复杂场景中的红外目标图象分割算法

针对复杂场景中的红外目标图象，本文提出了一种基于自适应阈值面的目标图象快速分割算法，文中详细地介绍了算法的设计思想及其实验方法，并给出了实验结果，其实验结果与理论相符。     

一种复杂环境下目标图象的自动分割方法

本文提出一种用于实时图象跟踪的复杂环境下目标图象的自动分割方法,它可根据实际景物的变化适应性地交替使用基于景物复杂性分析的阈值分削和分层聚类分割两种工作方式,并尽可能抑制背景噪声的干扰。实验表明:本文所提方法的分割性能完全可与目前被认为是较为优越的几种实用分割方法相比,而在适应能力和可应用范围上它则明显优于后者,它的计算代价价通常也低于后者。     

一种新的红外目标图像分割算法

提出了一种新的红外图像分割算法,它首先选取最佳阈值范围内的一组边缘点作为种子像素,然后根据灰度相似性判决准则生长出目标区域而完成目标分割。实验结果表明,本文提出的算法可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

过渡区和图象分割

过渡区是实际图象中介于目标和背景之间的特殊区域，本文介绍过渡区的特点和确定过渡区的方法。本文还提出了一种自动基于过渡区的新分割算法，并把该算法与常见的阈值选取算法进行了比较，分析和实验结果表明新算法运算简单并有较强的抗干扰能力。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然 后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

一种快速鲁棒的红外图像分割方法

介绍了一种快速鲁棒的红外图像分割方法,算法是为了满足工程化应用。首先采用Canny边缘检测算子提取图像的边缘像素;然后统计边缘像素灰度值得到红外行人图像的分割阈值,并利用自适应双阈值算法对图像进行初始分割;最后通过边缘扫描对初始分割的图像区域进行边界修正,得到边界更加精确的目标区域。实验结果表明,该方法能够较好地保留行人的边缘信息,减少了区域像素错误分割,且具有较强的实时性。     

复杂环境下的自适应红外目标分割算法

针对现有图像分割算法存在分割效果不佳及耗时长等缺点,提出了一种二维Otsu法红外目标阈值分割算法.根据局部邻域熵引入图像背景因子来对图像进行预分类,并采用最佳阈值与类内与类间方差的归一化处理对图像进行图像分类;最终通过约束阈值的搜索范围,来提高算法的准确性与稳定性.实验结果表明,该方法能够对不同类型的图像进行有效的图像分割同时保持较高的编码效率,与其他算法比较,该算法的图像分割效果及消耗时间具有一定的优势.     

复杂图象序列的自适应目标提取和跟踪方法

本文根据视知觉原理研究了提取和跟踪复杂图象中运动目标的计算模型和算法，分析和检验了改变模型有关参数对图象分割门限的影响。与某些常规算法不同的是，新方法综合考虑了目标一背景条件、视觉非线性、帧间相关性和差异性，目标提取作为一个完整瓣两步过程包括三个准则和一个快速寻优算法，目标跟踪使用二值模板匹配，给出了在可见光图象序列上的实验结果。     

复杂背景下的最大熵阈值红外目标分割算法

为了有效地分割出实际拍摄中的红外目标信号,提出了一种适用于复杂背景下的最大熵阈值红外目标分割算法;该算法根据图像中信号的相关性,对图像的干扰信号的预处理,随后对所得的图像信号进行熵值的求取;接着根据目标与背景信号的分布特性,对所获得的目标信号与背景信号进行深入提纯处理,最终获得更为理想的红外目标信号。实验结果表明,该算法能够在不同背景下始终保持较好的红外目标分割效果,且具有耗时低、清晰度高的分割优势。     

遥感图像中机场目标的图像分割方法

基于遥感图像摄取过程中的特点,在模糊特征域上进行图像增强,然后引用反变换灰度图像中的熵信息进行阈值分割,最后给出了与其它两各熵阈值分割方法的比较实验,定性和定量分析结果证该方法在分割精度和运算速度方面所具有的优势。     

基于小波变换的高分辨SAR港口目标自动分割

根据图像边缘检测的思路 ,在研究SAR图像特性的基础上 ,提出了一种高分辨SAR图像中港口目标的自动分割算法 ,并将小波分析成功地应用在预滤波和去噪以及真伪目标识别上 ,取得了良好的检测效果 .     

一种改进的马尔可夫随机场图象恢复与分割模型

在现有的马尔可夫随机场图象恢复与分割模型中,图象场能量最低组态被看成是原始景物的一种最优估计。但在图象灰度值发生变化的边界上,能量最低组态不对应于原始景物,从而造成恢复(或分割)误差。本文对这类模型作了改进,利用改进的模型给出了一种引入边界信息的松弛算法,并给出了应用该算法对低信噪比图象进行恢复处理的计算机模拟结果。     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

一种新的复杂场景中动目标图像分割的快速算法

一种利用序列图像从复杂背景中分割动目标图像的新算法：首先利用马尔科夫随机场模型和连续线过程建立精确的目标函数，采用并行计算方法计算出速度场，多面手到此为依据实现对目标图像的并行分割。     

复杂背景下扩展目标的分割算法研究

综合利用目标边缘、区域和纹理等多种特征，提出一种新的复杂背景下扩展目标的分割算法。在基于知识的串行边界初分割基础上，运用一种 新的分形分割方法抑制初分割图像中的自然背景团块，最后利用数学形态运算消除背景粘连。实验结果表明该方法能够有效的分割复杂背景下的扩展目标，并能较好地保留目标的形状特征。     

使用高效的c均值聚类算法的图象阈值化方法

Otsu(1979)的阈值化法被认为是一种良好的图象分割方法。本文提出一个适合图象分割的高效的c均值聚类算法。它与Otsu法有完全相同的分割结果,但计算时间约减少了一个数量级。     

地面复杂背景下自适应聚类分割方法

语文中研究了一些自动门限法的特点，分析其对复杂背景下低反差的小目标图像分割失败的原因，提出了一种新的选取局部门限的方法。该方法先对整幅图像用聚类准则分割，然后计算分割得到的区域的信息量，看是否满足定义的门限，对不满足的区域继续分割，直到所有的被分割区域都满足条件或是分割结果不再变化。实验结果表明，该方法具有从低反差图像中抽取小目标的优良性能。     

运动目标和背景的自动分割

本文提出一种固定背景下的运动目标自动分割技术．首先,提出了一种新的运动变化检测方案．然后利用递归高阶统计的方法从高斯噪声中提取运动变化．同传统的高阶统计方法相比,递归高阶统计由于利用前ｎ 帧的图像信息,所以能够更有效地抑制噪声,检测小目标,并且分割效果较好．