红外弱小目标TSA检测技术

针对红外弱小目标检测,提出了一种改进的最大类间方差算法,利用遗传算法在寻求最优解方面的优势,采用图像像素点间的类间方差作为判决函数,实现了改进的算法设计方案,达到了对类间方差阈值分割检测算法的改进;通过对真实红外视频中采样得到的红外图像进行处理,将本文算法与传统的Otsu算法进行仿真比较,实验结果证明此算法在保证了分割算法检测精度的前提下,达到了对传统算法实时处理性能上的改进,具有工程实践价值。     

基于改进最大类间方差法的靶板重孔检测

传统的自动报靶系统对于连发射击到靶板上的重叠弹孔检测率低,通常基于图像处理的自动报靶系统对重叠弹孔会识别成一个弹孔,漏检率高,为此提出一种基于改进最大类间方差法(Otsu法)的靶板重孔检测方法.采用改进Otsu法的弹孔识别方法将重叠弹孔与背景分割,再用两遍扫描法对分割后的图像进行处理,得到重叠弹孔区域,最后采用最小外接...     

基于一维最大类间方差和形状连通性的图像分割新算法

提出了一种新的基于一维最大类间方差和形状连通性的图像分割算法。它首先选出未经平滑的原始直方图的所有极小值,并用一维最大类间方差法选取出类间方差较大的灰度值;然后再对这些灰度值进行形状连通性值（shape connectivity,SC）的计算。选择SC值最大的一个作为最终分割阈值。文中还在将边缘像素点划分为目标或背景点的方法上也做了一些改进．即使用二维的阅值准则对其进行划分．进一步减小了误分割发生的可能性。理论分析和实验结果都表明：该新算法较一维最大类间方差和基于形状连通性的分割算法都优越．且运算速度快、划分效果好。     

基于Otsu法的声呐图像多阈值分割方法

声呐图像对比度低、噪声大对其目标分割造成一定的困难,因此针对声呐图像的特点,找到合适方法进行分割,具有重要的实用意义。研究了基于Otsu法的声呐图像分割,包括传统Otsu法和改进Otsu法。结合声呐图像的特点对Otsu法进行多阈值扩展,提出了一种自动选取最优阈值的分割方法,并通过实验验证其有效性。     

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...     

发动机部件CT图像特征提取与区域生长算法

针对工业计算机层析成像(CT)图像中金属伪影和噪声会干扰部件分割提取的准确性和精度问题，提出一种基于标准差权重阈值和区域生长的工业CT图像特征提取算法。采用标准差权重的二维最大类间方差和二维最小交叉熵阈值分割方法去除图像背景，利用图像的邻域均值实现多种子点区域自动选取，添加Scharr算子计算梯度改进生长准则完成对部件特征的提取。实验结果表明：该算法相对于其他区域生长法，精确率提高了9.1%,准确率最大接近1,相似性系数提高了5.3%,交并比提高了4.1%最大；该算法部件提取效果更好。     

基于小波变换的弹载星敏感器昼间星点识别方法

图像降噪与星点识别是弹载星敏感器进行星点质心提取的前提,针对其昼间星点识别困难的问题,提出了一种基于小波变换的去噪声方案。该方案选择双正交小波函数对图像进行分解和软阈值化处理。在此基础上,进行图像信号重建,得到降噪后的图像。对复原后的图像采用改进的最大类间方差法进行了星点识别。星点识别的准确率达到了86.7%。实验结果证明了此方案在北极星昼间测量与识别上的可行性。     

基于ICT 的引信图像分割算法

针对传统图像分割方法在引信图像分割上的不足,提出一种能够兼顾类内方差和类间方差的改进二维Otsu算法。介绍二维Otsu算法,分析比较原系统分割算法与自适应二维Otsu图像分割算法的优劣。实验结果表明:改进二维Otsu算法既能保证目标和背景的最大离散度,又能使目标和背景的内聚性最好,分割效果明显优于传统方法。     

基于颜色和形态学的交通标志检测技术的研究

通过利用交通标志的颜色特征,采用基于RGB空间的彩色分割方法进行图像分割.对分割出的图像进行灰度增强处理,比较和分析了不同边缘检测算子和阈值分割的方法,使用固定阈值分割方法对图像进行二值化,使目标区域突显.利用数学形态学腐蚀算法对图像进行轮廓提取,并通过形状特征对交通标志进行形态学分析.通过MATLAB软件仿真实验,说明算法具有一定实用性.     

遗传算法在电视制导导弹目标图像处理研究中的应用

文中介绍了一种基于遗传算法的改进的类间方差法作为电视制导导弹的图像分割方法,它不仅具有较好的分割效果而且满足弹载计算机的速度要求.最后应用本方法在某型电视制导导弹的地面模拟弹上进行仿真试验,证明了该算法是有效的.     

