远程小目标图像特征精准匹配方法研究与仿真

研究远程图像中小目标区域的准确匹配问题.远程采集的图像中目标过小,像素与周围环境排列过于紧密,背景灰度值与目标灰度值非常相近,像素特征很难通过阀值与背景完整分割.传统的灰度图像小目标匹配的方法,当图像中的像素特征高度重合的情况下,会导致图像特征局部模糊,特征匹配的准确性不高.提出一种低频像素排序和高斯金字塔分解的弱小目标匹配方法,通过提取出图像中的像素频率信息,并对其进行排序,利用高斯金字塔分解结果将图像中的目标细化,并依此完成准确匹配.实验证明,改进的匹配方法能够准确匹配图像小目标区域,可为图像匹配优化提供参考.     

一种基于相关特征匹配的移动目标检测方法

提出了一种在变化背景中利用相关特征匹配来检测移动目标的方法,该方法利用图像的灰度均值及灰度均方差作为自适应阈值过滤原图像,将图像中的目标物分离;提取特征并将特征参数化,利用特征参数欧式距离检测目标;通过检测连续多帧图像,对图像中非移动目标进行过滤,最终得到移动目标。该方法与相关系数法检测移动目标的方法相比减少了计算量,并且相邻图像中存在部分相同背景的情况不影响检测结果。实验结果证明,该方法能在变化背景图像中有效地检测到运动目标。     

基于温度场一致性的红外目标移植方法

针对红外背景与目标建模难度较大等问题,提出了基于温度场一致性将真实红外目标图像移植到红外背景图像的方法。首先,根据目标图像与背景图像灰度反演目标与目标周围背景以及需植入目标的新背景的辐亮度,并根据辐亮度计算目标与背景的黑体等效温度。利用温度关系,计算出目标在新背景下的温度,进而求出目标在新背景下的像素灰度值。考虑到目标边缘与周围环境的相互辐射影响,通过卷积过程融合目标边缘与背景像素点。采用高斯核矩阵来模糊目标与背景边缘像素。相关实验结果证明,该方法可有效移植目标,移植后的图像清晰度较高,纹理信息保留程度较好,而且是基于温度场的融合方法,比较真实可靠。该研究有望从一个新的角度完成目标移植。     

基于多特征协方差矩阵的图像匹配算法

针对灰度及红外图像的匹配过程中经常出现的一些问题,如缺乏丰富的目标特征、易遭受复杂背景及噪声等外界因素干扰、目标出现放大缩小或偏转等,抽取目标图像的梯度幅值与方向,腐蚀与膨胀以及信息熵等特征,通过协方差矩阵将其融合在一起,构成新的特征模型.通过全图遍历求取矩阵间相似度距离的方法找到最佳匹配重心,将新方法与其它3种已有的匹配方法进行了对比说明.实验结果表明:在灰度图像匹配时新方法准确率高、鲁棒性好,同时也可以应用于红外图像中,满足了在一些条件下提高匹配准确度的要求.     

运动目标检测的红外与可见光图像融合方法

在弱可见光条件下,对同一场景监控的红外与可见光图像进行融合,使融合图像即显示红外目标,又能保留可见光图像的细节结构信息,方便观察者对场景的观察与监控。充分利用红外成像的特点,热目标与背景的温度差会使目标在红外图像中的灰度值更大。使用红外序列建立稳定的背景模型,当前帧与背景的差得到运动目标区域,然后,将目标区域内的红外目标融合到可见光图像中,达到对红外运动目标检测的目的。     

一种基于图像灰度的红外目标识别算法

针对红外图像背景复杂、识别率不高的问题,提出了一种新的基于图像灰度的红外目标识别方法.首先在形态学理论的基础上设计了一种多级形态学目标检测算子,并结合区域生长法检测目标区域;其次在候选目标区域的基础上引入sigmoid函数进行区域筛选,缩小了下一步目标搜索范围,并利用Haar小波方法从区域纹理入手,综合考虑了目标区域及其周边8方向邻域的相似性关系,明确了图像目标识别中对红外实时图目标的提取;最后运用目标模板的先验知识进行目标识别.实验结果表明,该算法的目标识别率相对于模板匹配算法和otsu阈值检测算法得到了极大提高,对于复杂地面红外图像目标的匹配识别具有一定应用价值.     

