基于侧抑制网络的红外图像预处理

侧抑制网络具有"增强反差,突出边框"的功能,但红外图像经其处理后,丢失了图像的部分细节.提出将其与原图像加权叠加在一起,该方法不仅突出了图像边缘,而且克服了上述不足.通过仿真验证了方法的有效性.     

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。     

图像制导中的预处理算法

以频带压缩、图像恢复和特征增强为基点的图像信息预处理技术是实现图像制导的关键技术之一。国外用ＤＣＴ和ＤＰＣＭ混合法获得了高达６０：１的频带压缩比和较好的图像保真度。本文提出的方法有可能把频带压缩比进一步提高，并有满足图像制导要求的图像保真度。经过在ＴＱ－６计算机进行数字仿真，证明本文提出的图像制导预处理算法原理是可行的。     

红外目标信号的统计分析及模式识别

提出采用自适应阈值的方法检测红外信号，应用统计学理论分析红外扫描形参数分布特征，获得用于目标识别的几个主要参数，提出统计识别的分类准则，并对红外扫描采系统的探测率作了初步估计     

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。     

云的红外图像生成研究

红外成像仿真的关键环节在于红外图像的生成,云的红外图像生成是重要的研究内容,具有重大的军事意义。基于分形技术提出了云的红外图像生成的技术方法,综合考虑云红外辐射的各个因素,建立了较为完善的云的红外辐射模型,基于光学厚度计算出云的辐射亮度。建立分形高度到云光学厚度、云的辐射亮度到图像灰度的两个映射,利用分形技术实现云红外图像生成。经过与实测数据和实拍图像比较,云的红外图像生成方法可行。     

基于OpenGL的舰船目标红外图像生成

文中基于OpenGL对舰船目标进行红外热像模拟，根据红外物理和传热学知识。综合考虑面元之间辐射、传导、对流以及面元与周围大气、海面、太阳之间的辐射、对流，建立较为完善的舰船目标红外物理模型，计算出舰船各部分的温度分布及辐射亮度分布。根据辐射亮度量化为灰度信息，经过建模、视点变换、环境设置等一系列处理并渲染输出红外图像，并利用双缓存技术实现动态红外图像的生成。     

红外测量图像不完整目标恢复方法

针对运动目标序列红外测量图像中，目标时常因被尾烟遮挡，造成目标图像部分缺损，导致目标识别困难的问题。采用HopFiled神经网络自动聚类分割技术，利用已处理的多帧图像进行网络训练，使用训练后的网络对目标缺损区域进行联想记忆，从而恢复目标图像的缺损区域。实验结果表明：此方法对目标图像缺损区域有理想的恢复能力，并对噪声具有一定的抑制能力。     

基于单演相位的红外图像配准

将单演相位（monogenic phase）的概念用于红外图像特征点的匹配,完成了红外图像的配准。其核心思想是用Harris角点检测算法提取特征点,然后以单演信号元素{p（x）,q1（x）,q2（x）}构成相关矩阵．提取出初始特征匹配点对,再用随机抽样一致性算法（RANSAC）去除伪匹配的特征点对,选择内点集估计对极几何的基本矩阵,实现图像的配准。实验验证,单演相位的应用高效稳定地完成了红外图像的配准。     

图像处理在胎面纠偏系统中的应用

轮胎胎面在机架中传输的实时纠偏系统,由控制器、轮胎、图像采集和处理单元组成.通过图像识别胎面边沿和机架边沿直线,求出其夹角作为系统的负反馈信号.即通过CCD采集图像、中值滤波器预处理图像、最优迭代阈值分割法分割阈值,由Roberts算子实现胎面边缘检测及其特征提取.     

