基于Rényi熵的显著图生成与目标探测(2009-0316重投稿)

复杂的地面场景在很大程度上影响了自动目标检测的效果。分析了地面场景图像经采用二维加窗的伪Wigner-Ville分布（PWVD）后,归一化的Rényi熵与其出现概率间存在基于e指数的统计特性,以及人造目标的出现会引起地面场景中Rényi熵统计特性的变化。提出了一种新的基于Rényi熵的显著图生成和目标探测方法。对Renyi熵图像进行均值滤波,滤波前后的图像相减得到熵残余图像,并经过高斯滤波获得显著图。最终通过简便的阈值分割,完成目标探测。实验结果表明,本文提出的方法能够有效地检测复杂地面背景中的军事目标,在8幅不同场景共计14个目标的实验中,本文算法的探测概率为100%,虚警概率不大于7.1%。     

基于Rényi熵的互补尺度空间关键点医学图像配准

针对医学图像配准对鲁棒性强、准确性高和速度快的要求,本文提出一种基于Rényi熵的互补尺度空间关键点配准算法。该算法首先从图像上提取Harris-Laplace(HL)和Laplacian of Gaussian(LoG)两种互补的尺度空间关键点,然后将关键点对应的灰度信息融入到联合Rényi熵中,最后使用最小生成树来估计联合Rényi熵。新算法结合了互补关键点的鲁棒性,和最小生成树估计Rényi熵的高效性。实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有较强的鲁棒性和较快的速度。     

基于Rényi熵的不确定可靠性及其功能优化算法模型研究

产品研发过程中功能优化是一个复杂系统，往往存在大量随机且不确定性因素。不确定可靠性是解决这类问题的一个重要数学工具。引入人工智能机器学习中Rényi熵，构建基于Rényi熵的不确定可靠性产品功能优化模型及自动化计算方法。通过产品功能需求分析、认知集合转换、Rényi熵可信度分配与合成等过程，自动化迭代计算出优选功能组合。以应急救援产品为例，计算结果表明，产品功能优化算法模型能够有效抑制不确定性因素扰动，获取最优解组合，提高产品设计效率及准确性。     

视觉显著目标的自适应分割

基于视觉注意模型和最大熵分割算法,提出了一种自适应显著目标分割方法来分离目标和复杂背景,以便快速准确地从场景图像中检测出显著目标。首先,通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图;通过引入局部能量通道来更好地描述了显著目标的轮廓。然后,根据显著图中像素灰度的强弱构建不同的目标检测蒙板,将每个蒙板作用于原图像作为预分割的结果,再计算每个预分割图像的熵。最后,利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明：本文算法检测的显著目标更为完整,分割性能F-measure达到0.56,查全率和查准率分别为0.69和0.41,相对于传统方法更为有效准确,实现了在复杂背景下对显著目标的有效准确检测。     

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...     

红外偏振舰船目标自适应尺度局部对比度检测

针对海天场景复杂干扰情况下多尺度检测红外偏振图像中舰船目标困难的问题,本文提出一种基于引导滤波和自适应尺度局部对比度的舰船目标检测方法。首先将强度信息作为引导信息对红外偏振图像利用引导滤波,得到目标背景对比度、局部信噪比更高的融合图像;然后基于融合图像显著的海天线垂直梯度特征,提出一种检测海天线方法,再对融合图像进行海天线加权抑制海杂波干扰;最后基于单尺度局部对比度算法与舰船目标比例特征,提出自适应尺度局部对比度方法,当尺度与目标匹配时响应最大,通过不同尺度对目标的响应结果确定最大尺度,得到舰船目标检测结果。实验结果表明,引导滤波融合方法的提高图像的目标背景对比度和局部信杂比,与典型检测方法对比,本文方法能够有效抑制干扰并能够检测海天场景不同尺度舰船目标,具有较高的鲁棒性和准确性,检测率、虚警率分别为95.0%,3.5%,为红外偏振图像目标检测提供了新的方法。     

基于光子计数激光雷达的时域去噪

激光雷达传统的成像方法需要经过长时间积分探测生成光子计数统计直方图的方式来减少背景噪声的影响,获得目标场景的深度估计信息。为了快速准确地获取目标场景的3D图像,提出基于光子计数激光雷达的三维距离图像时域去噪算法。该算法不需要生成光子计数统计直方图,利用信号和噪声在时间轴上不同的分布特性,结合了泊松过程统计规律。此算法提高了信号的探测概率,能够在低信噪比的环境下将信号和噪声分离,获得目标场景准确的3D图像。实验结果表明在低信噪比的条件下,此算法获得深度图像的RMSE与传统基于最大似然估计成像方法相比成像精度至少提高了3倍。有利于激光雷达三维成像在高背景噪声环境下的使用,拓宽了激光雷达的应用范围。     

