一种基于多重模糊聚类的红外目标分割算法

提出了一种基于多重模糊聚类的红外目标分割算法。为了实现目标的准确分割,先将原始红外图像进行四划分得到四个子图像,在各个子图像上分别进行模糊C均值聚类,再对图像进行横纵二划分各得到两个子图像,并将四划分时得到的聚类结果约束在二划分的聚类过程中,最后将二划分得到的聚类结果约束到原始图像的聚类过程中,并在其中加入邻域空间约束。此方法可有效增强背景和目标区域像素点的各自凝聚性和抗干扰性,有效提高聚类分割结果的准确性。实验结果表明,多重模糊聚类目标分割算法能准确地实现红外图像目标区域和背景区域的分离,是一种可行的目标分割算法。     

基于分块图像统计特征的红外目标提取

提出了一种基于分块图像统计特征的红外目标提取方法,首先将图像逐步分成越来越小的块,根据块图像统计特征构造函数求其极大值,获得目标的种子区域和包含整个目标的约束区域;然后在约束区域内,将一种快速的区域生长方法用于目标种子区域的生长,最终提取出红外目标。通过对不同目标大小的红外飞机图像的实验,验证了算法的有效性。对算法在TI公司的DSP芯片TMS320VC33 150上实现的时间消耗进行了估算,结果表明可以达到实时提取目标的要求。     

一种基于目标区域特征的红外与可见光图像信息融合方法

基于异源图像的信息互补关系, 提出了基于目标特征区域的小波变换融合方法。首先采用基于模糊C-均值聚类(FCM)的方法, 提取红外图像的目标特征区域, 用于异源图像目标特征区域的局部信息融合, 达到在可见光图像中加入红外目标信息的效果。其次以第一步融合的图像替换原有的可见光图像, 并采用小波变换的方法实现与红外图像的融合, 获得最终的融合图像。采用图像质量评价标准对本文算法和其他融合算法的实验结果进行分析对比, 证明所提出方法的有效性。     

基于相似度阈值模糊聚类的红外区域提取方法

针对输电线路电力设备红外图像热故障区域检测,提出采用一种基于相似度阈值的模糊聚类热故障区域提取方法。在该方法中,改进了传统模糊均值聚类算法的迭代求解方式,采用一种阈值化模糊聚类;其次,通过对目标区域局部邻域像素的相似度聚类分析,并结合其隶属度的计算,确保局部邻域像素在聚类上的相似性。同时,引入了最大相似度阈值准则简化均值的设置以及自高向低的迭代方式,从而提升区域提取效率。最后通过真实输电线路电气设备红外故障图像测试,验证了文中所提方法的有效性和适用性。     

一种改进的模糊核聚类红外图像分割算法

针对模糊核聚类对红外图像分割存在的不足,提出了一种改进的模糊核聚类红外图像分割算法.首先在模糊核聚类的基础上引入了隶属度和空间约束关系,有效抑制了野点;然后定义了像素对类别的认同度指数和类别对像素的排斥性度量,并将之引入到隶属度函数中,判断像素的分类合理性,提高聚类的精度,更好地分割目标和背景区域,保护目标的完整性和精确性.实验结果表明,与传统的模糊聚类分割结果相比,该算法能准确完整地分割出目标,防止背景像素和野值点对目标区域的干扰,获得良好的分割效果.     

基于聚类思想的红外弱小目标检测

针对复杂背景下尺寸未知的红外弱小目标检测难题,一种基于聚类思想的红外弱小目标检测方法被提出。首先,利用小目标形态学特征对原始红外图像进行预处理,生成新的密度特征图。其次,使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后,针对潜在目标的局部候选集,采用加权模糊集聚类算法对局部候选集进行目标与背景区域的精细分割,利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后,对处理后的局部候选集进行自适应阈值提取真实目标。实验结果表明,与7种对比算法相比,该算法对尺寸未知的小目标具有良好的鲁棒性和检测性能。     

基于扩展Meanshift电气设备发热故障区域提取方法

在红外电气故障监测中,设备过热故障区通常表现出高亮度等特点,然而现有的提取方法因红外图像固有的低对比度、边界模糊等特点容易引起提取区域范围增大。为此,本文提出了一种基于扩展的均值漂移聚类的红外图像故障过热区域提取方法,引入了基于邻域灰度的权重因子。同时,为了提升聚类效率,摒弃了传统均值漂移算法遍历整个红外图像平面进行迭代聚类的方法,融合了自高向低的聚类阈值分割机制,使得改进的均值漂移算法能快速地将故障区域像素进行聚类,实现红外图像中热故障区域的有效提取。实验结果表明本文区域提取性能优于目前现有的一些方法以及传统均值漂移聚类方法。     

基于统计特征加权的模糊聚类方法及其应用

从传统目标函数聚类方法的思想出发,在基于样本集统计特征的基础上,提出基于统计特征加权模糊C-均值聚类方法,并提出基于统计特征的权值计算方法.分别利用图像的一雏灰度特征与一维灰度统计特征加权和二维灰度特征与二维灰度统计特征加权,将两种特征加权的模糊聚类方法应用于灰度图像二值化,并将该方法的处理结果与其他二值化方法处理结果进行详细的比较.实验结果表明,该方法能够有效地实现图像的二值化.     

