复杂海空背景下鲁棒的海天线检测算法研究

海天线检测是研究成像型反舰导弹末制导技术的一项重要内容。本文深入地探讨了海空背景下的海天线检测问题。考虑到海天线为直线模型,提出了一种鲁棒的海天线检测算法。首先用方向梯度算子得到差分图像,然后基于边缘阈值策略二值化图像,最后方向细化并采用Hough变换检测海天线。实验表明,该方法战场适应性好,定位精度高,可以有效地检测出各种复杂海空背景下的海天线,为进一步应用（诸如目标识别、图像配准）奠定了良好的基础。     

利用模糊综合评判技术提取红外图像海天线

海天线检测是红外图像自动目标识别技术的一项重要内容.本文深入分析了海天背景红外图像的特点,提出了一种基于四项特征评分因子的海天线模糊识别算法.首先对梯度图进行Radon变换以提取候选海天线,然后联合候选海天线四种特征信息进行模糊综合评判,最后根据评判值大小给出海天线识别结果.算法对比和实测数据结果表明,该方法适用范围广,抗噪声和抗干扰能力强,识别率高,可以有效地检测出各种复杂海天背景下的海天线,为进一步应用(如目标识别)奠定了良好的基础.     

红外图像中海天线的提取

针对海空背景红外图像中海天线的提取问题，利用直线检测的思想，提出了Hough变换方法．仿真实验表明，Hough变换具有较好的抗背景干扰的能力，可很好地解决强背景干扰下海天线的提取问题．     

一种提高人耳特征点识别度的目标区域提取方法

对人耳进行特征识别多采用SURF算法,但该算法应用时极易受到图像中非目标区域的干扰,进而影响人耳特征点的检测和匹配准确度.基于目标区域的人耳特征识别算法可以突出目标区,而尽可能地抑制背景区域的影响.针对此问题,提出一种复合图像分割算法—KRM法作为人耳识别的预处理方法,将图像中人耳所在目标区域提取出来.该KRM法分为3步:首先利用k-means聚类算法将图像初步分割为前景目标区域和背景两类;再通过区域生长算法对过度分割的区域进行合并;最后应用形态学腐蚀的方法进行滤波得到人耳所在的目标区域.将KRM目标区域提取和SURF方法联用(简称KRM-SURF算法)应用于50组人耳图像,进行人耳特征点的检测与匹配,实验结果表明,特征点识别度(RD)均值达到0.924,KRM法的使用能极大地提高基于SURF算法的人耳特征识别的准确性.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

分块思想和码本模型的运动检测算法

为了消除静止摄像机下复杂背景环境对运动目标检测造成的影响,同时又为解决目前的运动目标检测算法在检测速度、准确度方面存在的不足,提出一种改进码本模型的运动目标实时检测算法.首先利用分块的思想将一幅图像分成若干宏块(MacroBlock),然后对每个宏块进行背景建模聚类成码本.在目标检测时,同样对当前帧进行分块,对于每个宏块求得像素均值和亮度均值并与其对应位置的码本进行比较判断,从而提取出前景目标.实验证实,对存在动态因素的背景视频,该算法不仅能有效抑制伪目标的出现,而且能准确快速地检测出运动目标.     

基于深度置信网络的无人机航拍图像变化检测

无人机(UAV)图像的变化检测对城市规划发展中的城市空间布局、土地利用信息具有重要的意义.针对航拍图像地面背景复杂,传统的变化检测方法鲁棒性低等问题,研究基于深度置信网络(DBN)的无人机航拍图像变化检测方法.利用DBN能够自动学习、提取特征的特点,将DBN应用到无人机图像的变化检测中.首先通过模糊C聚类联合算法对采集的图像进行预分类,并在此基础上进行DBN的逐层预训练;然后利用反向传播算法微调整个网络,从而使网络权值达到最优;最后,将该DBN模型应用于无人机图像的变化检测.实验结果表明,该方法能够有效地提取出图像的变化区域,检测准确率达到95%以上,该方法提高了图像变化检测的精度,实现了图像变化检测的智能化.     

多次投影算法在视频监控人脸检测中的应用

根据视频监控图像在时间上的连续性和空间上的继承性,利用连续三帧视频图像对称差分,找到运动区域,再结合人脸肤色的聚类特征确定出人脸候选区域,然后改进了利用投影的人脸定位算法,将单次投影发展为多次投影,并且结合人脸的几何特征,实现视频监控中复杂背景下的多人脸检测。实验表明,该算法复杂度小,准确率较高,对姿态、表情、背景等变化情况下人脸的检测均具有较好的鲁棒性。     

一种基于蚁群聚类的多模板图像边缘融合方法

根据所采集图像的离散性特点,提出了一种基于蚁群聚类的新型的多模板图像边缘融合方法.该算法综合了图像聚类的方法和模板边缘提取的方法,运用蚁群聚类的思想来提取图像的边缘特征,并进一步融合多种边缘提取模板来设置聚类的启发式引导函数和初始聚类中心,从而避免了传统蚁群算法聚类搜索时的盲目性.系列仿真实验验证了这一方法的可行性和有效性.     

基于FCM和图割的交互式图像分割方法

为了提高在前景和背景颜色相似情况下图像的分割效果,提出了一种基于模糊C均值聚类(FCM)和图割的交互式图像分割方法。首先,利用分水岭算法对图像进行预处理,将图像分成多个小区域,用区域代替像素点进行分析。然后,采用模糊C均值算法对用户标记的前景区域和背景区域分别进行聚类分析,挖掘用户交互所提供的隐藏信息。用未标记区域的颜色分量到前景区域及背景区域类心的最小距离表示相似能量,用未标记区域与其相邻区域的相关性表示先验能量。最后,利用最大流/最小割算法求能量函数的全局最优解。与其他方法相比,该文方法具有较好的分割性能,能从前景背景相似的图像中较精确地提取感兴趣的物体,且用户操作简单。