和下模糊隶属度两个隶属度函数,并采用二型模糊融合得到隶属度函数,其中给出了一种权重加权降型算法.通过对实际的红外图像分割表明,这种算法能准确地实现红外图像分割,自适应性强,鲁棒性好,能够在复杂背景下获得较为理想的分割效果.     

基于显著性映射与兴趣点凸壳的图像融合算法

提出了一种基于显著性特征的可见光与红外图像融合算法来改善目标的融合质量.引入显著检测器对红外图像进行处理,生成显著映射;进一步分析红外图像并检测兴趣点,提取图像中的显著兴趣点;通过计算显著兴趣点的凸壳确定显著区域;利用显著兴趣点凸壳对初始显著映射进行优化,使目标定位更加精确.根据区域映射获取可见光图像的背景区域;根据不同的融合准则对目标、背景区域进行融合,获得最终的融合图像.结果表明与当前可见光图像融合技术相比,所提算法在标准差、联合熵与边缘信息因子等指标方面具有优势,其融合图像的细节纹理更清晰.     

基于多尺度加权引导滤波的红外图像增强方法

现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵（IE）,熵增强（EME）和平均梯度（AG）3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。     

形态学增强的连接相对熵在自动目标检测中的应用

提出了一种基于多尺度形态学和连接相对熵的红外图像自动目标检测方法;它首先对目标红外图像进行多尺度形态滤波,消除背景和杂波的影响同时增强目标的对比度,然后采用连接相对熵准则确定区分目标和背景的最佳门限,最后对得到的二值图再进行形态滤波,得到精确的目标分割图像.实验结果表明该方法具有一定的鲁棒性和自适应性,能够实现目标的自动、非参数化的有效检测,且效果良好,便于下一步的目标识别和跟踪.     

噪声图像中提取边缘的蚁群搜索算法

该文提出一种边缘引导的蚁群搜索算法,以解决常用的边缘提取方法抑制噪声能力不强,提取边缘不连续的缺点.此算法首先进行边缘检测获取由真实边缘和噪声组成的可能边缘点;然后利用可能边缘信息引导蚁群迭代搜索局部边缘曲线,并根据蚂蚁搜索曲线的长度更新其行走路径上的信息素分布,使搜索逐渐向真实的边缘收敛;最后,依据信息素遗留提取真实的边缘曲线.相对传统的蚁群算法,该文利用边缘信息引导蚁群搜索,增强了搜索的目的性,提高了算法效率.多组噪声图像的实验表明:该算法能够有效地从噪声图像中提取物体的真实边缘,在最大限度地保留细节信息的同时抑制噪声.     

基于自适应模板和置信度更新的图像修复算法

去除图像背景中的部分目标,是图像修复技术应用之一。为了修补去除目标后留下的大面积空白区域,文中在基于样本图像修复方法的基础上,引入了自适应思想。首先利用Canny算子检测图像的边缘,再根据图像边缘特征自适应地改变模板块的大小;为了避免误差的累积传递,提出了新的置信度更新方法,使更新后的置信度与累积误差成反比。实验结果证明,文中方法比原方法能更好地修复图像边缘、复杂纹理,并且保留边角,使效果更自然。