基于Hu矩与改进PNN的飞机姿态识别算法

在军事领域,为了快速准确识别出飞机飞行过程中的姿态,提出一种基于Hu矩与改进的概率神经网络(IPNN)的新方法。该方法对于无噪声灰度化图片,先进行二值化处理,再计算图像的Hu矩特征。将飞机飞行的360°姿态按三视图分为三个类别,即正视图、侧视图、俯视图。四维Hu矩作为PNN输入,三个视图代表的三个类别作为PNN输出,构建PNN网络。实验结果表明,对于无噪声图片平均识别率可以达到91.2%以上;对于有噪声图片平均识别率可以达到87.0%以上,可见训练后的网络具备良好的泛化能力。     

基于耦合去噪算法的航空发动机中Si3N4圆柱滚子表面缺陷的检测方法

为解决基于机器视觉的传统单一图像去噪算法对混合噪声信号处理效果不佳,导致不能有效地检测识别航空发动机中应用的Si3 N4圆柱滚子表面缺陷问题,提出一种基于改进的耦合去噪算法与多尺度阈值分割算法相结合的视觉检测方法.通过优化的小波阈值去噪算法与改进的中值滤波算法相耦合方法对Si3 N4圆柱滚子的表面缺陷图像进行去噪处理,...     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于Relief算法的故障图像识别与匹配方法

针对图像识别与匹配问题,提出一种基于Relief算法的新方案。利用k最近邻的Relief算法选择表达图像的最优特征子集,再利用基于最小距离分类器的模板匹配技术,实现故障图像的识别。在特征提取时,改进了对传统的灰度共生矩阵的选取。实验证明,该算法正确识别图像故障与否的概率能到达90%左右,提高了特征选择的有效性,完全满足实际应用中的需要。     

基于电容与磁复合的装甲目标近程探测方法

针对低伸弹道复杂环境下对坦克反应装甲的精准定距问题,提出基于电容与磁复合的坦克目标探测方法,其中,电容探测进行精确定距,磁探测进行坦克铁磁目标识别,复合体制解决低伸弹道复杂背景环境的干扰问题。理论分析电容探测原理,通过COMSOL仿真对双电极电容探测模型的电极分布进行优化,有效提高了作用精度。理论推导坦克磁场计算式,对坦克目标周围磁场强度特性进行仿真,基于隧道磁阻设计磁探测电路并进行了实验验证;设计基于状态机的电容与磁复合目标探测识别方法,利用多特征量提高了对目标的识别准确性。开展样机实验验证,结果表明,该复合探测方法可实现对坦克目标的准确识别,达到了1 m±0.2 m的定距要求。同时针对对抗四代以上反应装甲探测距离不足的问题,设计单电极自电容探测模型及电路,进行仿真分析,结果表明,探测距离可提高至2 m以上。     

基于模拟退火算法的空中目标识别

根据NMI特征和Jan Flusser提出的仿射不变矩的特点及各自的适用条件,提出了一种组合不变矩。利用所提取的组合不变矩的特征向量,实现了对空中目标的K-mean聚类分析识别。在此基础上将模拟退火机制引入其中,以克服K-mean聚类的局限性和对初始聚类中心的敏感性,最后提出了基于模拟退火的改进K-mean聚类算法。仿真实验结果表明,该方法具有较高的识别精度和较好的抗噪性。     

基于组合矩特征的舰船目标识别

针对采用一维距离像特征进行舰船目标识别时,大样本需要、算法复杂和效率较低的问题,提出一种利用组合矩特征进行舰船目标识别的方法.首先提取目标距离像的变换不变矩及小波不变矩特征,并且在考虑算法效率及分类器设计的基础上,最终选取共6维特征构造组合矩,作为分类器输入,并利用实测数据对特征进行简化.分析结果表明:经过实测舰船数据验证,所提取的特征克服了姿态、幅度敏感性等特点,能够较好地表征不同类型舰船的差异.算法分类正确率较高,具有较好的工程应用前景.     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

复杂背景下的颜色分离背景差分目标检测方法

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的 基于RGB 颜色分离的背景差分目标检测方法。主要是对RGB 三通道图像独立进行背景差分运 算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进 行修正,消除光照变化带来的噪声;RGB 三通道使用自适应权值的递推算法进行背景更新。最后 采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异, 避免了灰度值相近而造成的目标缺失,提高了检测精确性。     

基于MFCC的OFDM信号子载波调制方式识别方法

针对多径信道下传统的OFDM信号子载波调制方式识别方法存在识别率不高,判决门限不易确定,子载波调制方式识别不全面等问题,提出一种基于MFCC的OFDM信号子载波调制方式识别方法.利用语音模型下的识别算法提取OFDM信号的MFCC特征参数,计算出各阶MFCC特征参数的平均标准偏差和平均变化率,并将两类参数的组合作为OFDM信号子载波调制方式分类特征量对子载波调制方式进行识别.仿真实验结果表明,该方法能够有效实现多径信道下OFDM信号子载波多种调制方式的识别,且识别性能优于传统方法.