边缘处理在仿真迷彩设计中的研究与应用

研究迷彩伪装做为隐真示假的手段,针对迷彩设计脱离伪装目标的实际背景,使设计出的迷彩与背景的颜色、形状和纹理不能很好地协调一致等问题,提出了一种基于边缘处理的、通过提取目标背景的特征信息来设计迷彩斑块的方法.可采用金字塔图像分割方法对目标背景的图像进行处理,然后对分割后的图像进行彩色Canny边缘检测,从而得到迷彩图案中的斑块大小、形状及配置信息,并进行仿真.仿真结果表明,基于方法设计出的迷彩图案能够更好地保留背景的细节特征,证明达到良好的迷彩设计效果.     

医学图像自动多阈值分割

针对医学图像的自动多阚值分割问题,采用模糊C-均值(FCM)聚类法找到医学图像的不同组织和背景的聚类中心,再利用二雏直方图的方法,找到多阈值分割的各个阈值点进行分割.引用二维直方图的方法可以很好地保留目标的细节信息,更好地抑制噪声.     

基于小波变换和kd树聚类的快速纹理分割算法

提出了一种基于小波变换和k均值聚类的快速纹理图像分割算法。该方法包括特征提取、特征平滑、纹理分割三个阶段。其中,特征提取在金字塔结构小波变换的基础上进行;特征平滑利用一种四分法来完成特征图像的噪声平滑和边缘保持;纹理分割则利用kd树作为数据结构来运行k均值聚类算法从而实现纹理图像的快速分割。实验结果表明与直接的k均值聚类算法相比,该方法在运行时间上得到了明显的提高。     

基于K均值聚类分割彩色图像算法的改进

基于人类视觉将图像分割成若干个有意义的区域是目标检测和模式识别的基础.应用K均值聚类算法对图像进行分析,分析了图像的空间、色彩以及纹理特征对聚类效果的影响,针对K均值算法的存在的过分割问题提出了一种修正方法,先基于空间、颜色和纹理特征分割图像,再基于色彩及纹理特征进行合并,解决了K均值聚类产生的过分割问题,并在区域合并时引入修正函数,抑制了图像中因场景明暗变化而产生的斑点.实验结果表明提出的聚类算法对图像分割效果有明显提高.     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

基于邻域的多尺度模糊C-均值聚类图像分割

模糊C-均值(FCM)聚类是一种无监督聚类技术,广泛应用于图像分割。但它计算量偏大,且仅利用像素信息对像素进行聚类,而未使用空间分布信息。本文提出基于邻域信息的多尺度FCM聚类图像分割方法,该方法由小波分解得到图像多尺度框架,对框架顶层低分辨率图像的每个像素,用它的邻接像素引导它的聚类过程,来决定该像素的聚类,再由图像框架逐层对聚类分割进行细节修正。分割实验表明,该方法对比标准FCM分割,具有更好的抗噪性,且图像分割更均匀。     

结合模糊聚类算法的图像分割方法

在介绍聚类分析原理的基础上,比较了几种聚类分割算法,得出了模糊C-均值聚类方法在图像分割中的优势.最后,基于排列组合熵和灰度特征,结合模糊C-均值聚类算法对图像纹理进行分割.实验结果表明,该方法既能快速地分割图像,又具有较好的抗噪能力,分割效果较为理想.     

基于分形与灰度特征的无监督纹理分割技术

提出了一种新的基于方向分形特征和灰度特征的纹理图像分割方法。该方法首先用一个局部窗从功率谱图像中提取不同方向上的分形维和分形截距,将它们各自的均值和方差与灰度均值、灰度方差结合起来构成一个多维特征向量,然后利用模糊C均值聚类算法进行聚类实现纹理图像的分割。实验结果表明该方法对织物纹理图像和医学图像都有着良好的分割效果,鲁棒性强。     

融合多特征的纹理图像分割算法

针对传统的只用纹理的一种特征进行纹图像分割时的分割错误率较高的问题,提出了一种融合多特征的纹理图像分割算法.该方法综合考虑纹理的空间特征和频域特征,其中,空间特征提取在支持向量数据域描述的基础上进行;频域特征提取则利用改进的小波框架反映不同尺度间的特征;在此基础上,利用k均值算法对融合后的纹理特征进行聚类从而完成纹理图像的分割.实验结果表明与传统的只利用纹理的一种特征进行分割相比,该方法的错误率明显降低,同时在边缘准确性和区域一致性上都得到了明显的改善     

基于排列组合熵和灰度特征的纹理分割

提出了一种基于排列组合熵和灰度特征的纹理分割方法。该方法将不同方向上的排列组合熵与灰度均值、灰度方差结合起来构成一个多维特征向量,利用模糊C均值聚类算法进行聚类实现纹理图像的分割。实验结果表明该方法对纹理分布均匀的图像有着良好的分割效果。在保持较高纹理分割精度的前提下,该方法能减小计算复杂度,并且具有较强的鲁棒性和抗噪声能力。     

基于区域分割的伪装迷彩设计研究

该文主要介绍了图像分割技术的发展现状以及区域分割的方法,并对颜色空间的分类及其各类的特点做了简单的介绍。在对区域生长法原理及算法介绍的基础上,结合山地高空所拍摄植被的光学照片,进行伪装迷彩设计中的背景分割试验．从而验证区域生长法在彩色图像分割中的分割效果。     

基于区域分割的伪装迷彩设计研究

该文主要介绍了图像分割技术的发展现状以及区域分割的方法,并对颜色空间的分类及其各类的特点做了简单的介绍。在对区域生长法原理及算法介绍的基础上,结合山地高空所拍摄植被的光学照片,进行伪装迷彩设计中的背景分割试验,从而验证区域生长法在彩色图像分割中的分割效果。     

