基于形态学滤波的红外弱小目标背景抑制

针对红外弱小目标检测中的背景抑制问题进行研究.首先对形态学滤波中结构元进行改进,提出一种组合型结构元,然后结合线性滤波和非线性滤波技术,对受背景杂波和随机噪声影响的图像采用低通滤波与改进型形态学滤波相结合的方法进行背景抑制.对比实验结果表明,该方法比低通滤波和标准形态学滤波算法在低信噪比环境下具有较大优势,较好地实现了对背景杂波的抑制和目标信号的保持,显著提高了图像信噪比.     

基于软形态学和多方向梯度阈值分割的红外弱小目标检测方法

在单帧红外小目标检测中,针对图像背景复杂和目标形态多样等问题提出一种先对图像进行背景抑制,再阈值分割提取候选点,最后经过能量集中度去除残余噪点的算法.在预处理部分,考虑小目标的扩散和像平面的动态分布特征,对形态学进行改进,结合多方向滤波模板,对背景进行抑制.在阈值分割部分,提出多方向梯度阈值分割方法,计算8个方向不同步...     

海面红外小目标检测算法研究

针对海面红外图像中出现的海面杂波和孤立噪声点的问题,采用了一种将空间域的滤波结果在时间域进行二次滤波的方法,实时地检测海面图像中的小目标.在空间域上,根据海面杂波具有一定方向性的特点,设计了4种方向的结构元素分别进行形态学运算来抑制海面杂波,再使用均值融合准则进行融合.在时间域上,利用目标在帧间的运动具有连续性而噪声点不具有该性质的特点,采用均值加权滤波的方法来滤除孤立噪声点,最后使用自适应门限分割检测出小目标.实验结果表明,本文算法在复杂海面环境下,能有效地抑制海面杂波和孤立噪声点的影响,减小虚警率,是一种有效的海面小目标检测方法.     

基于形态学滤波的红外图像背景补偿

天空背景的红外辐射特性与观测天顶角有关,造成具有天空背景的红外图像背景亮度不均匀,影响了红外图像后续处理.针对红外图像天空背景亮度不均匀的特点,提出了一种基于形态学滤波的红外图像背景补偿方法,并采用了一种简单的自动全局阈值处理方法对背景补偿效果进行了实验验证,结果表明,该方法能够很好的解决红外图像天空背景亮度不均匀的问题.     

基于信息熵加权的红外目标识别算法

为了提高红外目标识别概率,设计了一种基于信息熵加权的目标识别算法.该算法利用红外光谱的特征,结合车辆目标的几何结构特点,将相应特征信息以加权的形式量化给出.实验针对红外汽车目标进行测试,实验结果显示,采用信息熵加权算法的目标识别概率得到了明显的提升,明显优于未使用优化的测试结果,从而验证了本算法的可行性.     

基于自适应形态学滤波的红外小目标检测算法

针对低对比度下小目标常被大量背景杂波和噪声干扰,检测结果不理想的问题,提出了一种基于视觉注意机制与自适应双结构元素形态学滤波的红外小目标检测方法。根据人类视觉对比机制对图像进行感兴趣区域(ROI)提取以确定候选目标,通过提取轮廓获得候选目标的尺寸,并由获取的尺寸自适应构造双结构元素。运用双结构元素形态学滤波抑制噪声和杂波信号,用中值滤波对形态学滤波后的杂点噪声进一步抑制。实验表明本文提出的算法能有效抑制噪声干扰,显著提高目标信杂比,准确检测弱小红外目标,算法具有很好的鲁棒性和实时性。     

基于数学形态学的边缘检测算法分析

边缘检测算法在图像识别领域具有不可替代的作用。边缘检测在实现的过程中需要考虑边界增强的效应,边缘检测算法的研究有着丰富的理论和经验。但是,图像压缩和图像识别中图像通常被噪声破坏,需优化处理,才能获取较好质量的图像。文中首先介绍了边缘检测算法,依次阐述这些经典算法的优缺点,引入数学形态学这一观点,对边缘检测算法进行结合,将其应用到图像的识别中,通过C++语言编程实现图像效果,最后进行总结与展望,该成果对于图像的处理具有积极的意义。     

基于形态学和OTSU算法的红外图像降噪及分割

在涡流热像技术中,图像处理是进行缺陷特征提取和识别的关键基础,而增强的图像有助于提高涡流热像技术的检测效果.利用多种常用的红外图像处理方法进行增强处理,旨在解决红外图像信噪比不高、缺陷对比度低等问题.首先分析了噪声来源,通过算术运算对涡流红外图像进行预处理,然后采用基于形态学权重的自适应算法进行形态学降噪,最后利用二维最大类间方差法(OTSU)对图像进行分割.定性和定量分析结果均验证了该方法的有效性和适用性,研究成果为红外图像的特征提取和缺陷识别奠定了方法基础.     

