基于横纵多尺度灰度差异加权双边滤波的弱小目标检测（英文）

为了有效地检测复杂背景下的红外弱小目标,提出了一种基于横纵多尺度灰度差(HV-MSGD)的方法来增强弱目标,并通过距离和像素差异来实现对背景强边的抑制。目标区域与周围区域之间存在不连续性,为了加强它们的差异,HV-MSGD与双边滤波(BF)相结合,可以在抑制背景的同时提高目标强度。进一步通过自适应局部阈值分割和全局阈值分割来提取候选目标。为了进一步验证对单帧检测的影响,将上述单帧检测算法与改进的无迹卡尔曼粒子滤波器(U PF)相结合,实现轨迹检测。实验结果表明,该方法在弱信噪比(SNR)下优于其他方法,在抑制背景的同时可以增强目标,增强效果是其他方法的6-30倍。在实验中,输入信噪比分别为2.78,1.77,1.79,1.13和1.16。图像处理后,背景抑制因子(BSFs)分别为13.48,21.33,11.73,20.63和121.92,信噪比增益(GSNRs)分别为40.09,71.37,27.53,12.65和131。该方法的检测概率(Pd)也优于其他算法。当误报率(FARs)为5×10~(-4),1×10~(-3),1×10~(-4),1×10~(-5)和7×10~(-6),计算五组真是序列图像的Pd为94.4%,92.2%,91.3%,95.6%和96.7%。     

双模型空中目标红外谱段的联合SNCR评估方法

在天基平台下实现对空中飞机目标的探测,存在距离远、目标信号弱、背景杂波复杂和探测器噪声等的影响,因此,要获取目标的最强信号,确定在探测过程中的谱段至关重要。为此系统性地建立了飞机羽流的梯形羽流和锥形羽流仿真模型,并提出了利用信噪比（SNR）和信杂比（SCR）联合的SNCR方法对空中目标的探测谱段进行确定。实验结果表明：针对空中目标,不同目标SNCR值不同,但峰值区域不变,由此方法可以确定探测谱段,并最终确定探测的谱段分别为：中波波段为,波段间隔在0.3以上;长波波段为,波段间隔在0.35以上。     

卫星红外图像中单帧目标检测算法研究

在有复杂云层背景的卫星红外图像中准确地检测出存在的运动目标是目前图像处理的研究热点。DBT类的运动目标检测算法有单帧目标检测和多帧轨迹关联两大步骤。为更好抑制起伏背景和背景结构边缘,文章提出一种新的单帧内背景抑制算法——邻域最小差值滤波,该算法与典型的背景预测算法（中值滤波和高通线性模版滤波）相比具有更好效果;最后针对高斯噪声条件下,利用统计分割方法对抑制背景结果进行阈值分割得到候选目标,从而形成一套针对卫星红外图像的快速有效的单帧目标检测算法。     

基于二阶梯度的红外小目标检测方法

为了提高复杂背景下红外图像中弱小目标的检测概率同时降低虚警率,本文提出一种基于二阶梯度的红外弱小目标检测算法。首先基于小面模型采用二维离散正交多项式对原始图像局部灰度分布进行拟合,然后设计二阶方向导数滤波器对图像进行滤波并分解为不同的方向通道,再根据极值定理对不同的方向通道求取极值图像,随后对极值图像进行形态学滤波以增强目标能量并进一步抑制背景杂波,之后对极值图像进行归一化处理并统计其直方图,利用直方图灰度分布选取合适的分割阈值,进行阈值分割后得到二值图像并最终确定目标位置。实验结果表明,该方法在信噪比极低的复杂背景下可准确地对弱小目标进行检测。     

红外背景抑制与点目标分割检测算法研究

针对红外点目标检测问题,采用图像灰度同本行均值相减方法抑制温度场的非线性影响;利用Top-Hat算子形态滤波,抑制背景和增强目标;通过比较预处理后的不同背景下红外图像直方图特点,确定分割阈值;最后进行目标二值化分割,得到包含较少虚警点的点目标分割图像.实验证明,该方法较好地解决了不同红外背景下低信噪比红外点目标的分割检测问题.     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法;在帧间采用八邻域判决法对弱小目标进行检测;实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

红外小目标检测的滞后阈值分割法

为提高红外小目标检测的精度,针对小目标的阈值分割,提出滞后阈值分割法。通过快速非最大值抑制预提取红外小目标的中心像素,最大程度缩减前景像素数。利用邻域梯度方差判别小目标是否为杂波,自适应地调整灰度阈值,完成对小目标的低虚警分割。分析一般场景下分割所得前景、背景的组成,给出了滞后阈值分割的阈值取值方法。实验表明滞后阈值分割法将虚警概率限制在很小的范围内,并取得了优于其他分割法的检测概率。在小目标检测中,该算法具有较强的实用性。     

基于时空域融合滤波的小目标检测算法

针对目前小目标检测存在的难点,提出了一种基于时空域融合的小目标检测方法。该方法首先运用形态学Top-hat进行空域滤波,将原图像中的大部分背景及杂波抑制,时域上采用三帧差分方法增强目标。融合后对图像进行自适应阈值分割,得到潜在目标点,最后根据目标运动的连续性与规则性采用邻域判决法滤除虚警点,检测出目标的运动轨迹。仿真结果显示该方法能较好检测出复杂背景下低信噪比运动小目标。     