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。     

基于空间约束的模糊核聚类红外图像分割

提出了一种基于空间约束的模糊核聚类红外图像分割算法.首先将图像映射到特征空间,在特征空间内进行模糊聚类,针对红外图像中存在的噪声点和野值等干扰问题引入了像素点的八邻域局部空间约束信息,并定义了像素分类可靠性指数修正隶属度函数在整个图像范围内分析像素分类的合理性,其中像素分类可靠性指数包括像素分类灰度可靠性指数和像素分类距离可靠性指数.实验结果表明,这种考虑局部空间约束和整体空间约束的模糊核聚类算法可更有效地对红外图像进行分割.     

基于改进U-Net的刑侦红外手印目标提取

红外图像技术在刑侦领域的应用越来越广泛。通过案发现场遗留的热痕迹可为案件搜集更多的证据。但是红外图像往往存在轮廓不清晰、提取效果模糊等问题。针对这些问题提出一种基于改进U-Net的图像目标提取方法。网络结构采用三层的上采样和下采样：上采样采用双立方插值,下采样采用步长为2的3×3卷积。通过跳跃连接将浅层特征和深层语义信息融合,并引入Dropout和Batch Normalization结构使得网络更快、更好地收敛。以刑侦红外手印为研究对象,通过实验对比改进U-Net、Sobel算子、分水岭、最大熵、Otsu等算法的图像目标提取效果。结果表明,本文搭建的U-Net网络能够更完整、更有效地提取红外手印的轮廓信息,在红外手印的提取上取得了较好的效果。     

一种二型模糊可能性聚类红外图像分割算法

提出了一种新的基于二型模糊可能性聚类的红外图像分割算法。针对受概率约束的模糊聚类算法和不受概率约束的可能性聚类算法在红外图像分割时存在的问题,采用二型模糊系统融合两种分割算法的隶属度函数,将隶属度函数看作一个区间型分布,而不是单独采用两种算法输出的确定模糊值。这种处理方式不但能有效抑制噪声及野值,而且能有效防止红外图像的过分割。实验仿真结果表明,该算法较传统聚类算法能获得更好的分割效果,可有效抑制噪声对目标区域分割的干扰。     

遮挡情况下的数字图像修补技术研究

在遮挡情况下,首先将抠像技术应用到目标物的提取过程中,然后使用图像分割的方法实现修补的目的。在基于全自动前景目标提取算法的基础上对抠像技术作了改进,移除遮挡物,提取出背景图像以便于进行修补工作。然后提出了基于模糊C均值聚类结合边缘检测的图像修补方法。实验结果表明,该算法能较好地修补受损区域。     

基于深度学习的红外遥感信息自动提取

为了提高红外遥感图像地物 信息自动提取的精确性,同时避免人工提取遥感 信息的低效性,提出了一种基于UNet深度学习模型 的遥感信息提取算法。该算法用于从红外遥感图像中分割 出5类地物信息(包括道路、建筑、树木、农田和水 体)。首先,对分辨率高但数量较少的训练数 据进行小像幅的随机裁剪,并对其进行相应的数据增 强处理。然后搭建UNet深度学习模型,并用它 自动提取遥感图像的特征信息。采用交叉熵损失函数 以及Adam反向传播优化算法对该模型进行训练,并对测 试样本中的5幅遥感图像进行精确的地物信息提取。最后,运 用Jaccard指数对测试结果进行精度评定。实验结果表明,该 方法对高分辨率红外遥感图像信息和可见光 遥感图像信息进行了充分融合,对于不同种类地物 的定位和分类都取得了较高精度。     

基于小波融合和PCA-核模糊聚类的遥感图像变化检测

本文提出了一种变化检测方法以提高算法的鲁棒性、检测精度以及抗噪性.首先对差值法构造的差异图和比值法构造的差异图进行小波融合.然后将融合图像分成互不重叠的小块,并用主成分分析得到图像块的正交基.通过将融合图像中每个像素的邻域小块映射到正交基上使得每个像素用一个特征向量来表示.最后用基于核的模糊C均值对特征向量进行聚类.实验结果显示与使用单一类型差异图的聚类方法相比,本方法由于采用了图像融合的策略而增强了鲁棒性,且由于采用了核模糊聚类,进一步提高了变化检测精度.此外由于使用了特征提取的技术,本方法具有一定的抗噪性能.     

基于模糊聚类的视频对象分割

提出了一种基于模糊聚类的视频对象分割方法.首先通过对连续三帧视频图像进行二次差分来得到二次差分图像;然后估计噪声的特征参数滤除背景噪声,提取出视频对象的运动区域;再利用改进的FCM聚类算法对二次帧差图像中的视频对象运动区域进行空域分割,对空域分割结果进行形态学处理,得到视频对象掩模;最终获得较为理想的视频对象.实验结果表明,该算法能够较为准确地分割出视频对象,并且在空间准确度上占优.     

基于改进Lazy Snapping算法的红外图像分割方法研究

针对红外图像含大量噪声以及对比度低等特点,提出一种结合快速模糊C均值聚类的改进Lazy Snapping分割方法。对红外图像使用快速模糊C均值聚类算法进行预分割,通过形态学骨架提取的方法在图像中标记出目标和背景种子点,将Lazy Snapping算法由全局分割转化为聚类区域分割,并构造能量函数,通过最小割算法求解能量函数的最小值并使分割效率得以提升,减少了图像存在的过分割现象,使Lazy Snapping算法由交互式算法变为非交互式算法,实现了红外图像的自动分割,提高了Lazy Snapping算法的实时性。通过对各类不同红外图像进行分割实验,再与其他分割方法进行性能评价比较,结果表明改进的算法具有良好的分割效果及较强的鲁棒性。