红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别.即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标.模拟实验表明该方法能够准确高效地检测出运动小目标.     

基于PCA的红外图像区域特征选择方法

特征提取在模式识别和分类中起着关键的作用,本文针对红外目标的准确分类识别问题,围绕红外图像特征提取和特征选择进行研究,提出了基于PCA的区域特征选择方法。该方法首先采用基于数学形态学的滤波技术对红外图像进行预处理,有效地增强了目标区域,便于目标特征的提取;其次,本文研究了区域形状特征提取及基于PCA的特征选择方法,通过对区域特征进行优化选择,构造准确描述目标特性且维数较低的特征。实验结果表明,本文提出的方法有效地提取红外目标的特征,可用于红外目标的分类且有利于提高算法的效率。     

一种新的前视红外图像分割方法

为实现复杂背景下的前视红外图像分割,针对图像特点,综合利用背景抑制、互信息及数学形态学的方法和理论,提出了一种新的图像分割方法.首先,采用中值滤波对图像进行背景抑制;然后,将图像配准的方法用于图像分割,利用互信息量确定最佳分割阈值;最后,对得到的二值图像进行形态学变换,得到精确的目标分割区域.实验结果表明,该方法能有效分割出复杂背景下的目标区域,有利于下一步的目标识别与跟踪.     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

基于数学形态学的红外图像预处理算法分析

红外图像预处理是红外图像信号处理过程中的一个重要步骤,而选择一个好的滤波算法是预处理的关键。本文采用几种典型的预处理算法对海上舰船目标的实测红外图像进行了处理,并以数学形态学滤波为主,着重对比和分析了不同的结构元素对滤波效果的影响。实验结果表明,结构元素的选取对数学形态学滤波至关重要,应根据不同的背景和目标的特殊性作出综合分析,从而使预处理的效果更加显著。     

一种新的舰船红外图像分割算法

舰船红外图像分割是红外成像制导反舰导弹目标跟踪的关键技术。为较好地分割出舰船目标,提出了一种新型的舰船目标图像分割算法。根据均值移动算法去除图像噪声,采用梯度增强、拉普拉斯变换、直方图迭代、形态学算法得到舰船及背景的二值化图像;采用投影技术和Hough算法得到舰船存在区域,分割舰船存在区域得到较准确的舰船图像。仿真结果表明此算法具有较好的分割效果。     

RoboCup小型组足球机器人视觉系统设计

集控式足球机器人视觉系统,分图像输入和数字化、图像预处理、图像分割和图像识别几步进行.其图像识别通过图像采集卡、图像增强、去噪处理、边缘增强技术,HIS模型,及基于连续图像相关性的顺序网格和种子填充相结合的目标搜索方法实现.     

水下小目标声呐图像分割算法研究

为取得较好的水下声呐图像分割效果,提出了一种简单易操作的声呐图像分割算法。该方法根据水下声呐目标图像包含目标和阴影的特点,分别分割出目标和阴影图像;对两幅分割后的图像预处理后得到包含目标和假目标的图像,综合阴影和目标处理后图像去除假目标,得到真实的目标图像。根据真实图像验证了此算法的有效性。     

基于车载计算机的红外图像移动目标检测

环境感知系统作为无人车平台的重要组成部分,是路径规划与决策控制等功能实现的基础与前提。结合车载计算机的硬件基础,设计一种复杂场景下的红外图像移动目标检测系统。该系统采用客户端/服务端(B/S)架构,在客户端浏览器进行服务请求后,服务端使用改进的YOLOv2算法对车载Rapid输入输出(RapidIO)高速总线传输来的红外图像进行目标检测;通过维度重聚类和改进激活函数等方法,有效降低了漏检和误检率;为弥补红外图像对比度低、纹理特征弱的缺点,提出一种基于直方图均衡化的双边滤波图像增强算法,该预处理能够有效保持图像轮廓细节信息。结果表明：改进YOLOv2算法的实时检测准确度相对于原始算法提升了4.1%;图像预处理算法显著提高了检测准确率;该系统可为开拓无人车载红外图像的应用领域提供可靠的技术支撑。     

