侧扫声纳图像分割中种子区域获取方法

研究了一种基于区域增长的侧扫声纳图像感兴趣区域提取方法。该方法利用边缘检测算子提取侧扫声纳图像的目标影阴区的种子区域,利用阈值分割方法提取目标亮区的种子区域,采用Haralick与Shapiro提出的相似准则进行区域增长,提取感兴趣区域。从处理结果看,该方法对某些类型的侧扫声纳图像的感兴趣区域提取有较好的效果,而且种子区域的引入大大缩短了处理时间。     

一种快速提取铜块图像感兴趣区域的方法

针对铜块合金样本感兴趣的区域(ROI)有效提取问题,提出了一种完整的单一背景下提取铜块合金样本ROI的方法,进而抽象ROI提取问题.将该问题分割为2个步骤:第一步为背景相关的种子点提取,第二步为背景无关的ROI确定,并提出了一种基于种子点的SBRE方法.复杂背景下的SBRE方法首先建立HSV颜色模型,然后通过不断更新步长收缩搜索矩形框最终使搜索矩形框完全位于铜截面内部,进而确定种子点,最终确定ROI.实际测试结果表明:该方法准确、快速.     

微目标遥感图像的感兴趣区域提取新方法

结合微目标遥感图像的灰度、轮廓、大小等信息特征,提出了一种基于视觉注意的微目标遥感图像感兴趣区域提取方法,首先采用形态学Top-Hat变换强化感兴趣区域和抑制背景,利用开运算实现去除噪声和虚假微目标:然后通过阈值迭代法初步分割出感兴趣区域;最后通过人工交互,结合形态学方法进行感兴趣区域提取,进而运用基于小波变换的多尺度边缘检测算法探测出感兴趣区域的边界.实验结果表明:该方法能快速有效地分割提取出微目标感兴趣区域.     

基于帧间差分的自适应运动目标检测方法*

本文提出了一种基于帧间差分的自适应运动目标检测算法。算法利用直方图统计各像素点处最大概率灰度的方法提取出连续视频的背景图像;相邻帧利用帧差法得到运动区域图像;利用运动区域图像与背景图像差分的方法提取出运动目标。实验结果表明,该算法能在多个不确定性因素的序列视频中较好的提取背景图像,能及时响应实际场景变化,提高运动目标检测的质量。     

一种新的肤色相似度图自适应阈值选取方法

针对复杂背景图像,基于肤色相似度直方图最低波谷自适应阈值选取法分割提取肤色区域效果不理想,提出第一波谷自适应阈值选取法.实验结果表明,该方法对复杂背景图像的肤色区域分割提取效果较为理想.     

基于颜色差分直方图的图像序列目标检测和跟踪方法

视频监控系统中,需要提取感兴趣的目标并进行稳定跟踪。而环境和光线的变化,导致目标提取和分割困难,进而无法对感兴趣目标进行有效跟踪。为了能够有效分割目标,提出了一种鲁棒的颜色差分直方图方法。首先对图像序列进行感兴趣区域分割;然后在感兴趣区域中检测目标;采用粒子滤波对检测出的运动目标进行跟踪。实验结果证明,颜色差分直方图法能够有效提取目标,算法运行速度满足实时性要求。     

逐次分块差分直方图对运动目标的提取

为从视频图像序列中准确且完整地提取运动目标,提出一种基于运动差分直方图的目标提取算法。通过对视频图像序列中两帧相邻图像以及它们的差分图像进行逐次分块,分析对应分块的差分直方图,利用背景区域块与目标区域块对应的差分直方图分布不同,逐步去除背景提取目标,有效避免提取的目标内部出现空洞,以块为单位的处理提高算法运行速度。通过数值实验验证了该算法具有较好检测性。     

卫星云图感兴趣区域自动提取方法研究

卫星云图中人们感兴趣的区域(ROI)往往是各类云团,针对卫星云图内容的复杂性,利用直方图模糊加权C均值聚类方法实现云图的图像分割,对分割结果进行后处理,最终获取云图内的感兴趣区域。常规聚类方法需要人工指定类个数,影响了ROI提取过程的自动化程度。引入修正聚类评价指标,基于该指标实现最佳类别个数的自动确定。云图分割是感兴趣区域提取过程的关键,采用的直方图模糊加权C均值聚类方法在原有算法基础上,引入样本权重概念,使得聚类过程更为合理;同时将聚类对象由原始像素转换为灰度直方图,提高了聚类过程执行效率。实验结果表明设计的感兴趣区域提取方法能较为准确地分辨出陆地、水体、低云、中云、卷云、对流云六类区域,提取结果与客观实际一致。     

