基于模糊熵的红外图像分割方法

针对红外图像具有的不确定性往往是模糊的且不是随机的特点,提出了一种基于图像的模糊性和最大熵理论的分割方法,给出了基于模糊熵的阈值选取算法。该方法不依赖于图像的直方图,也不需要直方图分布的假设。用该方法对坦克的红外图像进行了分割,与侧抑制方法的比较表明,该方法提高了运算速度。对不同红外目标大小和信噪比的图像均产生很好的分割效果,且受目标大小的影响小,具有较好的鲁棒性,可用于小目标的分割。     

一种可有效分割小目标图像的阈值选取方法

目标检测与识别中常遇到目标与背景大小之比很小的小目标图像分割问题,此时现有的阈值分割方法几乎都失效.为此,提出了一种基于背景与目标的面积差和类内方差的小目标图像分割阈值选取方法.指出了目前图像阈值分割方法不能有效分割小目标图像这一缺陷,给出了基于背景与目标面积差和类内方差的一维直方图、二维直方图区域直分及更为有效的二维...     

基于免疫计算的二次阈值图像分割

介绍了免疫计算的原理,并基于免疫计算和最优阈值方法,提出了图像分割的二次阈值方法.在方法中,首先对图像进行免疫阈值分割,求得空间目标的亚图像及目标的中心坐标,再对目标的粗定位区域进行免疫阈值的二次分割,最后较好的得到整个图像目标.     

飞机目标红外图像序列双阈值分割方法

针对飞机目标红外图像序列,提出了一种新型双阈值分割方法.它依据实测飞机目标红外图像序列的统计特性,以及目标在上一帧图像中所占比例,确定当前帧图像中两个阈值的取值范围;再利用最大熵准则和遗传算法搜索最佳双阈值.仿真结果表明,这种方法能够实时地分割出飞机目标和作为目标特征点的尾喷管,可用于工作在成像目标跟踪阶段的红外成像制导、红外型自动目标识别(ATR)系统.     

基于改进型脉冲耦合神经网络的图像分割方法

脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）具有良好的脉冲传播特性，在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数，实时性差等问题，改进了标准的PCNN模型，提出了一种基于改进型脉冲耦合神经网络的图像分割方法。仿真结果表明，该方法实时性好、自适应性强，分割出的目标轮廓清楚．细节更多。     

基于直方图熵和遗传算法的图像分割法

图像分割是计算机视觉研究中一个老而难解决的问题。本文提出了一种基于灰度图像的直方图的熵和遗传算法进行图分割的方法,以灰度图像的直方图熵作为评价标准,把图像分割问题定义为一个优化问题,利用遗传算法的寻优高效性,搜索到能使分割到最优的分割参数－－图像分割阈值。     

基于改进的马尔可夫随机场声纳图像分割方法研究

声纳图像与普通的光学图像相比,具有对比度低、成像质量差、受噪声污染严重等特点,传统的图像分割方法难以取得高精度、鲁棒性强的分割结果。提出了一种基于改进的马尔可夫随机场(MRF)声纳图像分割方法。即对于MRF模型参数的建立,提出了新的3类分割空间邻域MRF模型参数;在此基础上把新建立的3类分割空间邻域MRF模型参数和层次间相互作用的模型参数,应用于空间分层MRF 3类分割中,得到最终精确的3类分割结果。通过对人造模拟声纳图像以及真实声纳图像的分割实验,验证了本文提出的分割方法具有较高的分割精度和适应性。该方法考虑了声纳图像中像素间的空间相关性,因而提高了其最终分割性能。     

一种基于最小模糊熵遗传算法的SAR图像分割方法

在合成孔径雷达（Synthetic Aperture Radar）自动目标识别中,图像分割的好坏直接影响目标的识别性能。本文在最大模糊熵分割方法的基础上,根据图像目标和背景内部像素灰度值的一致性和集中性,提出了一种新的图像分割隶属度函数,从而得到最小模糊熵分割方法,然后将最小模糊熵作为遗传算法的适应度函数应用于SAR图像,进行全局快速的最优阈值寻找。实验结果表明,由于最小模糊熵的抗噪能力强,将其作为遗传算法的适应度函数后,能够更有效地克服SAR图像中的乘性噪声,分割后的噪声点明显减少,图像目标清晰,分割效果明显优于最大模糊熵分割方法。     

一种基于自适应阈值的弹壳表面缺陷分割方法

由于材料表面不均匀和基于线阵相机采集图像的方式,图像的目标和背景的成像效果是动态变化的,不能用单一固定的阈值进行弹壳表面缺陷分割。针对该问题,结合弹壳表面图像的特点和灰度直方图峰值特性,提出了一种自适应确定阈值的方法,试验结果表明该方法对能准确对弹壳表面缺陷进行分割。     

基于优化遗传算法的模糊聚类图像分割算法

根据个体适应度大小和变化快慢来自适应改变遗传算法中的计算参数,并引入基于直方图二阶导数的约束条件．对遗传算法进行了两方面的优化,不仅可增加计算的自适应程度以增大计算结果的准确性,而且可缩小搜索空间,提高运算速度,从而形成一种基于优化遗传算法的模糊C均值聚类图像分割算法。实验结果证明,文中算法不仅减小了最小均方误差,改善了分割效果,而且大大缩短了计算时间,提高了运算效率。     