基于分水岭方法的数码迷彩设计

迷彩是对抗现代侦查与精确打击,有效提高军事目标战场生存能力的防护手段之一,是作战保障的重要内容。数码迷彩能够有效破坏伪装目标的外形,使不同色彩间的边界模糊、破碎,具有良好的伪装隐身效果。文章提出了一种新的生成数码迷彩算法,它先对图案使用分水岭方法分割,确定出大致图案,然后提取出背景主色和确定数码迷彩斑块的大小,最后生成数码迷彩。由于图像本身会存在噪声,在分割时会造成许多虚假边缘,即过分分割现象。为了避免产生过分分割现象,文中采用预处理滤波的方法,在图像应用分水岭算法前滤除图像噪声。实验表明,利用此算法生成的数码迷彩相对于传统迷彩能够更好地与自然背景相融合,达到良好的光学伪装效果。     

一种改进型Canny联合阈值分割的图像背景去除——在外观专利图像检索中的应用

背景去除是外观专利图像检索中图像预处理的重要归一化步骤,针对外观设计专利图像库中图像背景多样性、复杂性和随机性的特点,提出了一种改进型Canny算子联合阈值分割的图像分割算法。通过对图像颜色采样的自适应阈值分割获取阈值,联合Canny算子和形态学方法对图像生成前景物体分割模板,从而有效去除背景信息。实验证明,与改进前的图像分割算法对比,该算法得到的前景物体轮廓更加精确;针对外观专利图像检索平台中的图像分割,该算法具有很好的自适应性。     

固定目标伪装的数码迷彩设计

传统迷彩的边缘平滑、色彩分明、视觉区分度强,其设计过程往往脱离伪装目标的实际背景,不能很好地与背景相融合。数码迷彩在图案上呈现不规则的重叠,不同颜色间的边缘模糊、破碎,极易模拟自然背景。文章提出一种根据目标的背景生成数码迷彩的新方法。根据实际需求确定数码单元的尺寸,然后采用模板遍历的方法对背景图像中的主要颜色进行重新排布,最后生成数码迷彩。利用此算法生成的数码迷彩能够较好地保留背景的细节特征,并与目标的自然背景高度融合,从而达到良好的变形和光学伪装效果。     

仿生迷彩伪装设计

针对迷彩伪装难题,提出仿生迷彩概念,将生物特征信息融入传统迷彩设计准则,介绍背景图片的斑块化和仿生结构元素的创建过程。在阐述其生成方法机理的基础上设计4种仿生迷彩图案,并通过边缘检测和识别跟踪算法对其进行静态和动态伪装效果评估。实验结果表明,仿生迷彩具备较好的伪装效果,可用于军事目标（静态或动态）的伪装设计。     

Maneuvering target oriented digital camouflage image generation method

Since the digital camouflage generation method based on fixed single background image cannot fully meet the hidden need of maneuvering targets. In this paper, a method of generating digital camouflage image based on several background images is proposed. Firstly, according to the active range of the maneuvering target, several background images are collected. Secondly, in order to resolve the problem that the clustering algorithm is sensitive to the initial clustering center and easy to fall into local optimum, K-harmonic means (KHM) clustering algorithm is introduced and initial clustering center is determined based on color histogram. Again, KHM clustering is used to extract color features from several background images, the first clustering is extracted from a single background image, and the second clustering is extracted with several color features sets extracted from the first clustering of background images as input. Finally, the regular hexagon is used as the basic unit of the digital camouflage image to construct the spot template, and the digital camouflage image is generated by the lowest horizontal line algorithm. Example verification and camouflage effect detection show that the digital camouflage image generated by this method can effectively realize the concealment of maneuvering targets and has good camouflage effect.     

基于调色板分析及误差扩散抖动的迷彩仿造

仿造迷彩是针对特定的环境背景生成的伪装迷彩。在迷彩纹理设计上,无规则的、点阵式的数码迷彩相对传统迷彩具有更好的迷惑效果。提出一种新的仿造数码迷彩方法,在调色板颜色分类排序及直方图合理分析的基础上提取四种主色,结合抖动半色调方法统计四主色比例,并运用随机像素点集的方式生成迷彩图案。实验证明,该方法生成的迷彩图与参照背景图能自然融合,达到较高的伪装隐蔽效果。     

修改标记符梯度图像的分水岭变换

针对传统分水岭算法中存在的过分割现象,提出了一种修改标记符梯度图像的分水岭分割方法。该算法首先利用阈值分割法对图像中感兴趣的目标和背景进行标记;然后根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正;最后,使用分水岭算法对修正的梯度图像进行分割。实验结果表明,该算法能有效地抑制过分割问题,并且使用标记符会为分割问题带来先验知识,这为人们解决模式识别等更高级的工作提供了一种有效方法。     

基于循环一致性对抗网络的数码迷彩伪装生成方法

针对传统的数码迷彩生成方法无法根据背景实时生成数码迷彩的问题,提出一种基于循环一致性对抗网络的数码迷彩生成方法。首先,使用密集连接卷积网络提取图像特征,将学习到的数码迷彩特征映射到背景图像中;其次,加入颜色保持损失来提高数码迷彩的生成质量,保证生成的数码迷彩与周围的背景颜色相一致;最后,在判别器中加入自归一化神经网络以提高模型对噪声的鲁棒性。由于缺乏数码迷彩伪装效果的客观评价标准,采用边缘检测算法与结构相似性（SSIM）算法对生成的数码迷彩的伪装效果进行评估。实验结果表明,该方法在自制数据集上生成的数码迷彩伪装的SSIM得分比已有算法的得分降低了30%以上,验证了它在数码迷彩生成任务上的有效性。