基于灰度形态学的可见光弱小目标检测

在分析天文CCD图像的基础上,针对目标及噪声特点,提出基于形态小波变换的弱小目标检测算法.算法利用小波变换的多分辨率、多尺度性,把图像分解为高频和低频的子波带,在不同的子波带上利用灰度形态算子进行背景估计,最后利用背景抑制后的各子波带重构图像,自适应分割后根据目标运动的连续性来实现目标的检测.仿真实验结果表明该算法可以有效的抑制薄云、大气湍流带来的强背景干扰,对于信噪比低(≈2.5)的目标,其效果优于直接运用Top-Hat算子滤波的检测方法.     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

利用局部灰度特征分析实现红外弱小目标检测

提出了一种利用局部灰度特征分析进行红外弱小目标检测的新方法.该方法通过判断图像局部灰度包络曲面是否具备二维高斯函数曲面特征实现红外弱小目标检测,不需要进行传统的背景预测.设计了新的目标局部灰度特征提取方法和适合工程计算的自动目标检测算法.实验结果证明了算法参数选择策略的有效性,验证了算法对复杂背景边缘良好的杂波抑制能力...     

基于频谱分析和图像融合的红外弱小目标增强

利用红外弱小目标灰度的局部极大性在频域往往对应于频谱突变的特性,提出了一种基于频谱分析和图像融合的红外弱小目标增强算法。首先利用图像背景和目标具有不同频谱振幅的特点,提取红外图像的残留频谱,得到潜在目标显著图;然后利用序列图像的冗余信息,在空间域对目标和背景区域分别采用不同融合规则进行多帧融合。实验表明,该方法能够有效增强红外弱小目标的像素数和总能量,且实时性较好。     

一种红外弱小目标检测方法

提出了一种红外弱小目标检测算法,该算法通过“区域最小化背景模型”,来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的,算法适用于强对比度云层的空背景、目标与背景对比度比较低的空背景,是背景预测算法的一个重要扩展,针对实际红外图像的试验仿真表明,提出的算法是有效的。     

红外弱小目标检测的方法研究

本文研究在红外图像序列中检测运动弱小目标的方法。对传统的差分图像预处理方法进行了分析和改进,提出了利用累积效果和形态学滤波的图像预处理方法,简化了似然比检测阈值分割方法,提出了利用目标质心运动特征的目标提取判决方法。仿真实验表明,该方法能够准确高效地检测出运动弱小目标。     

一种基于Retinex理论的彩色图像增强算法

在分析Retinex理论及其经典算法的基础上,提出一种新的彩色图像增强算法。该方法在保持增强图像高频成分的同时,很好地保留了图像的部分低频成分,并根据Gray World理论,引入动态参数,提高了图像的动态范围。实验结果表明,用所提算法能有效增强彩色图像。     

基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

基于局域灰度概率分布的小目标检测方法

文章将红外图像目标与背景的灰度差转换为局部范围内的灰度概率差,在局域概率分布图像上实现小目标的检测,然后通过多帧累加判决的方式将真实目标从噪声点和伪目标中检测出来,仿真实验表明,该方法能有效检测像素占1~3个的小目标,同时具有良好的实时性能。     

基于形态小波变换的红外图像目标检测方法

文中提出了一种基于形态小波变换的海空背景下受强杂波、噪声污染的红外图像目标 检测算法。算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强的抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR) 为2 的目标,适用于舰载红外警戒系统。     

基于局部二元模式算子的红外弱小目标检测

文中针对在传统红外弱小目标检测中,需要进行背景抑制滤波所带来的图像性质改变和检测速度不理想的问题,提出了一种基于局部二元模式(local binary pattern,LBP)算子的红外弱小目标检测方法.该方法对传统LBP算子进行了改进,使其提取的LBP编码值可以有效地描述红外弱小目标的灰度分布特性,达到了在不进行背景抑制滤波的条件下有效检测弱小目标的目的.结合改进的LBP算子和红外弱小目标灰度的"尖峰"特征,建立了灰度自适应快速扫描机制,有效提高了检测速度,降低了重复告警的出现概率.通过实录红外图像序列检测实验,证明本文方法在检测性能和检测速度方面的有效性和优越性.     

基于Laplace算子和灰色理论的热红外影像边缘检测

由于红外热像仪采集的热红外影像存在大量的噪声、边缘信息模糊难提取,因此,提出了一种基于Laplace算子和灰色关联度相结合的边缘检测方法.该方法首先引进数学形态学对含有噪声的热红外影像进行形态学滤波,然后利用8邻域的Laplace算子作为参考序列,计算参考序列与系统序列之间的关联度得出关联度矩阵,再给定阈值判断是否为边缘点,最后细化影像.基于MATLAB进行仿真实验,结果表明:该算法对具有噪声的热红外影像具有较好的抗噪效果,能检测出传统方法不能提取的边缘细节信息,通过调整阈值可以控制检测的边缘信息量,是一种较好的边缘检测方法.     

基于自适应灰度形态学滤波的车牌图像分割

根据车牌纹理及其几何形状的特点，提出了一种新的基于自适应灰度形态学滤波的车牌图像分割算法。该算法不同于传统的形态滤波过程，结构元素的大小能随车牌图像的不同而进行自适应调整，因而更有效地提取车牌目标区域。实验结果表明，该算法对不同复杂自然环境和不同光照条件有很强的自适应能力，其定位准确率及抗干扰能力较其它传统分析方法有显著提高。     

综合灰度形态学与模糊熵的红外图像区域分割

针对目标与背景有交叠的红外图像分割这一难题,首先对原始红外图像进行灰度形态学校正处理,然后利用模糊熵测度方法对校正后的红外图像进行分割,从而提出了一种综合利用灰度形态学与模糊熵的区域分割方法.与传统的阈值分割方法进行对比实验,结果表明,运用该方法得到的分割图像质量更好.     

基于多尺度Retinex的图像增强算法

针对单景深低对比度图像中有用信息量少,可辨别性低的特点,提出运用多尺度Ret-inex理论对该类图像进行增强.根据单景深图像特点,在多尺度Retinex处理过程中采用平均标准偏差作为尺度参数的基础,设计多尺度参数高斯滤波器与原始图像在空域中进行滤波,最后运用灰度级均匀化对处理后图像进一步增强,结果显示处理效果良好.     

基于不可分加性小波与形态学梯度的图像边缘提取方法

针对传统的图像边缘提取方法只强调图像中的水平和垂直边缘的不足,提出了一种基于不可分加性小波和形态学梯度相结合的图像边缘提取方法。根据二维不可分小波理论构造了低通滤波器,利用它对原图像进行加性小波多尺度分解;对低频子图像求形态学梯度,对增强后的高频子图像取模极大值;将所得梯度图与边缘图作加性小波逆变换,得重构后的边缘梯度图;并利用二值形态学方法对其进行处理,得最终结果边缘图。实验结果表明,本文算法可获得较好的边缘图像,与经典的边缘提取方法相比,该方法具有完整性、多方向性、平移不变性和快速性的特点。