应用聚类和分形实现复杂背景下的扩展目标分割

将K-均值聚类方法与分形理论相结合,提出了一种分两个阶段对扩展目标进行分割的方法.在预分割阶段,运用粗糙集理论求取初始聚类中心,在K-均值聚类分割和区域连通的基础上,检测图像边缘并进行边界跟踪,对于获得的目标和背景团块根据扩展目标特性确定目标潜在区域.在进一步分割阶段,给出图像分维数随尺度变化的函数,利用自适应阈值,根据分形理论的尺度不变性进一步抑制预分割结果中的自然背景,并运用形态学开运算消除背景粘连.实验表明该方法能有效并可靠地实现复杂背景下扩展目标的精确分割,分割出的扩展目标轮廓细节保持良好.     

复杂背景成像条件下运动点目标的轨迹提取

为改进空间目标天基实时监视能力,研究了美国在空间中段实验卫星上搭载的对空间目标进行在轨检测与跟踪的信号处理器的工作方案.针对该处理器在目标运动轨迹提取阶段采用的先二元速度滤波再能量累积判决的“筛选-确认”解决方案,提出了两点改进方法:一是在“筛选”阶段增加运动速度约束条件,二是在“确认”阶段增加样本均差约束条件,使其在降低虚警概率的同时提高检测概率,从而普遍适用于复杂背景成像条件下运动点目标轨迹的提取.最后,利用实际获取的云层背景图像数据库仿真生成了包含多运动目标的时序图像序列,并以此作为输入信号源分析比较了原算法与改进算法的性能差异.仿真实验结果表明:改进算法在二元速度滤波后候选条痕减少到原算法的50％以下,处理器运行时钟周期数从8.0×106次降低到7.1×106次;最终检测结果显示,改进算法判决门限的合理取值范围增加到20左右,可以实现对多运动目标的实时检测.     

采用目标背景建模的毫米波弱小目标检测

基于被动毫米波成像特性,提出了改进的稀疏表示——圆周中心差(ISR-CSCD)算法来解决被动毫米波图像中弱小目标与背景区分度较弱,目标可提取特征较少的问题。该算法通过改进稀疏表示方法完成背景抑制与目标增强。依据目标与周围背景特征先验,提出了圆周中心差背景抑制算法对检测图像进行背景抑制。然后,融合改进稀疏表示方法和圆周中心差背景抑制算法的结果得到抑制了背景的目标增强图像。最后,基于恒虚警率的检测方法完成了弱小目标的检测。对不同场景下的毫米波图像进行了实验检测,结果表明,与主流算法图像稀疏表示(SR)法、鲁棒规则核回归牛顿算法(NRRKR),空时联合分类稀疏表示算法(STCSR)和累积中心与周边差异测量算法(ACSDM)相比,ISR-CSCD算法具有更低的虚警率、更高的检测精度、更强的鲁棒性。对各种虚警率、信噪比之下的毫米波弱小目标检测结果显示,ISR-CSCD检测率相对于其它算法平均提高了约15%。     

机载复杂场景下的低虚警红外目标检测

机载红外光电探测系统进行下视复杂场景目标探测时,地面虚警干扰源同弱小目标在空间分布上一致,传统算法会导致大量虚警.因此,提出一种基于运动目标特征的多维度特征关联检测算法.该算法首先对复杂场景进行特征点检测,引入基于相对速高比的跳帧机制,对经过图像配准的帧间图像进行差分处理检出候选目标.同时,结合基于核相关滤波的目标相似...     

时空域结合的红外弱小运动目标检测新方法

为解决远距离和复杂背景下红外弱小运动目标的检测问题,提出了一种将时域背景抑制和空域相关性检测相结合的新方法.首先在时域窗口内根据像素的时域信号进行时域背景抑制和二值化,得到既有像素点的灰度值又有时域信号值的组合帧图像;再充分利用运动目标在空域上的连续性和时域信号上与噪声的差异性,在组合帧上对每个候选目标点与其8邻域像素进行时域信号相关性检测,以剔除虚警点和确定目标轨迹.实验结果表明该法具有较低虚警率和较强的鲁棒性.     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

复杂背景下扩展目标双尺度分形分割算法

针对复杂背景的分形尺度不变性,提出了一种扩展目标分割新算法.首先将大、小两种尺度下像素邻域内的灰度信号转化为一维,分别进行离散傅立叶变换(DFT),再利用频域的极大似然估计提取分形维数,选取小尺度的分维数图表征各边缘的精确位置,而大尺度的分维数图表征抑制背景纹理后的目标主要轮廓,然后计算图像边缘的方向性函数,使大尺度边缘在小尺度边缘限定的范围内,选择幅度与方向接近的目标边缘进行连接,最后进行阈值分割,得到闭合的精确边缘结果.实验证明了算法的有效性和可靠性.     

