基于均匀色差的彩色图像分割方法

基于均匀色差的彩色图像分割方法,结合模式识别理论的自动聚类彩色图像分割.其图像首先被转化到L*a*b*颜色空间,进行初始化并确定聚类中心.然后计算像素到聚类中心的色差,进行聚类.之后计算新的聚类中心,反复迭代,直到符合终止条件,得到最终分割结果.实验证明,该方法可很好实现彩色图像的自动分割.     

基于分形布朗模型的数码迷彩图案生成方法研究

迷彩伪装是一项重要的伪装技术。数码迷彩是对抗高分辨成像侦察的有效技术手段。如何实现迷彩设计技术的实效化、精确化和智能化始终是研究热点。基于分形布朗运动的分形维估计法提取背景图像的纹理特征、基于金字塔结构逐层模糊C均值聚类算法提取背景图像的主色特征。融合纹理和主色特征,运用改进的钻石-菱形算法生成符合背景特征的数码迷彩图案。仿真实验结果表明：该算法在荒漠型、丛林型、林地型背景的迷彩生成中均能产生较好效果。     

基于颜色聚类的光学伪装效果评估背景选取方法

在基于可见光图像的单个目标伪装效果评估中,当目标处于反差较大的两种背景交界区域附近时,直接采用8邻域背景选取方法,将会导致评估结果出现较大偏差。针对这一问题,提出一种基于颜色聚类的背景选取方法。通过该方法对8邻域图像进行颜色聚类后,将目标近邻区域中不包含的颜色类从8邻域图像中剔除,再减去目标区域后即为选择的背景。实验结果表明：采用4～6个颜色聚类中心时,可以有效去除无关的背景区域,增强单个目标伪装效果评估的客观性和准确性;新方法对不同目标位置的适用性较强。     

反无人机图像导引头远距空中目标探测技术

以低成本反无人机制导弹药为研究背景,开展针对远距无人机目标探测的研究工作,并设计一种局部视觉显著聚类测量算法。将局部对比测量思想引入可见光图像中,通过度量局部成像域的光谱聚类性实现对目标的检测,更具体的是度量局部像域的平均光谱值与相邻像素光谱值的最小距离。为解决多尺度目标问题,设计相应的多尺度滑窗测量方法。对原始RGB图像帧进行分频中值滤波,将滤波后的RGB图像转换到Lab颜色空间;通过滑窗模型进行无人机成像域搜索;使用显著性检测方法度量光谱差异性,得到显著测量图;利用阈值化算法获得潜在无人机目标的像素位置。根据无人机目标成像条件,开展远距无人机图像数据集的实地拍摄和人工合成工作。定性实验结果表明局部视觉显著聚类测量算法可在复杂背景下将小尺度无人机辨识,定量实验结果表明该算法的检测准确率可达到100%。     

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。     

一种基于多重距离聚类的多源侦察结果融合算法

由于来自不同传感器的侦察图像获取和传输的非实时性以及图像情报分析结果的非连续性，反侦察监视裁决需要对来自不同传感器的侦察结果进行空间和属性综合聚类，合并属于同一目标的侦察结果。考虑空间位置和多个非空间属性的相似性，提出了基于空间和属性多重距离的空间聚类算法 MDBSC（Multiple Distance Based Spatial Clustering），用于多源侦察结果的关联融合，给出了算法步骤和实例。     

基于数学形态学的一种聚类算法

为便于从空间数据库中直接发现一些有意义的聚类结构,在分析已有聚类算法的基础上,提出一种基于数学形态学的聚类算法。该算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状。算法分析和实验表明该算法有效。     

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。     

小波聚类在多目标定位中的应用

针对多传感器侦察系统获得的目标定位信息精度不高、数据量大、分布不规则等问题,提出了一种基于小波分析的聚类算法解决多传感器侦察系统的精确定位问题,通过网格的划分和小波变换使原始数据空间的自然聚类更加容易区别。仿真测试表明,与传统的Kmeans聚类算法相比,该方法能减少噪声对多目标定位的影响,对于大规模、分布不规则的数据空间聚类划分更为准确和细致。     

基于FCM 聚类的测量图像自适应平台直方图均衡算法

针对测量图像平台直方图均衡算法中平台值选取困难的问题,基于C-值聚类(Fuzzy C-means clustering)理论,提出一种自适应平台直方图均衡增强算法。该算法通过对图像直方图进行C-均值聚类,自适应地选择平台阈值,能够在均衡图像的同时有效保持图像细节。实验证明:该算法对测量图像具有较好地增强效果,能够有效地抑制图像的背景,突出目标细节。     

彩色夜视融合图像熵评价研究

为了研究传统统计方法在彩色夜视融合图像质量评价的适用性,在分析各种统计方法的基础上,选择了“熵”作为客观评价方法,采用C-均值聚类方法和自动确定最佳颜色类数方法计算彩色图像熵。实验对10种不同场景的微光与红外图像采用4种融合方法产生的40幅彩色图像进行了熵计算和“感知质量”与“细节”主观评价。统计分析结果显示,“感知质量”与“熵”的相关性系数只有0. 41,说明熵统计方法在彩色夜视融合图像质量评价上存在困难。对采用统计方法评价彩色夜视融合图像质量存在问题作了讨论。     

一种新的基于图像识别技术的信号灯识别算法

将远程数字视频监控和图像识别技术引入武器系统的测试过程中。信号灯作为武器系统测试中最常见的识别对象，多在灰度空间和RGB颜色空间中进行识别，但该两种方法均存在一定不足。鉴于HSI颜色模型在图像信息描述中的优越性，引入HSI空间颜色对比相似距离，用以改善信号灯的识别效果。新算法在RGB空间中进行均值的求解，再转化为HSI颜色，可以减小计算量，提高效率。实验表明，新算法实用性强，有效性高。     

基于调整互信息的二进制协议一类分类算法

为解决未知协议种类繁多、聚类结果不能涵盖所有协议的问题,提出一种基于调整互信息的一类分类算 法。采用改进的k-means 聚类,构建目标样本的合理覆盖模型,计算每个聚类中心的调整互信息阈值,得到各个聚 类中心的调整互信息值,对不同聚类互信息阈值进行比较,并通过实验验证了算法的有效性。实验结果表明：与其 他传统的一类分类方法相比,该方法在二进制协议一类分类中取得了较好的结果。     

红外/毫米波雷达双模导引末状态的目标跟踪算法

红外/毫米波雷达双模导引末状态的目标跟踪算法基于目标形心估计法.即在复合跟踪的基础上先进行空间配准,再建立跟踪窗口,然后在窗口内逐场或逐帧计算出目标图像形心坐标相对于窗口中心的偏离量,并实时输送给复合导引头数据融合跟踪系统.该算法包括图像输入、选择灰度门限并确定跟踪窗口、计算质心及求得质心加权平均、窗口中心的自适应调整、判断递推过程中止条件等步骤.