基于快速背景差分的高速铁路异物侵入检测算法

随着我国高速铁路通车里程不断增加,高速铁路的运营安全备受关注,异物侵入铁路限界对运营安全危害极大,有效检测侵入线路净空的异物对保障高速铁路安全运营具有重要意义。铁路场景环境光线多变和图像通道众多的特点对基于图像的异物检测方法的处理效果和实时性提出了较高的要求。针对铁路场景抖动发生在垂直方向的特点,提出了一维灰度投影结合高斯滤波的图像快速去抖方法,在大幅提高处理速度的同时获得了较好的去抖效果;针对复杂多变的背景,提出了一种基于前景目标统计分布的背景更新算法,定义了目标分散指数用于确定行列投影次序,通过统计前景目标分布实现背景更新,在提高速度的同时解决了传统背景更新算法难以解决的鬼影问题。最后通过背景差分获取前景目标,并通过目标标记、合并与特性分析提高目标检测的准确性。沪宁城际高速铁路典型场景的现场实验表明,该算法能有效检出铁路场景侵限目标,系统综合误检率约为0.54%,漏检率为0。     

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

基于快速递推模糊2-划分熵图割的红外图像分割

考虑现有图割算法没有充分考虑红外图像的模糊特性,分割精度和运行效率低的缺点,提出了基于快速递推模糊2-划分熵图割的红外图像分割算法以实现复杂背景下红外图像的自动高效分割。该方法利用图像感兴趣区域的最大模糊熵信息设计图割能量函数的似然能,基于局部最大模糊2-划分熵值迭代检测出包含图像最大信息的感兴趣区域来确保提取目标信息的完整性。为了提高最大模糊熵寻优的效率,引入时间复杂度为O(n2)的递推算法,将模糊熵计算转化为递推过程,并保存所有递推的熵函数值用于后续的穷举寻优。针对确定的感兴趣区域,利用该区域最大模糊2-划分时隶属度函数分布设置图割能量函数的似然能,从而充分考虑图像的模糊特性。对分割结果与几种常用的算法进行了视觉比较及运行时间,错分率,F指标的量化分析。结果表明:该算法分割精度F值高达95%,运行时间较其他常用算法至少缩短了72%,基本满足自动红外图像分割对精度、效率和鲁棒性的要求。     

结合多尺度视觉显著性的舰船目标检测

光学遥感图像海面舰船目标检测易受云雾,海岛,海杂波等复杂背景的干扰。本文提出了一种适用于复杂背景的舰船目标检测方法。首先为了克服目标尺度多变问题,利用视觉显著性生成多尺度显著图,然后使用基尼指数自适应选择最优显著图。考虑到全局阈值分割算法带来的漏检测问题,提出一种新的方案来分离目标和背景像素点。利用图像膨胀原理获取显著图的局部极大值点,然后使用k-means算法判断极大值点属于目标像素点还是背景像素点。接着对目标点邻近区域进行精细分割。最后引入基于径向梯度变换的旋转不变特征来进一步剔除虚警。实验结果表明,该算法能够成功检测出不同尺寸和方向的舰船目标,有效克服复杂背景的干扰。算法检测正确率93%,虚警率4%,优于其他舰船检测方法。     

基于区域模糊阈值的前视红外目标识别

针对用前视红外( FLIR)目标法识别复杂地面时,存在无直接可用基准图、背景干扰严重、目标与背景灰度差异小等问题,提出了一种基于区域模糊阈值的目标识别方法.首先,在建立多尺度空间的基础上,设计多阈值算法,生成显著图;其次,引入基于图像模糊率的区域模糊阈值方法,改进Itti模型,构建候选目标筛选模型;最后,对检测结果运用...     

基于混合图上随机游走的视觉注意显著目标检测模型

目前的视觉显著性检测算法,主要依赖像素间的对比,缺乏从全局角度对显著目标进行分析理解。根据生物视觉注意机制,显著目标通常是显眼、紧凑和完整的,提出一种基于混合图上随机游走的显著目标检测算法,将视觉显著性检测公式化为马尔科夫随机游走问题。首先将输入图像进行分块,利用颜色特征距离和方向的空间分布和方向熵对比分别确定无向图和有向图的边权重,进而得到混合图;然后通过全连通图搜索提取全局特性,突出全局较孤立的区域;同时通过k-regular图搜索提取局部特性,增强局部较均匀的区域;最后结合全局特性和局部特性得到输入图像的显著图,从而确定感兴趣区域位置。实验结果表明,相比于其他两种具有代表性的算法,所提算法检测结果更加准确、合理,证明该方法合理可行。     