结合形态学和Canny算法的红外弱小目标检测

为了解决红外弱小目标精确自适应检测的问题,本文提出了一种基于Canny算法、top-hat算法和中值滤波算法结合的红外弱小目标检测方法。该方法不同于传统的Canny弱小目标检测方法,本方法先选定合适的窗口对图像进行中值滤波处理,在去除噪声的同时有效保持图像的边缘信息;再用形态学处理中的top-hat算法抑制复杂背景,去除云层;最后使用自适应Canny算法提取红外小目标的边缘信息精确定位目标的位置。实验结果证明了该方法的有效性和优越性,本文设计的组合算法能够精确定位小目标的位置,信噪比增益达到10倍以上,排除噪声以及云层的干扰作用较强,具有一定的自适应性。     

基于背景差分和信息熵的运动目标检测算法

提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。     

对红外序列图像中小目标分割的研究

针对在云天背景下运动红外小目标的分割,对目标在图像序列表现出来的特性进行了分析.根据目标不仅在单帧图像中有自己的灰度分布特性,而且它们的灰度在相邻图像中也具有连续性,提出了一种新的分割方法.该方法把单帧图像的处理结果与相邻多帧图像滤波结果相结合,大大提高了目标的分割的精度.实验证明,该分割方法十分有效.     

基于背景估计的红外图像杂波抑制方法研究

背景估计是背景杂波抑制和图像增强的重要方法,在低信噪比红外目标检测技术研究中备受青睐。提出了一种改进的形态滤波背景估计新方法。首先通过图像局部熵计算和分析建立了结构元素尺度与局部熵的对应关系,在目标特征分析的基础上对结构元素形状进行优化,然后采用形态滤波估计图像背景,实现背景杂波抑制和图像增强。仿真实验结果表明了算法是有效的。     

基于多尺度多结构元素的肝脏图像分割

提出了一种基于多尺度形态滤波的多结构元素的肝脏CT图像分割方法.首先,利用肝脏先验知识预测肝脏位置,执行多阈值法简化原图.然后,通过递归多尺度形态滤波和区域标记得到肝脏初始轮廓.最后,构造5个不同方向的结构元素并结合它们的多尺度形态学检测肝脏边缘.为验证本算法的正确性和通用性,选用了不同形状的肝脏图像进行实验.结果表明本文算法能够成功地完成肝脏分割.     

强杂波背景下高空红外运动点目标检测

对强杂波背景下高空红外遥感图像序列的背景和目标特性进行了分析,采用新型的形态滤波方法实现了背景抑制,提出了一种子窗口检测门限算法,并进行了仿真试验,有效地提取了强背景低信噪比下的目标.对比分析说明子窗口检测门限算法具有较好的效果,并且可以提高并行计算能力,适合应用于强杂波背景下大面积扫描或凝视红外图像序列的处理.     

基于差分形态滤波和Kmeans++聚类的多地雷目标红外图像处理

针对复杂背景条件下较难完成掩埋式地雷目标红外图像分割的问题,利用地雷外形特征和雷场多个地雷目标相似的特点,提出了一种基于形态学和聚类算法的感兴趣区域（Region of Interest, ROI）选取方法。对原始图像消除噪声并通过差分形态滤波抑制背景后,缩小了目标所在区域的范围;再利用多目标在一定区域内的相似特征对可疑区域进行聚类过滤,进一步缩小目标所在范围并将其作为图像ROI分别进行阈值分割;最后根据目标的相关特征完成识别。对实测图像的处理结果表明,该方法对掩埋式多地雷目标具有较好的分割效果和较高的定位精度,同时算法的计算速度较快,能满足实际探雷需求。     

面向深空探测图像分割的群智能混合优化算法

深空探测任务中,探测器需要在复杂的地形区域着陆,因此在轨障碍的快速检测至关重要,而图像分割是在轨检测的关键过程之一.鉴于此,提出一种基于粒子群和灰狼混合优化的多级阈值图像分割算法.在寻优过程中,所提算法在考虑图像能量分布的情况下,针对不同场景通过改变种群初始条件来自定义阈值级数.在位置更新过程中,所提算法增加扰动算子来...     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

基于局部自适应中值滤波的红外背景抑制方法

介绍了利用中值滤波进行背景预测和背景抑制的基本原理,分析了局部中值滤波和局部最大中值滤波器处理图像的特点.根据这些特点,设计了一种能充分利用两种滤波器优越性的局部自适应中值滤波器.实验证明,利用这种滤波方法进行背景抑制具有处理速度快,滤波效果好的特点.     

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。     

基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。