红外目标测量图像高精度定位方法

为解决红外目标图像定位算法易受干扰而影响定位精度的问题,根据红外目标测量图像的灰度分布特性,依据测量目标定位的要求,利用红外目标图像中每层灰度质心位置恒定的特点,提出了一种基于多质心的红外目标图像高精度定位方法.通过对每层灰度质心的聚类处理,成功地避开了测量图像噪声及背景灰度非均衡的影响,有效地提高了质心算法的定位精度.实验结果表明:该方法定位精度高,抗噪声能力强,算法效率高,易于实现,已在实际图像测量中得到充分应用.     

红外测量图像不完整目标恢复方法

针对运动目标序列红外测量图像中，目标时常因被尾烟遮挡，造成目标图像部分缺损，导致目标识别困难的问题。采用HopFiled神经网络自动聚类分割技术，利用已处理的多帧图像进行网络训练，使用训练后的网络对目标缺损区域进行联想记忆，从而恢复目标图像的缺损区域。实验结果表明：此方法对目标图像缺损区域有理想的恢复能力，并对噪声具有一定的抑制能力。     

一种有效提高信噪比的红外小目标图像滤波算法

红外图像滤波处理是提高图像信噪比的有效方法,针对含有强起伏边缘背景的靶场红外测量图像,提出了一种先局部梯度中值滤波后中值滤波的组合滤波算法。仿真表明,组合滤波算法能明显抑制背景,突出目标,有效提高信噪比。     

目标识别能力测试仿真图像的生成

目前采用实际拍摄图像测试经纬仪目标识别能力时,存在着外界环境难以掌握、标准难以统一的问题.根据经纬仪测量图像目标识别的原理,提出了一种基于目标图像缺损和遮挡的仿真图像建立方法.本方法通过多个目标图像的叠加,模仿了目标图像在经纬仪跟踪过程中的各种变化.利用此仿真图像可实现目标识别算法的测试,客观地反映目标识别算法对经纬仪测量图像成像质量的适应能力.     

基于模糊熵的红外图像分割方法

针对红外图像具有的不确定性往往是模糊的且不是随机的特点，提出了一种基于图像的模糊性和最大熵理论的分割方法，给出了基于模糊熵的阈值选取算法。该方法不依赖于图像的直方图，也不需要直方图分布的假设。用该方法对坦克的红外图像进行了分割，与侧抑制方法的比较表明，该方法提高了运算速度。对不同红外目标大小和信噪比的图像均产生很好的分割效果，且受目标大小的影响小，具有较好的鲁棒性，可用于小目标的分割。     

一种新的舰船红外图像分割算法

舰船红外图像分割是红外成像制导反舰导弹目标跟踪的关键技术。为较好地分割出舰船目标,提出了一种新型的舰船目标图像分割算法。根据均值移动算法去除图像噪声,采用梯度增强、拉普拉斯变换、直方图迭代、形态学算法得到舰船及背景的二值化图像;采用投影技术和Hough算法得到舰船存在区域,分割舰船存在区域得到较准确的舰船图像。仿真结果表明此算法具有较好的分割效果。     

复杂背景下红外弱小目标图像增强算法

针对红外弱小目标图像人工识别困难的问题,提出了一种基于模糊C均值（FCM）聚类技术的红外图像增强算法。该算法首先对红外图像进行聚类分析,然后将各类分别赋予不同的灰度值,从而增大目标边缘梯度。实验结果表明,此算法能够在确保不损失目标信息的前提下,最大限度地增强弱小目标图像。     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题，提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波，然后对滤波后的图像进行背景预测，将原图像与背景预测图像相减获得残差图像，依据图像阀值分离出少量的候选目标点，再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像，最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。     

多尺度Retinex算法在红外图像增强中的应用

应用改进的多尺度Retinex增强算法．对低能见度的红外图像进行图像增强，提高了原图像的对比度和像质，得到了目标区域的最佳视觉效果。理论分析和实验结果表明，该算法与维纳滤波、同态滤波等算法相比，有效地抑制了背景和噪声。该算法对红外图像增强后，图像对比度比前两种算法的对比度强。     

激光调制型红外干扰条件下地面目标的识别方法

通过介绍激光调制型红外诱饵对地面目标干扰的工作原理和工作过程，分析基于灰度时间序列特性及序列图像运动特性的辨识方法在地面军械、装甲目标特征提取与真假识别中的应用。对于远距离变化平缓的点目标，其分辨灰度变化特性的方法包括傅立叶变换及小波变换：而对于运动剧烈变化的面目标则应用序列图像运动特性的目标识别，该方法可充分结合单帧图像中的目标历史状态信息，结合模糊集理论和信息融合技术，使运动目标在干扰条件下的识别具有较好的鲁棒性和适应性。实验证明，该方法能有效区分目标和诱饵，为红外干扰条件下地面目标的识别提供了理论模型和技术途径。