基于红外多目标图像序列的自动判读技术

提出了一种红外多目标图像序列的自动判读方法,先着重阐述一种目标序列段自动变步长搜索方法精确定位有用目标序列段,然后对图像二值化分割批处理方法以及判读脱靶量计算等关键性技术进行说明,最后输出准实时脱靶量;探讨目标搜索中步长和信号量阈值对搜索时长以及精度的影响.实验结果表明,对于低SNR的红外弱小多目标图像序列,该判读方法能缩短判读时间,提高判读的准确性.     

一种快速鲁棒的红外图像分割方法

介绍了一种快速鲁棒的红外图像分割方法,算法是为了满足工程化应用。首先采用Canny边缘检测算子提取图像的边缘像素;然后统计边缘像素灰度值得到红外行人图像的分割阈值,并利用自适应双阈值算法对图像进行初始分割;最后通过边缘扫描对初始分割的图像区域进行边界修正,得到边界更加精确的目标区域。实验结果表明,该方法能够较好地保留行人的边缘信息,减少了区域像素错误分割,且具有较强的实时性。     

基于多向梯度表决融合的双波段目标检测算法

为解决海空复杂背景下弱点目标的检测,针对电视和3～5μm红外弱点目标提出了一种采用多向梯度表决融合的检测方法。该算法依据目标辐射特征是像素灰度在水平和垂直方向上梯度变化,将弱点目标特性转化为对图像奇异性的分析。采用匹配的梯度分割阈值分别对红外和电视通道的图像进行检测,并对各通道的检测结果进行表决融合。仿真实验通过实测的海空背景下电视和3～5μm红外图像进行。在红外梯度阈值系数选取为2．4～2．8、电视梯度阈值系数选取0．6～1．8时,可实现对信杂比(SCR)为1的海空背景下点目标的检测概率≥97％,单帧图像的虚警个数≤10。     

基于改进Otsu方法的振动图像分割研究

在振动位移的机器视觉测量方法中,振动处标记点图像的分割作为处理过程中的关键,其分割结果直接影响最终的测量精度,但由于标记点图像中目标像素数目过小的特点及测量干扰因素,传统的Otsu阈值分割方法及相关改进算法的分割效果均不理想。为得到更优的分割算法,首先探讨了相关改进算法分割脉冲噪声、强光及阴影干扰下标记点图像时存在的问题,然后提出了一种基于阈值与目标波峰之间灰度分布信息的改进Otsu算法,在相关改进算法的基础上,将阈值与邻近目标波峰之间灰度值的差值及二者的像素数量之和在总体中的比例共同作为权重,最后进行多幅复杂干扰情况下标记点图像的分割实验和振动位移测量实验,实验结果表明,改进的算法在干扰下依然能对标记点图像进行有效分割,且目标的位置偏差值总体优于其他算法,同时准确地实现了振动位移的测量。     

海空背景下红外小目标检测算法

研究海空复杂背景下红外图像小目标检测问题,针对海空背景下远距离小目标总是出现在水天线附近的特点,通过小波多尺度分析边缘检测算法检测水天线,确定出目标潜在区域,再进行精细目标搜索,从而提出了一种由粗到精的小目标检测算法。实验结果表明,对一般噪声条件下得到的红外目标图像,该方法能准确地检测、定位小目标,单帧检测准确率达96%以上并具有单帧检测率高、实现速度快的特点。     

基于多向梯度法的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标信噪比(SNR)低、对 比度小造成的红外目标检测率低和实时性差的问题,提出一种基于多向梯度法的红外弱小目 标快速提取算法。目标提取前, 利用多尺度拉普拉斯-高斯(LoG)算子抑制图像背景,凸显背景边缘轮廓与弱小目标;然后 引 入多向梯度目标搜索算法,选取最佳梯度数,利用最简算法快速搜索目标。实验结果表明, 本文算法处理后的红外图像有较高的SNR与对比度,检测率 为传统红外目标提取算法的1.5倍,充分保证了检测精度,且计算耗 时短,实时性强。     

基于噪声方差估计的红外弱小目标检测与跟踪方法

针对红外弱小多目标图像背景杂波干扰严重、弱 小目标检测率低和目标跟踪困难的问题,提出一种 基于噪声方差估计的红外弱小目标快速检测与目标跟踪算法。首先采用改进的形态学 滤波抑制背景噪声, 对处理后的多帧图像进行方差估计初步突出目标像素;然后对其进行信噪比(SNR)估计得到整个图像序列像素得 分,图像中像素SNR高的被标记为目标像素;再对标记过的图像进行分块分析 ,准确提取出连续图 像序列中的目标像素;将检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双 阈值实现目标 的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目 标检测拥有较 高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有 效跟踪目标, 而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

