一种快速的图像小目标检测算法

针对图像小目标检测问题进行了研究，在分析现有研究成果的基础上，充分利用了遗传算法动态多点搜索的快速性，以及分形特征应用于目标检测的稳定性，提出了一种基于遗传算法与分形特征的快速图像小目标检测算法，并对算法进行了仿真研究。仿真结果表明了本文所提出算法有效地提高了图像小目标检测的速度。     

自然地面背景红外目标检测方法研究

文章结合分形特征的特点,提出了一种基于分形技术的图像预处理算法。该方法利用 自然背景和人造目标的不同分形持征检测目标,并利用领域连通性进行目标边界的合并,进一步地提取目标,大大提高了单帧检测的概率。仿真结果表明,该方法可以有效地在单帧图像中检测出目标。     

一种新的复杂自然背景中多目标的检测算法

综合利用了RGB图像的彩色特征与灰度图像的分形特征,提出了一种新的复杂自然背景中多目标的检测算法.首先通过无监督优化模糊聚类的方法分割出彩色图像中目标的潜在区域,记录其质心位置和形状大小;然后在质心对应位置提取灰度图像中各区域的分形特征,利用几何度量空间变化率特征排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的质心位置和形状特征,从而检测出全部目标.仿真结果表明,该算法可以有效的进行多目标检测,并较好的保留目标形状特征.     

基于小波和分形的海面红外小目标自动检测方法

提出了一种基于小波与分形的红外小目标自动检测算法,首先对原始图像进行小波分 解,计算其低频概貌图像的分形参数,利用在不同纹理图像分形参数变化的特性,检测出水天线的位置,在水天线附近利用红外目标的灰度特性进行精细搜索,最后确定目标所在的位置。实验表明该算法能有效地消除云层、海浪等杂波干扰,适用于海空复杂背景下远距离红外船只目标的检测。     

基于分形特征的目标检测算法概述及仿真

对目前比较常用的基于分形特征的目标检测算法进行了概述,并给出了相应的仿真结果。从仿真结果我们看出基于多尺度分形参数的目标检测算法是一种比较精确的算法,但是计算量太大。从计算量和精确度双方面考虑快速的基于分维数和分形拟合误差的目标检测算法是一种不错的算法。     

基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

基于分形特征的机场跑道识别算法的研究

典型目标的检测识别是精确制导武器的关键技术之一。根据红外图像中机场跑道的分形维特性，文章提出并实现了一种利用目标分形几何特征检测机场跑道区域，并进一步分割、识别潜在目标的新算法。仿真实验结果证实该算法成功地识别出了机场跑道。本文的算法运算量较小、适合于实时处理，适用于人造目标的自动识别。     

基于分形的改进Otsu红外图像分割算法

提出了一种基于分形的改进Otsu红外图像分割算法.针对Otsu算法在目标的相对面积较小时背景信息容易误分问题,以及递归Otsu算法递归终止条件不易确定问题,将分形算法与Otsu算法结合起来,用于分割红外目标.首先计算红外图像的分形维特征,根据分形维特征去除大部分背景信息,然后在潜在目标区域采用Otsu算法进行分割.仿真结果表明,该算法性能优于Otsu算法及递归Otsu算法.     

一种基于小波与遗传算法的小目标检测算法

本文提出了一种快速检测序列图像中低信噪比(＜2)小目标的算法.该算法采用小波滤波器对每帧图像滤波,提高目标的信噪比,剔除部分噪声点,降低了低信噪比小目标检测算法的运算量;设计了基于遗传算法的起始航迹搜索算法,有效地避免航迹的漏检;采用截断序贯似然比检验,形成确认航迹.仿真结果表明应用此算法,可快速实现信噪比小于2的小目标(2×2)的检测与跟踪.     

基于区域梯度信息的红外小目标检测

红外小目标检测一直是红外图像处理的难点之一,由于多种因素的影响,红外小目标容易被覆盖。分析红外图像特征,采用形态学对图像进行背景噪声抑制,在去除大部分噪声的情况下,首先利用灰度信息确定目标点的位置,然后利用区域梯度信息进而确定目标尺寸大小,对仿真图像进行处理并与K均值聚类法和形态学算法进行比较。实验结果表明:在低噪声情况下,三类算法均能有效地进行小目标检测,但在噪声复杂,信噪比较低的情况下,K均值聚类法未能检测出目标,形态学算法产生了多个虚警,而该算法依然能有效检测出小目标。     

一种基于多重分形的SAR图像边缘检测方法

分形维数只能刻画那些具有理想的自相似性的分形体,现实中的许多纹理并不满足这一条件,因此单一的分形维数并不足以描述和刻画SAR图像的纹理,多重分形维数更适合于描述图像的纹理.通过计算原始SAR图像离散点数据的奇异性指数,然后对应每一点奇异性指数计算全局多重分形奇异谱,根据判决准则区分边缘和纹理可以实现SAR图像的边缘检测,实验结果表明,基于多重分形特征的边缘检测算法能够检测到许多局部细节,同时又避免出现不重要的细节,突出了主要的边缘信息,很好地区分出SAR图像的纹理和边缘.     

