利用不变矩去除恒星的空间小目标检测方法

相邻帧配准差分去除恒星方法,在处理16位灰度图像时,由于高亮度恒星的插值误差大于目标灰度与背景之差,导致差分不能有效去除恒星干扰。针对该问题,引入模式识别中的不变矩概念,提出基于不变矩的空间小目标检测方法。该方法从恒星之间的相对位置入手,避开通过灰度差分消减恒星的过程。利用相邻帧中恒星不变矩相等的特性,寻找三颗恒星作为参考恒星组;向参考恒星组逐一加入未知星点,通过判断增加星点后不变矩是否仍相等来提取恒星;利用目标运动的连续性和一致性从剩余星点中提取目标。通过对仿真恒星点配准差分说明问题的由来,利用实摄序列图像对配准差分法和不变矩方法对比实验,结果表明,配准差分法无法去除的恒星可以通过不变矩方法去除,该方法能够从16位灰度图像中有效检测出小目标。     

基于卡尔曼滤波的弱小目标实时检测与跟踪

提出一种基于卡尔曼滤波的弱小目标实时检测与跟踪方法。计算每帧图像上所有星点到参考星点的距离,利用目标与背景恒星运动特性上的差异检测出运动目标。针对漏检问题,采用卡尔曼滤波算法估计目标在漏检帧上的位置,通过对图像的重分割寻找丢失目标,利用目标的运动信息建立连续的目标链。实验结果表明,该方法能实现高检测率和低虚警率的实时检测。     

数学形态学在紫外目标检测中的应用

由于我国的紫外成像探测技术起步较晚、技术较为落后,有关紫外图像处理方面的研究报道很少。在以往相关研究工作的基础上,针对紫外成像探测系统的日盲紫外小目标图像序列,设计了一种基于数学形态学和图像差分相结合的空间小目标提取方法。首先对原始图像进行灰度形态开运算处理,以减弱噪声和突出目标;然后采用自适应阈值算法对图像序列进行绝对差分运算;从而检测出潜在的目标。实验表明,该算法既能去除背景和噪声干扰,又可有效地检测出图像中的小目标。     

基于改进的阶次规正不变矩小目标识别新方法

提出了一种基于改进的阶次规正不变矩卫星图像小目标识别方法。首先将卫星图像分割成子块，以图像灰度方差描述子块图像特征，应用所提出的子块合并理论进行分类，减少了卫星图像识别的计算量，大大降低了误判率。提出了改进的阶次规正不变矩理论，并将其应用于小目标物体识别中。以改进的阶次规正不变矩特征作为检测模板和待识别小目标图像相似度的测度，有效区分了小目标物体间的较小差别并解决了由噪声所造成的不封闭性问题；同时将GA理论引入图像匹配识别中。实验结果表明：所提方法识别率可达96．67％，该方法的提出对于图像自动识别具有非常重要的现实意义。     

基于C均值和SVM的SAR图像目标分类研究

针对SAR图像具有斑点噪声强和目标特征差异小的特点,通过研究地物特征,提出一种基于C均值和支持向量机(Support Vector Machine)的SAR图像目标分类算法.该算法的前端在特征空间运用C均值聚类算法,有效抑制斑点噪声;后端在图像空间运用支持向量机分类器,提高分类精度.实验结果表明该分类算法能够减少SVM的特征维数,具有较好的分类性能.     

基于恒星配准的空间点目标检测算法

针对以往文献在处理空间目标图像时使用的配准帧差方法,存在不能配准旋转背景以及没有充分利用目标运动特征等问题,提出了一种基于恒星配准的检测方法.该方法以恒星为控制点,利用刚体变换模型配准相邻帧,再通过帧差分离出可疑目标,最后通过最近邻航迹关联法确认真实目标,其中为了有效区分相邻帧中的目标点,对原始帧差法做了一些改进.最后利用增加了人工仿真点的实摄观测图像对算法进行实验,结果表明,该方法能较好地配准旋转背景序列图像,可以有效检测出空间点目标.     

模糊神经网络在图像目标检测中的应用

红外图像中的微弱目标检测与跟踪是数字图像处理领域中的研究热点。针对红外图像中微弱目标灰度的统计特点以及模糊神经网络在自适应噪声消除的应用,提出一种基于增强型动态模糊神经网络算法用于红外图像噪声消除。经过自适应噪声消除后,可有效的有自动阈值门限分割法进行微弱目标检测。     

基于合成孔径雷达图像的河流检测方法研究

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像中水体的梯度比陆地的梯度要小的特点,提出了一种利用图像梯度信息和Fisher准则检测河流的方法;首先利用梯度算子求出图像的梯度;再对得到的梯度图像运用Fisher准则分割出水体区域;最后利用数学形态学滤除分割图像中存在的大量细小噪声,并运用面积、灰度、方差等特征进一步消除虚警目标,检测出河流;实验结果表明,该方法具有较强的抗相干斑噪声特性,能够自动、快速地检测出SAR图像中河流目标。     

一种快速的SAR图像分类方法

SAR图像分类是＆讯图解译中非常重要的环节，但由于SAR图像中相干斑噪声的存在，使得传统方法不能很好地对SAR图像进行分类。再之，SAR图像分类具有计算量大、耗时长的特点，SAR所能获取的信息数据量也越来越大，如何快速、准确地对SAR图像进行分类以及时获取有用信息显得日益迫切。本文提出了一种快速的SAR图像分类方法，该方法将图像的空间域和频域特征相结合，并基于并行计算环境，对图像中的每一点都计算相应的小波能量特征、共生灰度矩阵特征和滤波后的灰度特征，并组成特征向量对SAR图像进行分类。实验结果证明该方法能取得较好的分类效果，且速度较快。     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