基于鲁棒主成分分析的红外图像小目标检测

鲁棒的小目标检测是红外目标搜索与跟踪的关键技术,提出一种改进的单帧红外图像小目标检测算法。该方法将原始红外图像通过预处理变换到新的红外块图像模式,在红外块图像上,将红外图像小目标检测问题转换为低秩矩阵和稀疏矩阵分离的鲁棒主成分分析(RPCA)问题。考虑到红外图像中噪声和杂波的存在,用交替方向方法求解带噪声的RPCA问题,获得稀疏目标图像,并对获得的稀疏目标图像采用简单的图像分割算法进行目标检测。对空天、海天、天云、海面4种不 同场景的红外图像小目标检测,进行仿真实验,结果验证了所提出算法的有效性。     

基于最长曲线法的海天线检测算法

通过分析红外图像的特点,给出一种基于最长曲线的海天线检测方法,根据所要处理的红外图像自适应选取 Canny 算法的阈值进行边缘检测,精确提取海面和天空区域的分界线-海天线.首先对红外图像进行中值滤波消除噪声,然后采用自适应阈值的 Canny 算子进行边缘检测,对检测得到的边缘进行边缘连接形成相互独立的几个目标,然后对各目标进行目标标定,最后基于最长曲线法进行海天线检测.     

融合修正OTSU 和中值滤波的水上航行器障碍物视觉分割

为进一步提高水上航行器视觉避障时图像分割的精确性,提出融合修正OTSU 和中值滤波的水上航行器 障碍物图像分割算法。利用修正系数将原始图像从RGB 模型转换为Y、Cb、Cr 色度值修正的模型,进行修正OTSU 的阈值分割,对分割后的二值图像实行自适应中值滤波降噪处理,并对3 种水上障碍物识别算法进行测试。结果表 明：与加权Otsu 算法和改进阈值分割算法对比,该算法可以将检测目标区域占比稳定在80%以上,并将干扰噪声区 域占比降低至28.5%,说明算法有效、可行。     

水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取

水下目标识别是水声探测中的关键技术,具有重要的应用价值。海洋环境的复杂性导致水下目标识别中存在不可回避的噪声干扰。以人耳听觉机理为基础,提出了一种结合Gammatone滤波器、小波阈值降噪和希尔伯特-黄变换(HHT)的水下目标识别方法。采用Gammatone滤波器实现人耳听觉机理的模拟,并在此基础上进行小波阈值降噪,提高系统的噪声鲁棒性,然后利用HHT进行时频分析和特征提取。利用实际水下目标数据进行识别实验,对提出的方法进行了验证。实验结果表明,提出的方法在低信噪比条件下具有良好的鲁棒性,并具有较好的识别效果。     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。     

飞机红外灰度图象分割自适应门限的确定

以红外成像探测得到的飞机图象为研究对象,将灰度直方图分析和飞机红外灰度图象固有的不变性特性信息结合起来,提出了一种自顶向下的灰度图象分割自适应门限的选取方法,利用求得的各级门限对飞机红外图象进行灰度分级,得到具有10级灰度的飞机灰度图象,为灰度图象识别系统提供数据输入。     

交会末段制导引信一体化系统射频成像目标轮廓重构方法

目标实时精确识别与定位是实现制导引信一体化(GIF)技术的关键,对提高弹药末制导及起爆控制精度具有决定性的意义。以射频成像GIF体制为对象,基于射频成像原理及目标特性,结合计算几何和统计学原理,针对交会末段提出了一种目标轮廓重构方法。该方法通过灰度映射变换,提取仅包含目标信息的灰度值,显著降低了数据量,同时增强了图像对比度;在阈值分割、角点提取的基础上,应用统计学剔除异常值的方法滤除背景噪声并抑制目标边界干扰;利用凸壳技术实现目标轮廓重构,得到可以完全覆盖目标区域的最优凸多边形作为目标轮廓。理论分析和仿真结果表明,该方法时间复杂度低,实时性好,可实现目标的精确识别与定位。     

Method of Infrared Image Enhancement Based on Stationary Wavelet Transform

Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast.     

基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别

为解决现有合成孔径雷达（SAR）目标识别算法泛化能力差和算法复杂度高等问题,提出一种基于导向重构与降噪稀疏自编码器的SAR目标识别分类算法。利用导向重构算法对SAR图像进行两尺度融合预处理,生成一维图像矢量并作归一化处理,以降低图像输出特征的维度,提高预处理的速度;采用减少降噪自编码器隐层神经元方式对图像进行低维特征抽取和识别;使用Softmax分类器进行分类处理。实验结果表明,通过导向重构与降噪稀疏自编码器的SAR目标识别算法,不仅提高了目标识别性能以及泛化能力,而且降低了自编码器的隐层神经元数量和计算复杂度,网络结构也得到改进和优化。