基于亮度自适应调整的低对比度红外图像增强算法

为了克服传统红外图像增强算法中目标对比度差,无法有效识别感兴趣区域目标的缺点,提出一种基于亮度自适应调整的图像增强算法。该算法从人眼视觉感知特性出发,兼顾图像全局亮度自适应调整与局部特征增强,之后对整幅图像归一化处理,使图像整体对比度增强的同时纹理细节更加清晰。实验结果表明:直方图增强后的图像对比度提高,但是纹理细节不清晰;由Retinex算法增强的图像可以看到纹理细节,提出的基于亮度自适应调整增强算法处理后的图像不但纹理细节清晰,而且与Retinex增强图像相比图像对比度明显提高,视觉效果好。     

一种新的基于图像识别技术的信号灯识别算法

将远程数字视频监控和图像识别技术引入武器系统的测试过程中。信号灯作为武器系统测试中最常见的识别对象,多在灰度空间和RGB颜色空间中进行识别,但该两种方法均存在一定不足。鉴于HSI颜色模型在图像信息描述中的优越性,引入HSI空间颜色对比相似距离,用以改善信号灯的识别效果。新算法在RGB空间中进行均值的求解,再转化为HSI颜色,可以减小计算量,提高效率。实验表明,新算法实用性强,有效性高。     

激光调制型红外干扰条件下地面目标的识别方法

通过介绍激光调制型红外诱饵对地面目标干扰的工作原理和工作过程,分析基于灰度时间序列特性及序列图像运动特性的辨识方法在地面军械、装甲目标特征提取与真假识别中的应用。对于远距离变化平缓的点目标,其分辨灰度变化特性的方法包括傅立叶变换及小波变换：而对于运动剧烈变化的面目标则应用序列图像运动特性的目标识别,该方法可充分结合单帧图像中的目标历史状态信息,结合模糊集理论和信息融合技术,使运动目标在干扰条件下的识别具有较好的鲁棒性和适应性。实验证明,该方法能有效区分目标和诱饵,为红外干扰条件下地面目标的识别提供了理论模型和技术途径。     

红外成像制导末端局部图像识别跟踪研究

针对红外成像制导末端目标图像充满导引头视场影响目标识别跟踪的问题,提出一种红外成像制导末端局部图像识别跟踪的方法。分析了红外成像制导原理;选取了高亮区比例、灰度标准偏差、长宽比、紧凑度和复杂度等5个特征量作为特征提取和目标识别的依据,提出适合导弹的目标快速识别算法;通过计算红外成像制导末端目标图像,在导引头焦平面上的投影面积的变化情况,分析了弹目距离与相对速度对目标图像变化情况的影响,研究了形心跟踪到局部图像跟踪的转换时机。综合考虑了可靠性和实时性要求,选取飞机机头作为局部图形跟踪的跟踪点;搭建红外成像制导仿真场景,对所提出的方法进行仿真分析。仿真结果表明：该方法能够有效地识别图像中的目标,减小红外成像导引头跟踪盲区,实现红外成像制导末端的平稳跟踪。     

一种红外运动车辆识别的新方法

针对红外图像的特点,文中提出了一种识别运动车辆的新方法。首先,多尺度形态滤波器对原始图像进行滤波,消除噪声,并对梯度图像进行平滑;其后用改进的分水岭算法对运动车辆的红外图像进行分割并对分割的结果进行区域融合;最后提出了一种基于模板匹配的方法对融合后的图像进行识别。实验证明,本算法对运动车辆有较好的识别效果。     

基于图像矩和小波能量的红外目标特征提取

特征提取是目标分类和识别的基础。图像矩反映了物体灰度相对于质心的统计分布情况。目标的红外图像信息在小波域主要集中在低频部分。文章中提出了一种提取红外目标不变特征的新方法,利用该方法提取的特征向量,对红外目标图像进行了分类识别。实验结果表明:这种方法对精确制导武器的目标识别具有较高的实用价值。     

粗集理论在神经网络模式识别中的应用

基于粗糙集理论在神经网络模式识别中,利用粗糙集将采集的原始数据作为学习样本,量化样本属性值,组织决策表,将样本的条件和决策属性建为二维表并约简条件属性,仅保留影响分类的重要属性.将决策规则中必要条件属性神经网络化,通过粗糙集和神经网络并行学习实现最小决策规则,直到由最少属性构成的决策规则网络能正确划分所有测试集样本为止.     

简易红外成像引信标识别系统

针对末敏子弹试验样机中的红外目标实时识别处理系统进行介绍，给出整个系统的构成，介绍红外目标图像实时处理方法。由于选用高速DSP处理芯片TMS320F24作为该系统的图像微处理器，充分利用片内丰富的外设资源，简化系统的硬件设计，增加系统的可靠性，降低成本。该系统已应用在末敏子弹试验样机中，外场测试结果表明该系统性能可靠，抗干扰能力强，满足引信对该系统的要求。