基于相似性滤波的红外小目标检测

针对天空红外图像的特点,利用背景像素点和目标像素点的灰度值在空间分布上与其邻域像素灰度值之间的差异,提出相似性滤波的方法,相似性滤波的方法,算法简单,图像中的背景干扰能够被极大抑制,图像中点目标的对比度和图像的信噪比被显著提高。为减小噪声影响,一种自适应的噪声处理方法被给出,它对图像中的高斯噪声和脉冲噪声分别处理,在提高去噪效果的同时保留了图像的边缘信息。仿真结果表明提出的算法对红外点目标的背景具有极好的抑制能力。     

基于完备格的重构滤波器在红外图像目标检测中的应用

对红外图像中的目标进行检测和跟踪是精确制导武器中非常困难的也是急需解决的难点之一,针对红外图像的特点,提出了一种新的用于红外图像序列弱小目标检测和跟踪的处理方法,并首先探讨了完备格下的图像连通性,其重构滤波器具有简化图像,并能保证轮廓完整的特性。该新方法包括帧内处理和帧间处理,其中帧内处理使用灰度级重构tophat滤波器实现背景去除和图像简化,再结合目标的灰度、形状、面积信息完成图像分割;帧间处理使用目标的空间、时间运动信息实现序列的目标检测和跟踪。仿真实验结果表明,这种方法在检测和跟踪红外图像中的弱小目标时,具有有效性和鲁棒性。     

基于邻域灰度信息的Hausdorff距离图像匹配方法

针对可见光与红外图像由于成像机理不同引起的图像灰度值差异大、边缘轮廓不一致、传统基于灰度和基于特征的匹配方法匹配概率不高等问题,在分析了各种Hausdorff距离算法的前提下,引入可见光与红外图像的灰度信息,提出一种基于邻域灰度信息Hausdorff距离的图像匹配方法。该方法在计算图像边缘特征点相似性的基础上,增加了邻域归一化灰度方差计算,有效解决了由于边缘差异引起的Hausdorff距离算法对可见光/红外图像匹配概率不高的问题。经可见光与红外图像匹配的仿真实验表明,在各种条件下,该算法与传统Hausdorff距离算法相比,有效提高了在不同光照下图像的匹配效率以及对噪声的抗干扰性能。     

基于区域合并的灰度图像目标分离

针对背景模糊的灰度图像中目标物体往往难以分离出来的问题,文章采用基于区域生长的形态学分水岭算法获得模糊图像中的物体边界,然后针对分水岭变换后所获得的子区域的灰度值参数及所处位置特性,将每个子区域类比成3D地图表面的一块平原,采用类似山地斜坡平滑的思想将子区域逐渐合并,最终将目标从灰度图像中分离出来。实验表明该算法能准确的将较为模糊的灰度图像中的目标和背景分离。     

基于兴趣域检测的空间金字塔匹配图像分类

在图像分类过程中,一个图像区域内起着决定性作用的对象位置和大小都不确定,直接使用空间金字塔匹配算法的分类准确率并不高。为此,提出了一种基于兴趣域检测的空间金字塔匹配方法可以有效改善分类准确率。首先利用检测器得到的定位结果,证实了在图像分类里使用一种主流的目标检测算法去将图像的目标和背景分离,分别得到前景和背景的可行性,然后使用粗目标对齐方式匹配,为这两个区域分别构建基于空间金字塔匹配算法的空间特征直方图,最后结合检测器提供的兴趣域检测评分与支持向量机提供的评分为分类结果重评分。实验结果表明,所提方法比使用标准的空间金字塔匹配算法得到的平均准确度均值提升超过12%,同时在与三种主流算法的对比中,所提方法平均准确度均值最高,并且在超过一半的图像类别中获得了最高的平均准确度。     

基于高斯背景模型的红外人体运动目标检测技术

针对红外监控中人体运动目标的空洞和拖尾问题,提出了一种基于高斯模型的运动目标检测方法。首先,介绍了红外图像的预处理;其次通过与其他经典的人体运动目标检测算法比较与综合,引入高斯模型,建立背景图像的自适应模型。该种模型主要使用了拟合修正的方法处理了红外监控背景图像中的差分信息,过滤图像中的噪声等相关外部环境干扰因素,从而更新红外图像中的背景信息,提高了红外监控系统图像中人体运动目标的检测清晰度,并进一步提高了红外监控图像的精度。同时,还对该方法进行了必要的仿真实验。仿真结果表明,提出的方法可以准确地检测红外监控图像中的人体运动目标,较好地避免了人体运动速度过快或过慢所产生的拖尾或空洞现象。     