基于分形特征的红外图像识别方法

文中首先对红外图像进行预处理,然后根据分形理论提取了红外图像的９种分形特征,用神经网络进行目标识别。这９种分形特征包括基于分形维数的特征,基于Ｈｕｒｓｔ指数的分形特征和基于缝隙的分形特征。最后进行了计算机仿真实验,实验表明基于分形特征红外图像识别方法是可行的,并取得了较好的结果。     

一种基于局部分形维的CFAR检测算法

目标检测是图像处理领域和计算机视觉中一项非常重要的研究课题.针对光学遥感图像自然背景下人造目标检测中检测时间长,虚警率偏高的问题,本文提出一种基于局部分形维的CFAR检测算法.该算法首先引入重标极差分析法,把图像的局部窗转化为一维序列的形式,且通过对一维序列极差和偏差的运算得到反映图像局部纹理特征的局部分形维,并以此构造出图像的分维像.然后在分维像基础上进行快速CFAR检测,确定滑窗中心点像素是否为目标像素.最后对目标像素进行聚类以提取感兴趣目标区域.利用本文提出的算法对不同地区的光学图像进行了大量的实验,得到了较好的检测结果.实验结果证明了该算法在高分辨光学图像中能有效、快速地地检测自然背景中的人造目标.与传统的人造目标检测算法相比,本文提出的算法能有效地减少检测时间,降低虚警率.     

一种基于广义多尺度分形参数的小目标检测方法

复杂场景中小目标的检测是一个难点。本文从分数布朗随机场模型的描述出发，提出并构造了一种广义多尺度分形参数，用于描述图像的纹理信息。它可以作为区分分形集合与非分形集合的一种有效的测度。进一步，基于广义多尺度分形参数，本文提出了一种具有抗噪性能的稳健的目标提取算法，并用于海上小目标的提取。对于实际图像的实验结果表明，本算法具有极高的检测精度。本文的思想对于一般复杂自然场景中小目标的检测具有重要的借鉴意义     

基于分形曲面尺度斜率特征的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的检测方法不能准确、稳定地检测出目标,提出了运用分形曲面尺度斜率特征检测弱小目标的方法。通过实际数据分析可以得出:相比常用的分形维数和分形拟合误差等检测特征,分形曲面尺度斜率特征在表征人造目标与自然背景的差异上更加明显,在抗图像噪声干扰上也更为优异,有着更强的鲁棒性。该方法普遍适用于检测自然环境中的弱小目标,尤其在对空弱小目标方面,检测概率更高。无论背景、飞行姿态、目标类型发生怎样的变化,经本文算法运算后只需一步简易的分割就可以检测出微弱暗小目标。     

Human object interaction detection based on feature optimization and key human-object enhancement

Aiming at the problem of unclear or missing human object interaction behavior objects in complex background, we propose a human object interaction detection algorithm based on feature optimization and key human-object enhancement. In order to solve the problem of missing human behavior objects, we propose Feature Optimized Faster Region Convolutional Neural Network (FOFR-CNN). FOFR-CNN is an object detection network optimized by multi-scale feature optimization algorithm, taking into account both image semantics and image structure. In order to reduce the interference of complex background, we propose a Key Human-Object Enhancement Network. The network uses an instance-based method to enhance the features of interactive objects. In order to enrich the interaction information, we use the graph convolutional network. Experimental results on HICO-DET, V-COCO and HOI-A datasets show that the proposed algorithm has significantly improved accuracy and multi-scale object detection ability compared with other human object interaction algorithms.     

基于平方加权质心特征的快速分形图像压缩编码

分形图像压缩利用自身图像具有的相似性,结合压缩仿射变换减少图像数据的冗余来实现图像数据的压缩,具有压缩比高、恢复简单的特点。然而,分形图像压缩编码也具有编码时间长、计算复杂的缺点。为了解决上述的缺点,提出了基于平方加权质心特征的快速分形图像压缩编码算法,利用平方加权质心特征可以将基本分形图像压缩编码过程中的全局搜索转化为局部搜索,限定搜索范围,减少码本数量,在巨大图像信息量传输和存储过程中,在一定程度上缩短了编码时间。将平方加权质心特征快速分形图像压缩编码算法和双交叉和算法、改进叉迹算法、规范五点和算法进行比较,仿真结果表明,所提算法在恢复质量可接受情况下,编码时间具有巨大优势。     

联合特征增强和锚点自动生成的遥感图像高精度目标检测

目标检测是遥感图像处理领域中一项重要而具有挑战性的任务,针对遥感图像中目标尺度差异较大以及方向分布随机等导致的遥感图像多尺度目标检测精度较低问题,本文提出一种基于特征增强和锚点框自动生成模块的目标检测方法。该方法在ResNet50网络中加入可操控的空洞卷积模块,并以此为基础设计了增强特征金字塔网络,提高网络对于目标多尺度特征表达能力。在区域建议网络中利用锚点框自动生成模块自主学习锚点框的位置和形状,以此获得更为稀疏和高质量的候选区域。本文在NWPU VHR-10数据集和飞机目标数据集上与多种基于卷积神经网络的目标检测算法进行对比实验,结果表明,本文所提方法在两个数据集上的mAP均为最优,分别为99.2%和87.7%,该方法具有较强的尺度自适应能力,有效的提高了遥感图像多尺度目标检测的精度。