序列图像中弱小运动目标检测方法

通过研究利用远距离拍摄获得的飞行目标运动轨迹的图像序列,分析图像的特点,研究目标自动识别的方法.采用基于块匹配技术的配准图像,对原始图像进行配准;采用基于能量累加的背景去除技术,获得包含目标及噪声的图像序列;采用自适应阈值分割技术,得到包含目标及噪声点的二值图像;利用目标帧间相关而噪声帧间不相关的特点,根据目标的速度梯度和方向梯度,对二值图像中所有的点进行帧间相关性判断,获取目标点.实验结果表明,该方法能够有效地在飞行目标运动轨迹的图像序列中准确识别出弱小运动目标.     

图像检索中一种新的目标区域提取算法

在图像检索中,为了在特征匹配时获取一个完整的且包括目标对象的目标区域,并减少背景及背景中其他物体对目标对象匹配的影响,根据用户需要查找的目标对象所具有的所有颜色,采用了多颜色值聚类分割的方法,提取被检索图中的目标区域,使得提取出的目标区域包括了目标对象的所有颜色,同时更好地排除了背景以及背景中其他颜色所组成的其他物体对相似性匹配的影响。试验结果表明,该方法能够准确地得到一个与目标对象相符合的目标区域,而忽略其他颜色物体对象。     

复杂场景中航天器靶标的快速识别

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声,运用Canny检测算子得到边缘图像,并跟踪得到单像素边缘序列。然后,通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘,利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰,实现靶标的准确识别。实验结果表明,该靶标识别算法对噪声、光照、旋转等不敏感,能够在多种复杂场景中快速、准确地识别靶标,处理时间小于125ms,满足实时位姿测量8帧的需要。目前,该算法已经成功应用于工程样机。     

光学遥感图像中复杂海背景下的舰船检测

本文针对光学遥感图像中复杂海背景下的舰船检测问题,提出一种快速精确的舰船检测方法。首先,基于最大对称环绕显著性检测完成初始目标候选区域提取,并结合一种基于元胞自动机的同步更新机制,利用图像局部相似性和舰船目标几何特征,对初始目标候选区域进行更新,并通过OTSU算法获取最终目标候选区域;然后,根据舰船目标的固有特性对方向梯度直方图特征进行改进,提出一种新的表征舰船特性的边缘-方向梯度直方图特征对舰船目标进行描述,与传统HOG特征相比,这种特征向量侧重于对边缘特征的描述,对梯度向量鲁棒性更强,并且仅为一个24维的特征向量,计算复杂度低;最后,通过构建的训练库完成AdaBoost分类器的训练,并利用训练完成后的AdaBoost分类器完成目标的最终判别确认。本文的检测算法,针对尺寸为1 024pixel×1 024pixel的遥感图像,检测时间为2.386 0s,召回率为97.4%,检测精度为97.2%。实验表明,本文提出算法的检测性能优于目前主流的舰船检测算法,在检测时间和检测精度上都能够满足实际工程需要。     

复杂背景下边缘提取与目标识别方法研究

通过对传统形态学边缘提取方法的分析,提出了基于形态学多结构元边缘提取算子,该算子既有良好的边缘提取特性,又很好地解决了噪声抑制和保持图像边缘细节之间的矛盾,通过灰度加权平均值作为阈值进行二值化,更加突出了边缘效果。针对目标成像特点,在提取图像中边缘的像素数、复杂度和最小外接矩形长宽比等多个特征的基础上,通过计算图像中目标边缘的特征评价函数和隶属度函数,利用模糊综合评判技术进行了目标识别。模拟试验表明:基于形态学的多结构元算子具有较强的噪声抑制能力,可以很好地提取复杂背景下的目标边缘;模糊综合评判技术可准确提取目标,较好地解决了复杂背景下的目标识别的难题。     

