一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

红外图像的自适应混合双边滤波算法

针对红外图像中的混合噪声,提出了一种自适应混合双边滤波算法。首先对双边滤波原理进行了分析,提出不能滤除强高斯噪声和脉冲噪声是由于双边滤波引入灰度域权值而带来的固有不足,因此根据双边滤波算法的特点设置了一种像素间的相似度,并以该相似度为基础将双边滤波不能滤除的强噪声点进行了标记,仅对红外图像中标记出的强噪声点进行中值滤波以减少图像模糊,对普通噪声点采用灰度方差自适应双边滤波以保留更多边缘特征。自适应混合双边滤波能够有效滤除红外图像中的高斯噪声、脉冲噪声以及由其组成的混合噪声,同时在滤波过程中并不降低双边滤波保留红外图像边缘特征的性能。仿真实验结果表明,与传统双边滤波、改进的双边滤波以及各项异性扩散-中值滤波算法相比,该算法无论是滤除红外图像的混合噪声还是保留边缘特征都较为优越。     

基于混合滤波算法的数字图像去噪方法研究

双边滤波已广泛应用于数字图像处理领域,但在图像的高梯度区域,双边滤波会产生阶梯效应。双边滤波是局部模式滤波的一种特殊形式,提出了基于高斯滤波和双边滤波的混合图像去噪方法。利用高斯滤波器对噪声图像进行滤波,得到参考图像,将参考图像和噪声图像作为范围核函数的输入双边滤波器。参考图像提供图像的低频信息,噪声图像提供图像的高频信息。与传统双边滤波法比较,混合去噪方法能够有效地克服阶梯效应,滤波后的图像更平滑,纹理特征更接近原始图像,可获得更高的峰值信噪比。     

基于多特征信息融合粒子滤波的红外目标跟踪

多特征信息有较好的检测性能和适应性,而粒子滤波则是一种处理目标跟踪模型的非线性和非高斯特点的有效方法,将两者优点结合并针对红外图像特点,提出一种基于多特征信息融合的跟踪算法,该方法按一定的权值系数利用目标颜色和纹理特征构建模型,并融合于粒子滤波框架中。实验表明该跟踪方法能准确地跟踪海上红外运动目标。     

基于区域定位与轮廓分割的红外目标检测

红外图像受随机噪声干扰严重.传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响,不易准确辨识.为了准确识别红外目标,采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法.首先利用高斯混合模型定位红外目标区域的位置,然后利用基于空间信息的分水岭算法得到闭合区域,再利用基于脉冲耦合神经网络的分割算法剪切其虚影,最终检测到完整的运动目标.结果表明,该方法能够消除在传统方法中产生的虚影现象,得到精确的红外运动目标.通过比较,实验结果优于传统方法.     

基于改进双边滤波的多尺度运动目标检测方法

提出一种基于改进双边滤波的运动多尺度目标检测方法,以提高对弱小目标的检测能力。首先对视频或序列红外图像进行改进双边滤波处理,提高目标的对比度,同时抑制背景的边缘噪声及随机噪声。然后对目标进行三维匹配滤波,获得若干组速度匹配叠加强度图像。最后,在这些图像中进行基于NNLoG(归一化负LoG算子)的多尺度目标检测,得到序列图像或视频段的最佳匹配速度及增强后的图像。可最终计算出目标在序列图像或视频中的运动方程。通过大量的实验及对比实验可知,改进双边滤波、三维匹配滤波及NNLoG算子综合处理效果都较好,可有效检测序列图像或视频中的目标。     

基于改进Canny算子的图像边缘检测方法

针对传统Canny边缘检测算法采用高斯滤波处理图像不能有效消除椒盐噪声的问题,提出改进Canny算子用于检测图像边缘.首先利用双滤波设计-融合自适应模糊中值滤波和双边滤波去除图像椒盐噪声,降低图像噪声同时保证图像边缘.然后在研究过程中遇到边缘检测人工阈值选取自适应不足的问题,采用最大类间方差(Otsu)算法计算得到高低...     

基于OpenCV的社保卡号码识别算法的研究

为了快速识别社保卡号码,在识别过程中运用到图像的预处理、图像分割,图像二值化,采用简单平滑处理、中值滤波、高斯滤波和双边滤波四种方法对图像进行去噪,提出了一种基于字符结构特征进行字符的识别算法,实现了对社保卡号码快速准确的识别.整个系统用Vsiual C＋＋6.0和OpenCV开发.     

一种基于纹理和颜色的粒子滤波目标跟踪方法

针对基于颜色的粒子滤波跟踪方法在复杂背景下会导致跟踪失败的问题,提出了一种基于局部二值模式纹理和颜色特征的粒子滤波目标跟踪方法。颜色直方图是对目标在彩色图像中的全局描述,而局部二值模式纹理包含了灰度图像中局部邻近区域的纹理信息,两者可以互为补充。因此同时用颜色直方图和局部二值模式纹理直方图描述目标,在粒子滤波框架下将目标颜色和局部二值模式纹理有机结合起来。实验结果表明,该算法不仅提高了跟踪精度,而且具有较强的稳健性。     