视觉相似性计算的艺术图像自组织方法

为解决大量数字化艺术图像常规组织和管理复杂低效问题,提出一种基于图像相似性计算的自组织方法,对艺术图像提取了颜色、纹理、空间布局和SIFT等用于相似性计算的视觉特征表示,并根据艺术图像空间布局特点设计计算模型,试验了特征的聚类效果。采用多层版本近邻传播聚类（MLAP）算法为基础,对实验图像库进行层次化聚类,构建图像的层次化浏览结构。实验结果表明,该方法在艺术图像的管理和使用上都有着良好的性能。     

一种面向弱小目标检测的序列星图配准算法

对于星空观测CCD相机获得的序列图像,由于相机姿态的变化使得图像存在全局运动,空间目标的运动与背景恒星的运动混淆在一起,增加了空间目标检测的难度,为了有效地对空间弱小目标进行检测,提出了一种序列星图配准算法。首先,对图像进行预处理,包括成像传输通道不同导致的辐射不均匀性校正和空间杂散光辐射校正;然后,利用序列图像一一对应的高亮恒星星像质心作为特征点计算全局运动参数;最后,提出了一种基于星像质心坐标矩阵的星图配准算法,将星图转换为星像质心坐标矩阵的形式,利用全局运动参数对星像质心坐标矩阵进行处理,进行星图配准,同时对背景恒星进行滤除。算法能够有效地克服恒星和杂散光的干扰,而且在配准过程中将对星图的处理转化为对星像坐标矩阵的处理,省略了配准过程中的图像重采样与变换步骤,节约大量的运算时间,配准后的图像在对恒星背景进行滤除的同时,在一定程度上降低了弱小目标检测的难度。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

Maneuvering target oriented digital camouflage image generation method

Since the digital camouflage generation method based on fixed single background image cannot fully meet the hidden need of maneuvering targets. In this paper, a method of generating digital camouflage image based on several background images is proposed. Firstly, according to the active range of the maneuvering target, several background images are collected. Secondly, in order to resolve the problem that the clustering algorithm is sensitive to the initial clustering center and easy to fall into local optimum, K-harmonic means (KHM) clustering algorithm is introduced and initial clustering center is determined based on color histogram. Again, KHM clustering is used to extract color features from several background images, the first clustering is extracted from a single background image, and the second clustering is extracted with several color features sets extracted from the first clustering of background images as input. Finally, the regular hexagon is used as the basic unit of the digital camouflage image to construct the spot template, and the digital camouflage image is generated by the lowest horizontal line algorithm. Example verification and camouflage effect detection show that the digital camouflage image generated by this method can effectively realize the concealment of maneuvering targets and has good camouflage effect.     

基于ICA的运动目标检测方法

提出了一种将独立分量分析与马尔科夫随机场相结合进行运动目标检测的新方法.首先利用独立分量分析根据图像统计信息对运动图像序列进行处理,初步分离了运动目标图像.然后利用马尔科夫随机场表征图像数据空间信息的能力,对初步分离的运动目标图像进行迭代处理,有效地提高了在运动目标较大或背景噪声较大的情况下运动目标的分离效果.对实际运动图像序列进行处理的实验,取得了较好的检测结果.     

图像搜索结果的滑动窗口多标记传播聚类

针对图像聚类中数据量大、部分重叠等问题,提出一种基于滑动窗口的多标记传播聚类算法。首先根据图像距离计算图像间的相似度,设定阈值将相似度转变为链接,构造出一个无向图;然后应用基于滑动窗口的多标记传播算法对无向图进行社区划分。滑动窗口可以存放多个标记,从而一个图像可以归属于多个类别。对公开网络数据和搜索引擎返回的真实图像数据进行实验,结果表明,该方法能有效发现具有重叠划分的簇,且簇的意义比较明确。     

基于小面拟合的红外小目标提取方法研究

天空和海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。基于小面模型对原始红外图像的局部区域作灰度曲面的最佳拟合，利用导出的二阶方向导数算子在拟合曲面上进行灰度极大值的像素点位置估计，实现对图像中小目标像素的分割和提取。对模拟和实际的天空和海空红外图像进行了实验验证。实验表明，该算法具有较强的适应性。     

基于形态学Top—Hat算子的小目标检测方法

针对红外序列图象中运动弱小目标的检测问题，提出了一种基于能量累积与Ｔop-Hat算子的小目标检测方法，该方法是首先设置一定大小的滑动窗口，并通过对窗口内的图象序旬进行能量累积来去除图象中的随机噪声，以提高目标的信噪比；然后对能量累积后的图象采用形态学中的Ｔop-Hat算子完成候选小目标的检测工作；最后利用序列图象中目标运动的连续性和轨迹的一致性来筛选出真正的目标，同时进行了该方法与传统高通滤波检测方法，在抗噪声性能、背景抑制性能以及抑制虚警目标性能等方面差异的比较实验，实验结果表明，基于能量累积与Ｔop-Hat算子的小目标检测方法在这３个方面都优于高通滤波法，它能够快速、可靠检测出低信噪比的运动小目标。