基于可变模型的目标实时跟踪

为了在图像序列中实现目标的快速定位和实时跟踪,该文提出了一种基于可变模型的快速目标跟踪算法,在已知模型条件下,利用区域模型相关匹配的思想对目标模型进行实时更新,充分利用目标莲续运动过程中目标形状在两个连续帧中变化不大、相邻两帧中目标的速度和位移变化不大的特点,以当前帧目标模型作为下一帧的先验模型;综合运用模型梯度信息、运动信息和模型区域特征匹配的方法来跟踪目标。由于算法综合考虑了目标模型的区域信息和轮廓信息,因此对背景干扰不太敏感。在头部跟踪实验过程中,该文算法跟踪移动目标的实时性和准确性比较好,抗干扰能力较强,基本上可以满足鲁棒性和快速性的要求。     

Fractional Stereo Matching Using Expectation-Maximization

In our fractional stereo matching problem, a foreground object with a fractional boundary is blended with a background scene using unknown transparencies. Due to the spatially varying disparities in different layers, one foreground pixel may be blended with different background pixels in stereo images, making the color constancy commonly assumed in traditional stereo matching not hold any more. To tackle this problem, in this paper, we introduce a probabilistic framework constraining the matching of pixel colors, disparities, and alpha values in different layers, and propose an automatic optimization method to solve a maximizing a posterior (MAP) problem using expectation-maximization (EM), given only a short-baseline stereo input image pair. Our method encodes the effect of background occlusion by layer blending without requiring a special detection process. The alpha computation process in our unified framework can be regarded as a new approach by natural image matting, which handles appropriately the situation when the background color is similar to that of the foreground object. We demonstrate the efficacy of our method by experimenting with challenging stereo images and making comparisons with state-of-the-art methods.     

工业环境中运动目标检测的模糊自适应高斯背景模型方法

根据工业环境中成像环境差、图像模糊的特点，提出了一种对运动目标检测的模糊自适应高斯背景模型。首先建立3种主要背景状态下的模糊高斯背景模型；为了减少在线检测过程中的运算量，选择背景图像中一些独立、相对静止区域代替背景图像；最后用模糊识别的方法选择出合适的高斯背景模型。该算法不仅能够自适应环境的变化对背景图像的影响，而且满足实际生产过程中在线检测的要求。     

一种基于背景差分法的非法侵入监测

使用迭代的方法对背景进行及时更新,采用改进的背景差分法,用Otsu's法计算最佳分割阈值,从而实现运动目标的准确提取.实验表明,该方法能够从背景不变的图像序列中较好地提取出运动目标,具有较强的鲁棒性.     

一种基于前景与背景划分的区域图像检索方法及实现

区域图像检索(RBIR)是基于内容图像检索(CBIR)的一个分支,它以图像分割为基础,通过图像局部视觉特征的相似性进行图像检索。由于准确的图像分割技术尚不成熟,区域图像检索性能容易受到冗余分割和错误分割的影响。为了降低RBIR中图像分割的影响,提出了一种基于前景和背景划分的区域图像检索方法。该方法通过规则分块、图像分类和有效区域定位来得到图像分割区域,然后应用中心对象提取算法(COEA)获得图像主体对象,最后提取颜色和纹理特征进行相似度匹配。实现了一个基于上述方法的RBIR系统ObFind,实验结果表明该方法不仅具有与SIMPLIcity相当的检索性能,而且计算复杂度更低。     

一种新的基于背景的红外图像分割方法

针对红外图像中目标周围的背景往往比较均匀的特点,文中提出了一种基于背景区域的目标提取方法.首先利用局部熵信息检测到目标的位置,并在此基础上获得一个包含目标的感兴趣区域,最后通过基于直方图搜索的区域增长法来提取感兴趣区域中的背景部分,从而有效地将背景和目标进行了分割,实现了目标完整提取的目的.由于是在感兴趣区域进行提取而且对直方图进行搜索,克服了区域增长法计算量大的缺陷.试验结果证明,该方法能有效且完整地提取目标.     

一种平移旋转图像的角点匹配方法

在图像角点匹配过程中,目标图像往往存在平移旋转现象,直接影响匹配效果,为此提出了一种平移旋转图像的角点匹配方法。该方法首先利用角点检测生成自相关矩阵的梯度信息与仿射变换相结合,构造确定性退火算法中的自由能函数,然后对该自由能函数进行优化,获取待匹配角点间的仿射变换参数,最后利用该变换参数实现角点匹配。实验结果表明,该方法能够在目标图像发生平移旋转的情况下,有效实现角点匹配。