基于Otsu阈值分割的边缘快速图像插值算法

为了满足视频监控、目标检测与识别过程中较高图像质量和较低算法复杂度要求,以及改善传统图像插值中细节模糊和边缘锯齿效应,文中提出一种基于Otsu阈值分割的边缘快速图像插值算法。利用Otsu算法,根据目标区域和背景区域的类方差最大,确定分割阈值,对非边缘区域进行双线性插值,边缘区域利用与待插值点周围6个或8个相邻降采样像素局部结构的多方向特点,自适应估计高分辨率像素值。实验表明,该算法运算复杂度低,很好保持了图像的边缘,获得了视觉质量较好的高分辨率图像。     

图像目标质心快速搜索算法

提出一种利用x轴、y轴对称平方距离模板并行搜索跟踪二值图像目标质心的新算法,并针对该方法提出了快速实现法.在导弹跟踪目标过程中,当目标发生平移、旋转、缩放时,利用目标的差分内积性质,可快速计算出目标质心位置.仿真结果表明,新算法相比改进前的算法,质心误差始终控制在1.0个像素内,搜索速度有很大提高,而新算法的快速实现更是极大的提高了质心跟踪速度.     

一种改进的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标检测率低、目标跟踪困难的问题,提出一种改进的红外弱小目标快速检测方法。该方法采用改进的形态学滤波抑制背景噪声,对处理后的多帧图像进行方差估计初步突出目标像素,然后对其进行信噪比估计得到整个图像序列像素得分,图像中像素信噪比高的被标记为目标像素,再对标记过的图像进行分块分析,最终准确提取出连续图像序列中的目标像素。检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双阈值实现目标的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目标检测拥有较高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有效跟踪目标,而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

基于纹理特征分析的海天线检测方法

为抑制海空背景干扰和提高舰船检测速度,提出一种基于纹理特征分析的海天线检测方法。分析了典型红外海空背景下海天线区域的纹理分布特征,建立了适用于海天线检测的纹理模型。通过梯度特征计算和聚类分析找出图像中的候选直线位置,比较其纹理参数并准确检测出海天线。对多种复杂背景红外海空图像的实验表明,该方法适应面广,计算简便,具有很好的抗干扰能力。     

EMD Based Infrared Image Target Detection Method

Under the complicated background of infrared image, the small target detection is a vital challenging task in modern military. In order to solve this problem, a novel method based on the empirical mode decomposition (EMD) is proposed in the paper, to detect small targets under complicated sea-sky background. The detection process contains two steps: the first step is to suppress the sea-sky background of the infrared image based on EMD; the second step is to segment the target from the background suppressed image through a threshold. The application of infrared images has shown that the performance of the algorithm can detect infrared small target under sea-sky background exactly. Compared with wavelet transformation, the testing results based on EMD method achieve tantamount results wavelet transformation, and even better in some respects. The simulations show that EMD method presented in this paper appears instructive for both theoretical and practical points of view.     

基于知识的旋转海面小目标检测

针对海面小目标处于海空线这一先验知识,提出了基于小波变换和多方向Gabor滤波融合的方法,检测任意角度的海天线,确定小目标的潜在区域,减少搜索区域与虚警情况,并利用运动目标的相关性检测小目标。结果表明,该方法对于复杂的海面背景是有效的,能够很好地检测出目标点。     

一种面向高斯差分图的压缩感知目标跟踪算法

针对压缩感知目标跟踪算法在目标纹理改变、比例缩放、光照变化剧烈时鲁棒性不足,提出一种面向高斯差分图的实时跟踪算法.首先,构建图像的多尺度空间及其对应的高斯差分图,实现高斯差分图的特征提取并获取压缩感知的输入信号;然后,通过压缩降维,目标邻域遍历,参数更新等过程,计算出面向高斯差分图的后续帧的目标最优跟踪窗;最后,将跟踪窗投影到对应的原始图像上,完成面向视频流的目标跟踪.高斯差分图像是单通道灰度图,具有灰度取值范围小、数值低、结构简单、维数少等特点,增强了特征对纹理改变、比例缩放和光照变化的稳健性,且继承了传统算法的实时性.实验证明,该算法能够快速准确地实现复杂环境下的移动目标跟踪任务.     