基于多特征融合的运动目标检测

提高目标检测算法在复杂场景下的检测鲁棒性是目前计算机视觉领域的一个重点、难点问题。传统的运动目标检测都是基于目标的单一特征,提出一种融合颜色特征和纹理特征的背景建模方法,并将其运用于运动目标检测。首先对基于颜色的高斯混合模型加以改进,减少了传统高斯混合模型的计算量,然后将高斯混合模型与LBP纹理模型用D-S证据理论进行融合。实验结果表明,两个特征的融合有很好的互补作用,并且能够实时、准确地检测出运动目标。     

Nonlinear Gaussian filtering approach for object segmentation

Gaussian filter kernels can be used to smooth textures for image segmentation. In so-called anisotropic diffusion techniques, the smoothing process is adapted according to the edge direction to preserve the edges. However, the segment borders obtained with this approach do not necessarily coincide with physical object contours, especially in the case of textured objects. A novel segmentation technique involving weighted Gaussian filtering is introduced. The extraction of true object masks is performed by smoothing edges due to texture and preserving true object borders. In this process, additional features such as disparity or motion are taken into account. The method presented has been successfully applied in the context of object segmentation to natural scenes and object-based disparity estimation for stereoscopic applications     

基于红外目标特征提取的图像融合方法

为有效突出红外目标,同时尽可能多地保留可见光图像中的纹理细节信息,使得最终的融合图像更符合人类视觉感知效果,本文提出一种新的基于红外目标特征提取的红外与可见光图像融合方法。首先,利用高斯滤波器将源图像分解为粗略尺度信息和边缘纹理细节信息;对红外图像的边缘纹理细节信息进行去“光晕”分解,在此基础上进一步利用OTSU多阈值分割算法将红外图像分割为目标区域、过渡区域和背景区域;最后,依据分割结果确定各分解子信息的融合权重,以有效地将红外目标信息注入到可见光图像中,同时尽可能多地保留可见光图像中重要的场景细节信息。实验结果表明,本文方法无论从主观视觉还是客观评价指标上,都要优于目前常用的有代表性的图像融合方法。      

基于能量梯度场映射关系的红外图像分割方法

为了解决红外图像在图像配准中对比度低、背景复杂、红外目标受噪声干扰严重、传统分割方法易产生过分割或欠分割的问题,提出了一种基于改进的脉冲耦合神经网络(PCNN)和形态学方法的红外图像分割算法。首先根据图像能量分布情况提取纹理图像,将纹理图像通过PCNN进行分割,PCNN的链接强度根据区域能量在梯度场的变化自适应设定;由于PCNN的点火位置集中于红外目标部分,通过点火映射图可以得到连贯清晰的红外目标轮廓;再通过形态学方法滤除背景干扰。结果表明,该方法能够精确分割红外图像,分割结果优于传统方法。     

基于自适应阈值分割改进Canny算子的管道边缘检测方法研究

针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差 (OTSU)阈值分割算 法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。     

基于改进的2-D Otsu方法和YCgCr空间的肤色分割

为了弥补基于固定阈值的肤色分割方法存在的缺陷,在对多种彩色空间和肤色模型进行分析的基础上,提出采用改进的2-D Otsu方法和YCgCr彩色空间进行肤色分割。首先将光照补偿之后的肤色样本图像从RGB彩色空间转换到YCgCr彩色空间,并利用样本图像上的179221个肤色点建立2维高斯模型;进而将待分割的图像进行光照补偿并转换到YCgCr彩色空间,利用已经建立的高斯模型计算图像的肤色相似度,得到肤色相似度图像;最后,结合像素的空间邻域信息,使用改进的2-D Otsu方法对肤色相似度图像进行2值化处理。对这种方法进行了理论分析和实验验证。结果表明,该肤色分割算法有效地克服了使用固定阈值法进行图像分割时缺乏针对性和抗噪性的缺陷,该算法是可行的。     

基于层次聚类的多颜色空间融合分割方法

针对自然图像分割中,由于单一的颜色空间难以表示复杂多变的场景信息以及目标与背景的低对比度等产生的过分割和误分割问题,提出了选择RGB、XYZ和LUV这3个颜色空间的增强图像进行基于层次聚类的融合分割的新方法.对Berkeley分割图像库中的多幅图像进行了多组分割实验,并与Mean-shift等多种经典分割方法进行了定性...     

Infrared image segmentation algorithm based on distribution information intuitionistic fuzzy c-means clustering

Due to the sensitivity of the traditional intuitionistic fuzzy c-means (IFCM) clustering algorithm to the clustering center in image segmentation,which resulted in the low clustering precision,poor retention of details,and large time complexity,an intuitionistic fuzzy c-means clustering algorithm was proposed based on spatial distribution information suitable for infrared image segmentation of power equipment.The non-target objects with high intensity and the non-uniformity of image intensity in the infrared image had strong interference to the image segmentation,which could be effectively suppressed by the proposed algorithm.Firstly,the Gaussian model was introduced into the global spatial distribution information of power equipment to improve the IFCM algorithm.Secondly,the membership function was optimized by local spatial operator to solve the problem of edge blur and image intensity inhomogeneity.The experiments conducted on Terravic motion IR database and the data set containing 300 infrared images of power equipment show that,the relative region error rate is about 10% and is less affected by the change of fuzzy factor m.The effectiveness and applicability of the proposed algorithm are superior to other comparison algorithms.