基于自适应梯度阈值各向异性滤波抑制红外复杂背景

在传统各向异性扩散滤波算法的基础上,提出了一种自适应梯度阈值各向异性滤波算法,用于有效地抑制红外复杂背景、滤除噪声,同时增强红外弱小目标。该算法根据图像的局部特性,利用其在不同方向上的梯度特点,判断某点像素是噪声还是图像以及其存在于图像的平滑区域还是边缘区域。文中据此提出了自适应求取边缘函数中的梯度阈值(K值)的方法,解决了原各向异性滤波算法的边缘函数中K值固定单一的问题。实验证明:与原各向异性滤波算法和其他背景抑制算法相比,提出的算法增加了去噪功能,对各种复杂背景抑制效果更好,增强后的图像信噪比提高了近2倍。     

一种自然纹理背景下的图像目标检测方法

本文根据被测图像纹理背景和目标区域在小波变换域内图像能量的分布不同,以及经过多尺度分解后在各子空间信息分布的不同,运用与背景纹理的方向无关,对目标的变化具有旋转、平移以及尺度不变性的能量特征作为检测目标的依据.为了有效地提高目标边界的定位精度,抑制背景噪声,本文提出了能量特征图和基于多尺度分析的边缘特征图相融合的特征融合方法进行目标检测.实验证明该方法具有较好的适应性.     

空间小目标动态规划检测

为了从序列图像中检测出空间小目标,提出了一种改进的动态规划算法。介绍了动态规划小目标检测算法的发展过程。针对工程应用中为了获取亚像素质心而对图像散焦处理的情况,对原算法的评价函数递归方程进行改进,提出用方向加权的多点能量累积代替原算法的单点累积,并将多速度平面分别计算的方式简化为速度初始化与历史速度修正方式。最后,针对算法实现过程中遇到的初始状态计算、恒虚警阈值以及轨迹数据结构等关键问题进行了说明。在实验参数条件下,计算量比原算法减少了约50%。实摄图实验结果表明,方向加权的多点累积算法5帧即可检测出目标,而原算法在第10帧时仍有大量虚假轨迹;在第5帧的20条最大评价值轨迹中,多点法的评价值信噪比比原算法提高42%。方向加权的多点累积算法可以有效抑制孤立噪声点产生的虚警,提高算法的检测能力。     

天基红外图像的点目标检测

为了研究地球同步轨道卫星红外扫描相机图像星上处理技术,分析了美国国防支援计划(DSP)卫星Phase-Ⅱ阶段和改进后的星上信息处理机的基本处理流程,提出了一种适用于星上工作环境的红外扫描图像点目标检测双通道滤波方法。首先,采用均值滤波抑制背景,对背景去除后的残差图像进行自适应门限探测;在门限滤波的同时,采用峰值判别算法对峰值数据进行检波以降低自适应门限滤波产生的虚警;最后,采用融合算法对超过门限的图像及峰值检波图像的双通道数据进行目标确认。该算法在保证高目标检测率的同时降低了虚警率,简单可行且利于硬件实时实现。实验结果表明,当目标信噪比6时,检测概率可达99.3%(虚警率为1.3×10-3);算法实时性分析表明,处理器主频为200MHz时,算法处理能力为56.45Mb/s,满足天基信息处理要求。     

基于元胞自动机的动态背景运动目标检测

针对传统运动目标检测算法在动态背景条件下难以准确检测出运动目标的问题,提出了一种基于元胞自动机的动态背景运动目标检测算法。首先,根据SLIC算法分割视频图像,并应用多模态混合动态纹理模型对视频图像进行背景建模。然后,融合空时显著性检测与基于元胞自动机的自动更新机制得到优化的显著性图。最后,通过对优化后的显著性图做适当的阈值分割处理得到视频图像中的运动目标。实验仿真结果表明,在动态背景条件下该算法可以有效的抑制视频图像中非运动目标的显著性物体对检测结果带来的影响,检测运动目标的精度较高,并且具有一定的鲁棒性。