利用腿部区域HOG特征的行人检测方法

为快速定位车辆前方的行人,提出一种基于腿部感兴趣区域梯度方向直方图（HOG）特征的行人检测方法。将可能存在行人腿部的区域作为感兴趣区域,采用Sobel算子增强腿部垂直边缘特征,并提取梯度方向直方图特征,有效地降低了特征向量的维数;在检测过程中仅扫描可能存在行人腿部的图像下半部分,并在整幅图像的块内计算HOG特征,减少了复杂背景对行人检测干扰,进一步简化了检测过程;基于垂直边缘对称性特征对检测结果进行融合。实验结果表明,该算法能在保持检测率的同时提高检测速度。     

起伏背景的红外图像过渡区提取*

将基于过渡区提取的图像分割技术应用于起伏背景的红外图像的分割.为了实现复杂背景下过渡区的准确提取,首先采用基于直方图的非均衡拉伸算法对原始图像进行处理,以提高整体对比度;然后采用基于小波分析的能量特征图像法区分目标区域和背景区域,这是因为能量特征的选取与背景纹理的方向无关,对目标的变化具有旋转、平移不变性,当目标区域越平滑,检测的精度就越高.对比实验验证了该方法对起伏背景下人造目标具有较强的自适应性和良好的分割效果.     

一种非线性变换的双直方图红外图像增强方法

红外图像具有噪声大、对比度低等特点,红外图像增强是红外探测、识别和跟踪应用中的核心问题之一。在红外图像增强技术中,直方图均衡方法简单、有效,但存在细节信息损失较大的缺陷。提出一种对红外图像采用非线性变换分段直方图的增强方法,该方法对红外图像进行非线性变换,提高较暗区域的像素亮度,根据前背景区域特征将直方图分成两段,进行双直方图均衡化处理,对前景和背景分别进行图像的增强。经过实验验证,该算法能有效提高图像亮度,扩大目标区的灰度范围,增强前景图像的细节部分。     

红外弱小目标的匹配方法研究与仿真

研究红外图像中的目标匹配问题。针对传统的红外图像中目标匹配效果不理想,匹配不准确。当红外图像中是弱小目标时,背景灰度值与目标灰度值非常相近,灰度直方图均衡化无法实现目标与背景的完整分离,导致漏匹配率较高的问题。为提高目标的匹配精度,提出一种形态学预处理的红外目标匹配方法,通过形态学算法提取出图像中的形状信息,利用形状信息将红外图像中的目标与背景完整分离,避免了只依靠灰度图像信息造成的不能完整分离目标与背景带来的漏匹配问题。进行仿真的结果证明,采用的形态学与处理的匹配方法能够完整将目标与背景分离,成功完成目标匹配,取得了满意的结果。     

基于粗糙集和属性直方图的医学图像增强

医学图像信息存在着复杂性,在处理中的各个不同层次可能出现不完整性和不确定性。利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图,将它用于子图划分。在此基础上本文提出了一种基于粗糙集和属性直方图的医学图像增强方法。利用属性直方图的Otsu算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对噪声点用中值滤波进行滤除,去噪后的背景子图和目标子图进行增强变换,合并得到增强图像。以胸部CT图像中的肺组织为目标区域,进行大量的实验,结果表明该方法明显增强了图像且不损害图像的边缘。     

基于ICF和多级分类器的交通标志检测

针对传统的基于积分通道特征(ICF)和Adaboost交通标志检测算法,召回率过低和误检率过高的问题,提出了一种两阶段交通标志检测方法.第一阶段对ICF进行谱聚类并结合Adaboost算法学习得到目标感兴趣区域(ROI);第二阶段对所获得的感兴趣区域进行直方图均衡化,利用尺度不变特征变换(SIFT)描述子与支持向量机(SVM)分类器相结合,提高了目标区域检测的准确性.通过德国交通标志数据集(GTSDB)的验证,结果表明:采用SICF-Adaboost +SIFT-SVM构建的交通标志级联分类器检测算法相对于传统的ICF-Adaboost算法召回率高且误检率低,适用于真实场景下的交通标志检测.     