一种自适应阈值选取的改进SIFT算法

在SIFT算法中,阈值用于判断关键点的稳定性,决定关键点的选取质量;提出了一种自适应阈值选取方法,利用明亮和黑暗两个区域的高斯均值分别确定明亮和黑暗两个阈值,通过将关键点与所属区域的阈值进行比较,决定关键点的取舍;利用车载红外热像仪拍摄的视频图像进行了图像匹配实验;实验结果表明:该方法有效克服了阈值选择不当对图像匹配的影响,对于光照变化下图像匹配具有一定的鲁棒性。     

考虑模糊性的装备供应商选择决策方法

针对装备保障工程的装备供应商选择问题中所存在的不确定性问题,基于模糊数学理论和改进的TOPSIS,提出一个考虑模糊性的装备供应商选择决策方法,并建立数学模型。该模型通过计算备选供应商到正和虚拟负理想供应商的模糊Hausdorff距离,来确定各备选供应商的相对优势模糊Hausdorff距离,依此对各备选供应商进行优先排序,实现决策。通过某型机载装备的配套设备供应商选择决策案例,对模型进行了应用。实例表明,该方法有效地解决了供应商选择决策过程中的模糊性问题,更加直观和准确的给出了各参与竞标单位的排序,具有较好的适用性。     

基于FCM 聚类的测量图像自适应平台直方图均衡算法

针对测量图像平台直方图均衡算法中平台值选取困难的问题,基于C-值聚类(Fuzzy C-means clustering)理论,提出一种自适应平台直方图均衡增强算法。该算法通过对图像直方图进行C-均值聚类,自适应地选择平台阈值,能够在均衡图像的同时有效保持图像细节。实验证明:该算法对测量图像具有较好地增强效果,能够有效地抑制图像的背景,突出目标细节。     

基于模糊集理论的红外图像自适应增强方法

针对红外图像对比度低的特点,运用模糊集理论增强方法,在构造隶属函数时,通过对红外图像像素渡越点的自适应选取,实现了图像对比度的自适应拉伸。实验结果表明,该方法能够达到自适应增强效果。     

一种基于遥测信息的外弹道择优方法

为了解决航天靶场实时外测弹道人工拣择带来的不准确、不稳定、鲁棒性不强以及缺乏参考标准等缺点,以提高指控中心指挥决策的准确性和高效性,应用空间坐标变换理论和经典动力学理论分别构建了遥测角度同外测速度、遥测视加速度同外测加速度的关联模型,建立遥测信息同外测弹道信息的关系,提出了一种基于遥测信息的外测弹道择优方法。以某火箭理论弹道数据和理论遥测数据为输入,对遥测角度同外测速度、遥测视加速度同外测加速度的关联模型进行仿真验证,由仿真结果可知关联模型的误差很小,从而验证了关联模型的正确性。最后以火箭实际测量外测弹道数据、遥测参数信息为输入,应用弹道择优方法得出全局择优弹道,将全局择优弹道、其他局部外测弹道同事后高精度弹道进行比较,由比较结果可知全局择优弹道的综合误差最小,从而验证了择优方法的有效性和正确性。基于遥测信息的外弹道择优方法正确建立了某些关键遥测信息同外测弹道信息的关联模型,能够选择出精度较高的外测弹道,从而能够为指控中心提供更多的弹道择优辅助决策手段,具有较强的理论应用价值。     

基于自适应模拟退火遗传算法的特征选择方法

特征选择是机器学习及模式识别领域的重要问题之一。针对高维数据对象,特征选择不仅可以在保证数据完整性的情况下减少特征维数,还能够提高分类精度。文中提出了一种基于自适应模拟退火遗传算法的特征选择方法,该方法将模拟退火算法嵌入到自适应遗传算法的循环体中,利用模拟退火算法具有较强的局部搜索能力,并且能够使搜索过程避免陷入局部最优解的特点,解决了基本遗传算法收敛速度慢,时间复杂度高的缺点。实验结果表睨,在保证分类正确率的前提下,该方法有效提高了特征选择效率。     

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。     

一种改进的空时自适应处理干扰抑制算法

传统的空时自适应处理算法对空间不同于来向的干扰可以有效地抑制,但对与信号同向的窄带干扰抑制程度不够,同时滤除部分有用信号。对级联IIR陷波滤波器的自适应算法进行了讨论,提出了一种改进的空时处理器结构,将级联IIR陷波滤波器与空时FIR滤波器组相结合。该算法有效抑制了窄带和宽带干扰,改善系统性能,提高输出信干噪比。仿真结果与理论分析相一致,证实了该算法的性能优越性。     

视觉感知的数字图像拼接痕迹可见度客观评价方法

数字图像拼接时,待拼接图像之间的亮度差异导致拼接图像出现拼接痕迹。为了对数字图像拼接痕迹的明显程度进行客观评价,研究了一种基于人眼视觉感知的数字图像拼接痕迹可见度(MAV)客观评价方法:首先,由待拼接图像获取梯度误差图像;然后,综合考虑人眼视觉频率敏感度、亮度掩模效应及纹理掩模效应对视觉分辨力的影响,导出基准图像的临界可见偏差(JND),并从梯度误差图像的小波系数中减去JND门限值,获得能够被人眼视觉感知的拼接痕迹图像;最后,利用拼接痕迹图像的均值和信息熵,构造了一种数字图像MAV的客观评价指标(MAVA).实验表明,采用MAVA对数字图像拼接痕迹的明显程度进行的客观评价,与人眼主观评价结果基本一致。