低对比度条件下基于能量积累和Gabor变换的海天线提取

为了解决基于边缘检测和Hough变换传统方法不能正确检测出低对比度条件下的海天线问题,提出了先采用多帧能量积累方法提高红外图像对比度,然后运用Gabor变换和Gabor多通道滤波器滤除图像干扰部分和凸显图像中的海天线部分,最后使用边缘检测和Hough变换实现海天线的提取.通过对实际海面低对比度条件下红外图像进行海天线提取实验,验证了所提方法的可行性和有效性.     

GPU和格子玻尔兹曼方法联合加速的水平集模型及其在图像分割中的应用

面向图像分割应用,提出了一种新颖的GPU加速水平集模型,将来自于不同模型的全局及局部拟合能量有机地整合一起,并且可以自适应地调整全局项的加权系数。无论初始轮廓位于图像中的任何位置,模型都可以有效地分割出具有强度非同质性图像中的前景目标。在数值实现环节,采用格子玻尔兹曼方法的策略来打破传统求解方法对于时间步长参数的限制条件。另外,借助NVIDIA GPU来高效地组织格子玻尔兹曼方法的数值解算过程,以充分利用格子玻尔兹曼方法所具有的并行特性。在合成及真实图像数据上的实验结果验证了所提方法的有效性。另外,还对影响分割结果的数个关键因素进行了深入的分析。     

港口背景下红外运动目标的一种检测方法

为了解决港口背景下红外运动目标检测中受背景干扰带来的误分割和误跟踪问题,提出了一种基于港口背景抑制和光流检测的红外运动目标检测方法。首先,通过对小波分解图像进行OTSU分割,得到天水线区域。然后使用多级滤波确定序列图像中港口背景的抑制基准点,并根据这些背景抑制基准点实现序列图像的港口背景抑制。最后,运用光流预测实现红外运动目标检测。通过对实际港口背景红外图像进行背景抑制和红外运动目标检测的实验,验证了所提方法的可行性和有效性。     

基于视觉注意机制和水平集方法的红外海面目标检测与识别

针对传统红外目标检测与识别方法所存在 的问题,即其处理过程总是盲目地对全图进行耗时搜索,提出了一 种基于视觉注意机制和水平集方法的红外海面目标检测与识别方 法。首先,搜索原始图像中的显著性区域,并以获胜点的形式 表示它们。接着,基于所得到的显著性区域,自动初始化水平集函 数,并使演化过程朝着期望的目标轮廓方向挺进,直至演化过程到 达最终的平衡状态。最后,针对远距离(近距离)成像时的输入数 据,给出检测结果(基于不变矩和神经网络框架的识别结果)。对 真实红外海面目标进行的实验证实了本文方法的有效性。     

多线程技术在虚拟存储示波器开发中的应用

为克服运用单线程技术进行虚拟仪器开发中遇到的界面响应速度慢、显示效果不稳定等问题,本文提出了使用多线程技术实现信号采集、参数设置以及信号显示的方法.实验结果表明,多线程技术可以很好地解决单线程进行程序开发中所存在的不足.     

利用自适应模糊推理PMHT算法的红外小目标跟踪与检测

提出了一种基于自适应模糊推理PMHT算法对红外序列图像的小目标进行跟踪和检测.对红外序列图像进行中值滤波、边缘提取、海天线识别与对消等预处理后,可以提取出若干个备选小目标,通过PMHT与模糊自适应相结合算法来实现对备选目标的跟踪和数据关联,最后,根据先验知识和检测条件实现小目标检测.算法通过模糊自适应来调整系统噪声方差,经过多次迭代,从而实现数据关联以及目标模型实时检测.另外,在多目标跟踪中存在目标重叠的现象,运用"记忆和填充"方法来解决多目标的合并和分裂问题,算法易于硬件实现.通过对实际的红外序列图像进行小目标检测,验证了所提方法的可行性和有效性.     

基于D-S证据理论的近岸舰船目标识别

在深入分析和提取近岸舰船目标红外特性和微波特性的基础之上,提出一种基于D-S证据理论的红外图像和微波特性融合方法来实现近岸舰船目标的识别.一方面,对红外图像进行小波去噪、边缘提取、海天线识别与对消等红外预处理和特征提取后,可以得到若干个待选目标;另一方面,对目标回波进行衰减、低噪声放大、滤波和线性放大等处理后,可以得到信号幅度大于一定阈值若干个待选目标.最后,通过对红外和微波得到的待选目标运用D-s证据理论的融合规则进行数据融合,得到最终识别结果.算法易于硬件实现.实验表明,该方法能达到较好的识别效果.     

复杂动态背景下的红外运动多目标跟踪与检测

提出了一种采用小波变换对复杂动态背景变化程度的检测方法.对红外序列图像进行小波变换预处理后,可以提取出若干个特征区域,通过检测这些特征区域的差异来判断背景的变化程度,实现背景抑制.在抑制动态背景的基础之上,运用基于动态先验知识的区域主动轮廓模型的水平集方法来实现红外多目标的数据关联和跟踪,动态先验知识包括形状描述因子、灰度特征和运动特征等.同时,在多目标跟踪中存在目标"合并和分裂"的现象,运用"记忆和填充"方法来实现对多目标的稳定跟踪.通过对实际复杂动态背景条件下的红外序列图像进行多目标跟踪和检测实验,验证了所提方法的可行性和有效性.     

岛岸背景下的红外运动多目标跟踪

提出了一种基于粒子滤波和FCM的岛岸背景条件下红外运动多目标跟踪方法.通过对红外序列图像进行中值滤波、边缘提取、海天线检测和形态滤波等预处理,提取出若干个候选目标.然后利用基于粒子滤波和FCM的算法实现对候选目标的数据关联和连续跟踪.实验结果表明,该方法具有良好的可行性和效果.     

基于Split Bregman迭代求解水平集框架模型的运动目标检测

提出了一种基于Split Bregman迭代求解分段常值模型(也称为C-V模型)的运动目标检测方法。该方法首先采用高斯混合模型进行背景建模,然后减去背景得到图像序列的运动区域部分(本方法的处理对象)。由于引入了SplitBregman迭代方案,可以在保证演化过程稳定的前提下采用相对较大的时间步长。在真实红外序列图像上的检测情况表明,Split Bregman迭代方案加速了曲线的演化并且极大地降低了迭代过程所需的次数,说明了该方法的有效性。