基于红外图像帧关联的自动阈值分割方法

针对目前单帧图像阈值分割中分割易受突变影响、目 标背景分割不明显以及分割效果较差等问题,提出了一种基于红外图像帧关 联的自动阈值分割方法。该方法利用自动阈值分割法简单分割单帧图像,然 后根据图像帧关联信息对图像进行分组处理,再对每帧图像进行权重分配,最 终确定每帧图像的分割阈值,以提高分割的抗干扰性,改善分割效果。通过理 论分析和实验仿真验证了该算法的有效性和可行性,并将其与其他算法进行了 对比实验。实验结果表明,本文提出的分割算法的抗干扰性较强,能够将目标 图像从背景中清晰地分割出来,具有更好的分割效果和更强的应用性。     

隔点差分自适应阈值红外图像分割算法的FPGA实现

采用模块化设计和利用现场可编程逻辑( FPGA)并行流水处理特点,设计并实现了隔 点差分自适应阈值红外图像分割算法,算法由隔点差分算法和自适应阈值两个模块组成。隔点差分算法模块根据同步与时钟流水计算隔点梯度,用自适应阈值进行图像分割; 自适应阈值模块根据背景的统计规律和图像背景的变化实时调整分割阈值。仿真和实验表明:采用FPGA实现此算法的处理延时短,满足实时处理的要求。     

地面复杂背景下自适应聚类分割方法

语文中研究了一些自动门限法的特点，分析其对复杂背景下低反差的小目标图像分割失败的原因，提出了一种新的选取局部门限的方法。该方法先对整幅图像用聚类准则分割，然后计算分割得到的区域的信息量，看是否满足定义的门限，对不满足的区域继续分割，直到所有的被分割区域都满足条件或是分割结果不再变化。实验结果表明，该方法具有从低反差图像中抽取小目标的优良性能。     

图像处理技术在火焰目标提取中的应用

在火灾识别系统中,为了精确地提取火焰目标,本文提出了一种综合有效的算法,该算法采用二维最大熵自动阈值法对火灾图像进行了分割处理,随后采用区域生长法,检测出火灾图像中的可疑区域,并以区域生长后的目标区域为模板,采用Otsu阈值选取法对当前图像进行精确分割,提取准确的火焰目标。实验证明该算法能够有效地提取出连续图像序列中的火焰目标图像。     

基于改进布谷鸟搜索算法的图像分割

针对布谷鸟搜索算法在应用其进行图像分割时计算量大、易陷入局部极小值解、收敛速度慢的问题。文中采用一种基于改进布谷鸟搜索算法的多阈值图像分割算法。该算法以Ostu算法设计自适应度函数,将布谷鸟搜索算法和K均值算法融合,增加种群的多样性,且能自适应地确定阈值个数及其范围,并找到待分割图像的最优阈值。实验结果表明,与K均值算法和布谷鸟搜索算法相比,该算法找到的阈值质量更佳,图像分割结果更好。     

图像分割技术用于印刷电路板检测的研究

图像分割在图像分析、图像识别、图像检测等方面占有非常重要的地位,是从图像处理到图像分析的重要步骤,图像分割的好坏直接影响到图像分析的结果。针对此就印刷电路板检测过程中的图像分割进行研究。阈值分割技术的运算效率高、计算简单等特点非常适应印刷电路板检测的快速性和稳定性要求,因此着重介绍了四种阈值分割技术,并借用软件将各算法分别应用于实际的印刷电路板图像,然后对各个阈值化算法的分割结果做了对比和简要分析。     

一种基于MRI图像的脑肿瘤组合分割法

从模糊的MRI脑肿瘤的图像中准确找出肿瘤,供医学临床使用。分别采用了2种分割方法：一种是改进的阈值方法,即在进行最大方差阈值法之前首先采用手动阈值法;另一种是采用圆形结构元素作为种子的形态学分割方法。这2种方法均实现了从低对比度MRI脑图像提取目标的要求。灵活使用阈值法和形态学分割方法与医学图像中,具有一定的临床实用价值。     

基于背景差分的多车道车流量检测系统

研究了背景差分算法,并设计了一种对多车道路段的车流量检测系统。首先通过背景差分的方法,实现了运动前景和背景的分割;进一步使用虚拟检测线实现了多车道车流量的检测。系统平台用Visual C++结合OpenCV进行编程实现。对实际道路环境下的大量的图像序列进行了测试,取得了较好的效果。     

典型Otsu算法阈值比较及其SAR图像水域分割性能分析

遥感图像中水域呈现低灰度、灰度起伏小特性。该文从实时性出发,采用1维Otsu算法分割SAR图像。证明了两种典型Otsu分割算法的阈值关系,提出了分割性能评估方法,并通过实测SAR图像对比分析了多阈值分割与单阈值递归分割的水域分割性能。结果表明,与单阈值递归分割相比,多阈值分割能够更好地提取水域轮廓,且漏警率低,可应用于桥梁自动目标识别和景象匹配等方面。     

基于OpenCV的图像阈值分割研究与实现

图像的阈值化在图像分割中有着至关重要的作用。在OpenCV算法环境下,运用固定阈值化和自适应阈值化算法,分别对同一幅图调用OpenCV中相应的函数进行处理;同时针对图像中的噪声,结合高斯模糊算法对图像噪声的滤除作用,将高斯模糊和阈值化算法结合起来,分析研究图像分割算法。结果表明自适应阈值化算法可以更有效地进行图像分割。     

一种改进的Otsu图像阈值分割算法

Otsu法是图像阈值化分割法中的经典算法之一,在图像处理中有广泛的应用。本文针对红外吊舱图像的特点,在对Otsu法进行分析的基础上,提出了一种改进的Otsu图像阈值分割算法。首先,采用整幅图像的平均灰度值作为初始阈值对图像进行分割;然后,推导出了Otsu法四个参数的递推公式;最后,在缩小的灰度级范围内用递推的Otsu法来计算最终的分割阈值T。实验仿真结果表明,改进的Otsu算法在图像分割效果方面和时间效率方面明显优于Otsu法。