基于二维模态分解与斑块对比度相结合的红外小目标检测算法

红外小目标检测在红外目标搜索跟踪等应用中发挥着重要作用。文中提出一种二维经验模态分解与多尺度斑块对比度算法相结合的红外小目标检测算法。首先,利用二维经验模态分解将红外图像分解成不同尺度的模态分量,再将低频模态分量去掉进行图像重构,实现对背景杂波的抑制。然后,将重构图像做为多尺度斑块对比度算法的输入,生成目标结果图。最后,对目标结果图进行自适应阈值分割,检测出真实的红外小目标。实验仿真结果表明,该算法与现有算法相比,在不同背景下能够有效抑制背景对目标的干扰,具有较高的检测率,验证了该算法的有效性和鲁棒性。     

一种新的多尺度深度学习图像语义理解方法研究

如何在深度学习中融合 图像的多尺度信息,是基于深度学习的视觉算法需要解决的一个关键问题。本文提出一种基 于多尺度交替 迭代训练的深度学习方法,并应用于图像的语义理解。算法采用卷积神经网络(CNN)从原始 图像中提取稠密性特征 来编码以每个像素为中心的矩形区域,将多个尺度图像交替迭代训练,能够捕获不同尺度下 的纹理、颜色和 边缘等重要信息。在深度学习提取特征分类结果的基础上,提出了一种结合超像素分割的方 法,统计超像 素块的主导类别,来校正分类错误的像素类别,同时描绘出目标区域边界轮廓,完成最终的 语义理解。在Stanford Background Dataset 8类数据集上验证了本文方法的有效性,准确 率达到77.4%。     

海空背景下确定弱小目标潜在区域的方法

目标潜在区域的确定对于成像型反舰导弹的目标检测、目标识别具有重要意义.本文深入分析了海空背景及舰船目标的红外特性,提出了一种海空背景下确定弱小目标潜在区域的方法,首先利用梯度算子得到差分图像,然后基于边缘阈值策略二值化图像,最后利用二值化图像在竖直方向上的投影确定目标潜在区域.实验证明次种算法速度快、精度较高、能够有效地剔除部分干扰.     

基于小波提升框架及小波能量的红外弱目标检测方法

针对图像序列中红外弱小目标的检测与跟踪中遇到的难点,即信噪比低、帧间相对位移小等问题,提出一种基于小波提升框架及小波能量的目标检测算法。新方法首先对隔帧融合生成的图像进行小波提升变换,然后通过计算水平及垂直方向上小波能量并选取合适的阈值将目标提取出来,再结合目标的帧间相关性实现准确跟踪。由于新方法联合考虑了帧间信息及单帧的灰度信息,因而检测结果比常规方法更为准确可靠。试验结果表明,新方法对信噪比小于2、帧间位移小于一个像素的红外斑点目标的检测与跟踪十分有效,并且实时性很好。     

联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测

针对低秩稀疏矩阵分解的高光谱异常目标检测算法忽略了图像的空间信息,导致检测精度低的问题,提出了一种联合空间信息的改进低秩稀疏矩阵分解的高光谱异常目标检测算法。算法综合利用了高光谱图像的光谱信号与空间信号,并与图像自身的稀疏性相结合,对经典的基于低秩稀疏矩阵分解的目标检测算法进行改进,该算法以待测像元为中心构建一定大小的空间窗,计算中心像元与邻域内其他像元的空间相似度权值和光谱相似度权值,通过计算邻域内其他像元对中心像元的比例权值得到了中心像元的重构光谱值并作差得到两者的残差矩阵;最后基于低秩稀疏矩阵分解的高光谱异常目标检测算法得到图像的稀疏矩阵,将代表异常目标信息的稀疏矩阵和残差矩阵相加并求解矩阵行向量之间的欧式距离得到像元的异常度,设置阈值,得到检测结果。为验证所提算法的检测性能,采用了真实的高光谱数据进行仿真实验,并与现有算法进行对比,结果表明该算法能够得到更高的检测精度。     

一种基于直线拟合法的新的海天线检测方法

针对海空环境的特点,在提取海天线前进行有效的背景抑制和目标增强处理.在直线拟合法的基础上提出了一种剔除粗大点的改进方法,并利用Matlab对该方法进行了仿真试验.试验结果表明,该方法可以有效地检测出海空背景下的海天线与舰船位置,为目标识别和图像配准奠定了良好的基础.