频域时空图像测速法的图像滤波器敏感性分析

时空图像测速法是以河流表面图像中测速线为分析区域、通过检测合成时空图像的纹理主方向计算得到一维时均流速的测量方法,具有空间分辨率高、实时性强的特点。在实际应用中纹理主方向的检测精度难免会受到水面紊流、倒影、耀光、障碍物、降雨等环境扰动的影响,导致测量出现粗大误差。频域滤波技术是一种抑制噪声的有效方法,能显著提高时空图像的纹理清晰度。但现有研究在滤波器参数的敏感性分析方面存在不足,使得该方法的适用性受限。对此通过在水文站搭建在线视频测流系统采集了不同条件的河流水面视频数据,分析了6种典型场景下时空图像的空域及频域特性,进而开展了频域扇形滤波器方向角、通带夹角及半径参数的敏感性分析实验。实验结果表明：采用提出的椭圆形积分区域检测方向角优于现有的单像素宽直线;当设置通带夹角为±5.3°且半径为R/2时,滤波器在上述场景下均能有效地滤除噪声干扰。使得时空图像纹理主方向的检测精度在正常场景下达到0.1°,在复杂含噪场景下控制在0.5°以内,表面流速测量的相对误差小于6.2%。     

基于属性关系图优化匹配的多运动目标跟踪

针对复杂监控场景中往往无法准确检测前景目标,导致难以有效跟踪目标的问题,提出了一种基于属性关系图优化匹配的多运动目标跟踪方法,将目标跟踪问题转化为前景目标跟踪标记的优化问题,实现多运动目标跟踪.将前景区域按颜色、空间特征一致性划分为多个碎片;采用属性关系图描述目标模型,分析计算出属性关系图外观模型的属性相似度;提出通过概率松弛法计算目标函数并采用遗传算法进行优化匹配,得到前景碎片最优的跟踪标记,从而完成多目标跟踪.在多个监控视频上的实验结果表明,本方法能大大提高跟踪性能,实现复杂监控场景中的多目标跟踪.     

基于双树复数小波和SVR的红外小目标检测

在分析红外图像弱小目标和背景特征的基础上,提出了基于双树复数小波变换(dual-tree complex wavelet transform,DT-CWT)和支持向量回归(support vectorr egression,SVR)的检测方法。首先采用双树复数小波变换抑制大部分背景噪声;其次用SVR对去噪后的红外图像进行背景预测,并用去噪后的实际图像减去预测图像得到残差图像,大大提高了图像的信噪比;接着提出了基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法,对残差图像进行阈值分割;最后根据目标的连续性和运动轨迹的一致性检测出真实的小目标。实验结果表明:该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测。     

基于对象性和多层线性模型的协同显著性检测

针对背景环境复杂的图像组中协同显著性检测的共显性目标混乱不一致、准确率低的问题,提出了一种基于对象性和多层线性模型的图像协同显著性检测方法。首先通过显著性先验和对象性概率加权的背景引导因子BGO计算图像间显著性引导传播的显著值;然后设计了一种局部区域特征计算图像内显著值,并使用图像的hu矩的零、一阶和二阶矩对两阶段显著值进行整合;最后通过多层线性模型自适应地融合各个显著图得到最终结果。实验结果表明:本文算法分别在iCoseg和MSRC两个数据集上的平均精度达到了87.80%和83.50%,在其它实验指标上的评估结果也有明显提高,增强了算法的适应能力。     

低 SNR 场景下微型无人机跟踪-检测融合方法

针对低信噪比(SNR)场景下微型无人机探测难题,本文提出了一种基于序贯蒙特卡罗-检测前跟踪(SMC-TBD)的多输入多输出雷达目标跟踪-检测融合方法。区别于跟踪和检测过程相互独立的传统方法,本文方法直接利用三维傅里叶变换后未经阈值处理的雷达原始数据,通过SMC方法计算目标累积存在概率,在实现微型无人机连续检测的同时,完成目标轨迹的高精度跟踪。本文方法的创新在于通过融合检测和跟踪过程,实现了时间-距离-多普勒-方位域目标能量累积,提高了低SNR场景下微型无人机探测性能。实验结果表明,本文方法在SNR低于-20 dB时,微型无人机跟踪性能才逐渐恶化,相比于雷达量测、扩展卡尔曼滤波和粒子滤波提升了约8 dB。     

基于视觉系统分层的小目标运动检测

为了提升对光学遥感图像中弱小运动目标的检测能力,提出一种基于鹰眼视网膜视觉系统层次结构的运动检测方法。首先,基于鹰眼视网膜的分层特性,结合各层主体细胞的生理结构与功能,构建各层相应的滤波器,抑制背景微位移和杂散噪声;然后,在Reichardt运动检测模型的基础上增加时域高通滤波与ON-OFF双通道滤波来估计目标运动矢量,这样不仅能克服传统Reichardt运动检测器对阶跃边界响应复杂,而且能有效增强运动检测的敏感性;最后利用高级视觉神经系统的分层特点,以空域相似度大小为基准进行多尺度映射与运动矢量显著图融合,构建多尺度处理精细检测运动特征。试验结果表明,本文算法的平均信杂比改善为56.20dB,正确率为99.71%,综合评价指标F1值为3.63e-02,相较于传统Reichardt模型的F1值提升了27.82%。本文方法较传统运动检测算法不仅能提高复杂背景的干扰抑制性能,而且能显著提升小目标小位移的检测能力。     

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。