一种基于Canny算子的船舶目标检测算法

提出了一种从红外图像中检测船舶目标的方法，该方法首先对两帧图像进行差分处理，然后进行图像分割，再用Canny算子对目标边进行检测，结合图像分割的结果，最终确认目标。实验表明该方法在复杂背景下，可以较好的进行目标检测。     

红外小目标图像的分割与聚类分析

天空背景下红外小目标图像的分割与聚类是检测和识别目标过程的预处理部分。首先对图像进行对比度增强处理,并通过模板滤波法去除弱噪声,再运用分割算法把目标和强噪声从背景中分离出来,然后根据聚类得到可能的小目标,最后给出整套处理方法的实验结果和分析。     

基于万有引力搜索算法图像分割的实现

图像分割是计算机视觉中研究的热点和难点之一,原始图像只有在分割之后才能被分析与理解。为了更快更准确地分割图像,本文将万有引力搜索算法和最大类间方差法的双阈值法相结合,提出了一种新的图像分割方法。该方法首先把图像分割的阈值看成引力搜索算法中空间的粒子;其次利用最大类间方差法的双阈值法设计适应度函数;最后,通过粒子在空间中相互的万有引力作用,逐渐逼近最优阈值。实验表明,基于万有引力搜索算法(GSA)的图像分割在运行速度、运行时间等方面要优于传统的图像分割算法,该方法分割后的目标图像更加适合后续的分析和处理。     

基于显著目标提取和泊松重建的红外与可见光图像融合方法

针对低照度环境下红外与可见光图像融合过程中存在显著目标不完整、边缘模糊和对比度不足等问题，提出一种基于显著目标提取和泊松重建的融合方法。针对红外图像像素之间强度显著性的差异，首先利用显著性检测、阈值分割和伽马校正的关联性提取显著目标，从而实现红外图像中目标与背景的分离；其次考虑了源图像的视觉显著特征和梯度显著性，在梯度域上通过求解泊松方程重建融合图像；最后为提高低照度环境下融合图像的质量，利用红外图像的统计量均值和标准差优化融合结果。实验结果表明，所提方法在定性和定量分析方面均优于其他对比方法，能较好地突出红外目标信息，保留丰富的背景信息，视觉效果显著。     

静态背景下运动目标边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显,提出一种基于帧差法和图像分块相结合的运动目标边缘检测方法。该方法首先对序列图像进行差分,按照特定的阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行"与"运算,从而提取出运动目标轮廓。实验结果证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性。     

图像处理技术在火焰目标提取中的应用

在火灾识别系统中，为了精确地提取火焰目标，本文提出了一种综合有效的算法，该算法采用二维最大熵自动阈值法对火灾图像进行了分割处理，随后采用区域生长法，检测出火灾图像中的可疑区域，并以区域生长后的目标区域为模板，采用Otsu阈值选取法对当前图像进行精确分割，提取准确的火焰目标。实验证明该算法能够有效地提取出连续图像序列中的火焰目标图像。     

红外图像序列中运动弱小目标检测的方法研究

研究在红外图像序列中检测运动弱小目标的方法。首先通过高通或形态学滤波进行图像预处理，进一步用似然比检测分割出侯选目标，考虑到环境干扰造成的目标在某一帧暂时消失的情况，提出了利用目标运动特征通过选择合适的邻域判决条件并结合图像流分析提取运动弱小目标的一种方法。模拟实验表明该方法能够准确高效地检测出运动弱小目标。     

一种基于阈值分割的红外图像边缘检测方法

针对红外图像对比度和信噪比低,经典的图像边缘检测方法对实际图像难以检测的特点,提出了一种基于阈值分割的边缘检测算法。首先利用最大方差阈值法分割出红外图像的目标图像,其次用线性拉伸的方法对目标图像中存留的噪声进行去除,最后运用Sobel算子对目标图像进行边缘检测得到结果图像,并与经典的Roberts边缘检测算法、Sobel检测算法、Prewwit检测算法、Gauss-Laplacian检测算法进行比较。实验结果显示该检测方法是可行、有效的。     

静态背景下运动目标的边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法在对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显的缺点,提出了一种基于帧差法和图像分块相结合的运动目标边缘检测方法.该方法首先对序列图像进行差分,根据分块大小自适应选取阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行“与”运算,从而提取出运动目标轮廓.实验证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性需要.     

一种基于密集深度分离卷积的SAR图像水域分割算法

SAR图像的水域分割在舰船目标检测、灾害监测等军事和民用领域具有重要意义。针对传统水域分割算法鲁棒性差、难以准确进行分割等问题,该文首先建立了基于高分三号的SAR图像水域分割数据集,并基于深度学习技术提出了基于密集深度分离卷积的分割网络架构,该网络以SAR图像作为输入,通过密集分离卷积和扩张卷积提取图像高维特征,并构造基于双线性插值的上采样解码模块用于输出分割结果。在水域分割数据集上的实验结果表明,与传统方法相比,该方法不仅在分割准确度上有大幅提高,在算法的鲁棒性和分割速度上也具有部分优势,具备较好的工程实用价值。      

基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象,该文使用基于模糊聚类的分割算法获得组成对象边界的像素,从而提取对象。该算法首先使用了当前帧以及之前一些帧的图像信息计算其在小波域中不同子带的运动特征,并根据这些运动特征构造了低分辨率图像的运动特征矢量集;然后,使用模糊C-均值聚类算法分离出图像中发生显著变化的像素,以此代替帧间差图像,并利用传统的变化检测方法获得对象变化检测模型,从而提取对象;同时,使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量,保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