一种基于空间直方图的Mean-Shift跟踪算法*

经典的Mean-Shift跟踪算法以颜色直方图为特征对目标进行跟踪。颜色直方图反映的是图像中颜色的组成情况,即出现了哪些颜色以及各种颜色出现的次数。颜色直方图具有旋转不变性、缩放不变性等优点,经常用于图像检索,即通过比较颜色直方图的差异来衡量两幅图像在颜色全局分布上的差异。但是颜色直方图不能反映颜色的空间分布特征,当跟踪目标与背景色颜色相近时可能造成错误跟踪,导致跟踪失败。考虑目标颜色空间分布特征,将空间分布信息融入颜色直方图中,提出了基于空间颜色直方图的Mean-Shift跟踪方法,全面地反映了颜色的整体分布信息和空间分布信息。在VC 6.0上利用新方法和经典Mean-Shift跟踪方法分别对发生遮挡的视频和快速运动的视频进行跟踪,实验结果表明,提出的新方法能够更好地对目标进行跟踪,避免跟踪过程中的目标丢失。     

基于改进正则化方法的SAR图像区域特征提取

合成孔径雷达(SAR)图像上的各种噪声削弱了目标、阴影等感兴趣区域(region of interest,ROI)的细节特征,影响了后续的目标检测、分类和识别等应用。传统的正则化方法能够增强SAR图像的目标特征,但是运算量过大,实时性不好。提出一种改进的正则化方法,有效地提高了SAR图像区域特征提取的速度和精度。理论上证明,降质算子的优化可以使运算量由O(M3N3)降到O(MN),同时保留了区域特征增强的能力。利用MSTAR数据库中实测的SAR图像进行算法验证,实验结果表明该方法能够大幅度提高目标杂波比,有效抑制感兴趣区域内的噪声,从而更精确地把目标和阴影等区域从背景杂波中提取出来。     

红外舰船目标的自适应鲁棒检测方法

针对背景杂乱的红外舰船目标检测问题,提出了一种红外舰船目标的自动检测新算法。该方法利用红外舰船图像中目标与背景在灰度直方图上的差异,通过对拟合直方图的多项式曲线参数鲁棒求解,进而求出舰船目标的分割阈值。然后,根据红外舰船目标亮度与图像平均亮度的关系等,对求得的阈值合理性进行判断。若该阈值不合理,则将其作为阈值初值,对红外舰船图像进行自适应局部递归分割。最后,结合红外舰船目标吃水线、天空与背景的边界特征等先验知识,对分割出的背景进行剔除。实验结果表明,该方法对强杂波干扰的红外舰船目标能实现可靠的检测,具有很好的适应性和鲁棒性。     

基于感兴趣区域的图像水印嵌入算法研究

鉴于现有绝大多数图像水印方案将载体图像看作整个场景,并未考虑载体图像自身的结构特征及人们感兴趣的视觉目标区域,本文提出了一种基于感兴趣区(ROI)的小波域图像水印嵌入算法.该算法首先结合人眼视觉感知特性,在小波变换域内利用k-均值聚类提取出感兴趣区域;然后对感兴趣区域进行小波变换,并结合图像局部相关性对小波系数进行自适应的量化调制,将水印信息嵌入到感兴趣区域的低频子带内.仿真实验表明,所提出的水印嵌入算法不仅具有较好的透明性,而且对JPEG压缩、叠加噪声、锐化等常规图像处理操作具有较好的鲁棒性.特别地,该算法能够有效抵御恶意剪切、目标移动、替换背景等攻击,而且可以实现盲检测.     

一种融合多特征的UAV快速目标识别

针对UAV（Unmanned Aerial Vehicle）侦察图像快速目标识别问题,提出一种融合多特征的UAV快速目标识别算法。该算法结合图像的不变矩特征和SIFT特征,用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域（Region Of Interest,ROI）。采用尺度不变特征变换算法（Scale Invariant Feature Transform,SIFT）在ROI区域中进行匹配识别,从而精确确定目标的位置。仿真结果表明：该算法的鲁棒性较强,能有效识别特定目标并显著减少识别时间。