一种改进的基于局部特征的红外弱目标提取方法

针对红外图像中背景与目标的复杂性和多样性给弱目标检测带来的困难,提出基于局部方差的二维最大熵分割与遗传算法相结合的阈值分割方法。本文对变电站绝缘套管的红外图像进行了处理,首先采用形态学顶帽变换的方法对其进行增强,然后对图像进行局部方差映射并建立二维直方图,最后结合遗传算法计算出二维最大熵分割阈值进而实现分割。实验结果表明,该方法改善了红外弱目标的提取效果,大大提高了阈值计算的效率,待提取目标越小,遗传算法的作用越能得到体现。     

基于自适应阈值区域生长的红外舰船目标分割方法

红外成像制导技术以其优越的性能成为当今制导武器发展的主流,舰船红外图像的精确分割是后期舰船识别和跟踪的基础。针对红外舰船目标的有效分割问题,本文提出了一种基于自适应阈值的区域生长和形态学滤波相结合的红外舰船目标分割算法,首先,选取种子点在自适应阈值的情况下进行区域生长,然后将粗分割图像进行形态学滤波,最后运用几何学的图像处理方法,从分割图像中去除相应的背景干扰,提取出目标的有效信息。通过对实验结果进行分析,最终分割出来的图像交叠面积比达到98%以上,而误分百分比均为0%,即没有误分。实验结果表明该算法能够很好地运用于红外舰船目标分割。     

一种快速递归红外舰船图像分割新算法

针对背景复杂、对比度低的红外舰船目标分割问题,提出了一种红外舰船图像分割的新算法.由于二维最大类间方差法不仅反映了图像的像素点灰度分布信息,还反映了邻域空间相关信息,因此有较好的抗噪能力.但是由于其解空间维数的增加,计算量的变化是以指数增长的,而粒子群优化算法可实现高效并行、随机、自适应群体搜索.基于这一特点,提出了基于粒子群优化的二维最大类间方差局部递归分割方法,有利于实现红外图像的实时处理.该方法同样适用于复杂背景下的其他红外目标图像的分割.     

基于Harris算法的自适应双极性红外舰船目标检测

红外舰船目标检测是舰船目标自动识别与跟踪的关键技术之一。针对现有方法在舰船目标成像灰度呈现"双极性"(舰船亮度高于或低于背景)或多极性(舰船目标灰度分布不均匀)的情况下适应能力不足,提出了一种新的红外舰船目标检测方法。为抑制海空杂波干扰提高检测概率,对图像进行均值漂移滤波,利用行垂直方向梯度投影获得感兴趣区域,通过检测区域内目标角点实现舰船目标的自动检测。实验结果表明,该算法能够克服传统算法基于舰船亮度高于背景的假设,在舰船灰度呈现双极性或多级性的情况下获得较好的检测结果。     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义，给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法，同时利用分割后目标和背景区域的灰度信息和局部熵信息，设计了一个判断是否得到正确分割的准则，通过迭代循环，完成对图像的自动分割。实验结果表明，本文算法自适应性强，可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

复杂海天背景下红外舰船目标的自动检测方法

近年来,舰船目标的检测与识别技术得到了人们越来越多的重视.研究了复杂海天背景下红外舰船目标的自动检测问题.首先运用小波变换对图像进行预处理,提高了图像的信噪比,从而抑制了噪声和背景杂波.然后针对红外舰船目标总是出现在海天线附近的问题,采用梯度强度均值分割的算法检测了海天线,确定了目标的潜在区域.最后,提出了一种基于行列均值的自适应阈值分割算法,结合使用红外舰船目标的几何特征量,采用特征匹配方法提取出舰船目标,达到了自动检测的目的.实验结果表明:该方法能有效地自动检测复杂海面背景中的红外舰船目标.     

基于改进的自适应差分演化算法的二维Otsu多阈值图像分割

针对常规最大类间方差法在多阈值图像分割中存在的运算量大、计算时间长、分割精度较低等问题,该文提出一种基于改进的自适应差分演化(JADE)算法的2维Otsu多阈值分割法。首先,为增强初始化种群的质量、提升控制参数的适应性,将混沌映射机制融入到JADE算法中;进而,通过该改进算法求解2维 Otsu 多阈值图像的最佳分割阈值;最终,将该算法与差分进化(DE), JADE,改进正弦参数自适应的差分进化(LSHADE-cnEpSin)以及增强的适应性微分变换差分进化(EFADE) 4种算法的2维Otsu多阈值图像分割进行比较。实验结果表明,与其它4种算法相比,基于改进JADE算法的2维Otsu多阈值图像分割在分割速度以及精度上均有较明显的改善。     

强阳光反射背景下红外舰船目标自适应分割

针对海面有强阳光反射背景下现有红外舰船目标分割算法效果较差,提出了一种有效的红外舰船目标分割方法。利用均值漂移方法的不连续保持性滤波特性,抑制海面小面积强杂波干扰,同时又不损失舰船目标信息。对滤波后图像做行垂直方向梯度均值投影,获取舰船目标感兴趣区域。最后运用改进的行列均值自适应阈值分割算法,结合使用红外舰船目标的几何特征量达到自动分割的目的。     

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.     

复杂背景下多源多目标图像的分形分割算法

综合利用红外图像灰度特征与可见光图像灰度以及分维数方差特征，提出了一种复杂背景下多目标分割算法。首先通过最大熵阈值分割出红外图像的潜在目标区域，记录其质心位置及形状大小并对应到可见光图像中。再提取可见光图像的分形维数，利用其方差特征增强目标奇异性，排除背景奇异区域干扰，并对记录的目标区域进行初判决，得到真实目标质心处的分维数方差。然后将分维数图划分为与已知目标大小接近的区域块，搜索并标记具有相近分维数方差的所有区域块。最后在所标记及其相邻的区域块中精确分割出全部目标。对大量实际图片进行的仿真实验证明，该分割算法可以有效地进行多目标分割，并较好地保留目标形状特征。