An automatic segmentation method for moving objects based on the spatial-temporal information of video

The new MPEG-4 video coding standard enables content-based functions. In order to support the new standard, frames should be decomposed into Video Object Planes （VOP）, each VOP representing a moving object. This paper proposes an image segmentation method to separate moving objects from image sequences. The proposed method utilizes the spatial-temporal information. Spatial segmentation is applied to divide each image into connected areas and to find pre~：ise object boundaries of moving objects. To locate moving objects in image sequences, two consecutive image frames in the temporal direction are examined and a hypothesis testing is performed with Neyman-Pearson criterion. Spatial segmentation produces a spatial segmentation mask, and temporal segmentation yields a change detection mask that indicates moving objects and the background. Then spatial-temporal merging can be used to get the final results. This method has been tested on several images. Experimental results show that this segmentation method is efficient.     

Region-based image coding using polynomial intensity functions

The vast majority of coded images are real-world images. These images consist of distinct objects within a scene, where each object has its own reflective, textural and lighting characteristics. Region-based image coding encodes these images by partitioning the scene into objects, and then describing each object's characteristics using a set of parameters. The paper uses orthonormal polynomial functions to describe the lighting and reflective characteristics of each object. The coefficients of these polynomials are coded with linear quantisers that have their decision boundaries spaced according to rate-distortion considerations. The textural component of each object is coded using vector quantisation of the autocorrelation coefficients of the residual. The partitioning of the image into distinct objects is achieved with a segmentation algorithm which attempts to maximise the rate-distortion performance of the encoding procedure as a whole. In doing so, the segmentation algorithm partitions the image into distinct objects as well as providing estimates for the optimal bit allocations among the polynomial coefficients. Results generated by this method show reconstructions with quality superior to other region-based methods, both objectively and subjectively     

一维对象复杂度的灰度图像分割算法

从图像复杂度的角度,提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类,统计其对应直方图与总像素个数,并计算对象复杂度;依据图像复杂度分割准则算法公式,遍历每一灰度级对应的图像复杂度值,选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明,与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比,本文算法速度快,稳定性和效率最好,是一种通用有效的图像分割算法。     

融合多特征的对象级航空遥感图像变化检测

针对航空遥感图像,构建一种面向对象的融合JS(Jensen-Shannon)散度特征与互相关特征的变化检测算法。首先,应用多尺度分割算法获取像斑;然后,提取反映像斑内像素灰度分布的总体统计特征的JS散度以及反映像斑内部结构的变化特征的互相关特征,应用决策级融合方案对两个优势互补的特征进行有效融合,进而探测变化区域;最后与固定权重融合的检测结果进行精度对比。结果表明:本文方法的平均检测精度达到93.07%,误检率平均为7.13%,漏检率平均为4.37%,比仅基于JS散度特征、互相关特征、固定权重融合的检测方法精度分别提高了8.98%、4.71%和4.20%。因此,该变化检测方法不仅能有效提取变化区域,而且提高了变化检测的精度,在航空遥感图像变化检测中具有有效性与应用潜力。     

一种基于相对模糊连通度的交互式序列图像快速分割算法

在基于相对模糊连通度的交互式图像分割方法的基础上提出了一种序列图像分割的快速算法。对于单幅图像,新算法在保持分割精度的同时,运行速度提高了3倍。作为该算法的扩展,一方面将原算法中单目标分割推广到多目标分割,另一方面将单帧图像的分割推广到序列图像的分割,实现了复杂背景下多目标的图像分割和图像序列的批处理分割。并进行了分割结果的后处理,提取出目标的单像素宽度的光滑边缘。用人造图像和实际的医学图像和图像序列所做的测试实验取得了令人满意的分割结果。     

Using hidden scale for salient object detection.

This paper describes a method for detecting salient regions in remote-sensed images, based on scale and contrast interaction. We consider the focus on salient structures as the first stage of an object detection/recognition algorithm, where the salient regions are those likely to contain objects of interest. Salient objects are modeled as spatially localized and contrasted structures with any kind of shape or size. Their detection exploits a probabilistic mixture model that takes two series of multiscale features as input, one that is more sensitive to contrast information, and one that is able to select scale. The model combines them to classify each pixel in salient/nonsalient class, giving a binary segmentation of the image. The few parameters are learned with an EM-type algorithm.     

基于遗传模糊C-均值与概率松弛法的图像分割研究

在利用遗传模糊C-均值对图像像素进行初步分类的基础上,采用概率松弛算法对目标与背景间的疑似像素进行进一步分割和目标提取,很好地解决了目标提取不完整的问题,实验结果表明,该算法具有良好的特性.     

结合光谱相似性与相位一致模型的高分辨率遥感图像分割方法

提出一种结合高分辨率遥感图像的光谱相似性与相位一致边缘检测模型的分水岭分割方法。分水岭分割算法的性能依赖于图像边缘梯度图。利用同类地物的光谱相似性特点,可有效抑制相位一致模型边缘检测中产生的伪边缘和噪声信息,从而获得更好的遥感图像分割结果。本文首先基于目标像元与其邻域像元之间的光谱曲线距离之和定义光谱相似性模型,结合相位一致模型获得边缘响应强度;然后利用自动标记分水岭变换方法实现高分辨率遥感图像分割。使用本文方法和其它方法对遥感图像进行了分割实验,并利用基于多光谱信息熵方法对分割结果进行了非监督评价和比较,同时对计算耗时进行了对比分析。结果表明本文所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割结果。