基于SIFT特征匹配的地面背景下目标识别方法

研究了地面背景下的红外目标识别技术.首先,从提高中值滤波实时性的角度考虑,提出了改进的自适应中值滤波算法,用改进算法对图像滤波;然后,通过空域图像增强方法和基于数学形态学的图像增强方法相结合的方式,提出一种针对地面目标的图像增强算法,拉开目标与背景的灰度差异、突出目标;最后,用基于SIFT特征提取的图像配准方法对增强后的地面背景下的红外目标进行识别(采用MATLAB进行编程仿真试验),匹配过程中重点讨论了匹配阈值的选择问题.实验结果表明,应用该方法对地面目标进行识别的效果比较好,具有一定的实用性和可靠性.     

一种基于ReliefF评估和互补系数的特征选择算法

Filter特征选择算法具有通用性强、算法复杂度低的特点,但对某一个具体的分类器选择的特征子集也许并不是最优的;Wrapper方法与其相反,对特定的分类器可以找到最优的特征子集,但算法复杂度很高.研究一种Filter与Wrapper相结合的混合型算法.首先从特征对样本分类效果的角度提出互补系数的概念,然后基于ReliefF评估和互补系数,提出ReCom算法.实验证明,由ReCom算法得到的特征子集与ReliefF算法得到的特征子集相比具有更好的性能,并且与传统Wrapper方法相比,该算法大大降低了时间复杂度.     

空间弱小目标图像检测方法研究

针对背景缓慢运动的空间弱小目标图像检测问题,提出了序列图像背景配准方法及基于目标特征的空域滤波方法.通过对动态背景序列图像的背景恒星配准及背景消除,得到了目标图像.通过基于目标特征的滤波,并用质心法计算出每帧目标代替点得到轨迹投影图.最后使用Hough直线检测算法和最小二乘法提取目标轨迹.实验选择了实拍的序列图像,检测结果验证了该方法的有效性.     

动态背景下运动车辆的检测与跟踪研究

为实现对车载设备视频图像中车辆的识别和跟踪,针对图像中的运动目标和动态背景,提出了一种基于特征学习的目标检测和超像素跟踪算法.该算法首先对训练图像进行HOG特征提取,并利用AdaBoost算法得到强分类器.利用强分类器对采集的图像进行车辆检测,从而确定搜索区域.结合对搜索区域的超像素分割结果,采用均值漂移聚类算法实现车辆识别与跟踪.实验结果表明,该算法可以很好地实现视频序列中的车辆识别,提高了目标跟踪的实时性.     

基于Hausdorff距离的自动目标识别算法的研究

红外自动目标识别是智能化图像处理及应用开发的方法.由于传统的图像匹配方法受到诸如景物的遮挡、背景和噪声的影响比较大,并且需要建立模板与图像间的对应关系,因而使实际图像的匹配变得困难.为了克服上述缺陷,以便快速地进行图像匹配,提出了一种基于Hausdorff距离的自动目标识别算法.该算法不仅加快了匹配过程,提高了抗噪性能,而且能准确匹配遮挡图像.实验结果证明,该方法是正确有效的.     

基于Bayesian粗糙集和布谷鸟算法的肺部肿瘤高维特征选择算法

在高维特征选择过程中最优特征子集生成和分类器 参数优化方面,提出一种基于贝叶斯粗糙集(BRS)、遗传算法(GA)和布谷鸟算法(CS) 的两阶段优化高维特征选择算法。该算法首先分析3000例肺部肿瘤CT图像的形状、灰度和纹理特征,提取104维特 征分量共同量化ROI;然后进行两阶段优化:(1) 从全局相对增益函数的角度分析了属性 重要度,结合属性约简长度和基因编码权值函数的加权和构造适应度函数,通过选择、交叉 和变异等遗传操作生成最优特征子集,在不降低分类精确度的前提下降低特征维度;(2) 利用CS对支持向量机(SVM)参数进行全局寻优;最后通过实验验证本文算法的可行性和有 效性。实验结果表明,该算法有效提升了肺部肿瘤良恶性识别能力,降低了算法的时间复杂 度。     

基于纹理特征和SVM的SAR图像溢油检测方法

SAR 图像中含有严重的相干斑噪声,传统的基于灰度的算法不能很好地对SAR 图像中的目标实现分类.将SAR图像的纹理特征和SVM(支撑向量机)结合,提出了一种新的SAR 图像目标识别算法.对含有油污的SAR图像进行识别,实验结果显示,该算法可以快速有效的检测出SAR图像中的油污,并且具有较高的识别率和抗噪能力.     

使用GMM背景减除的红外伪装人体目标快速识别算法

针对红外监视系统对伪装后的人体目标检测处理速度慢、识别准确率低的现状,提出了一种基于混合高斯模型(GMM)的背景减除(BS)快速识别算法用于红外视觉监视系统伪装人体目标检测。首先,该方法采用Mean Shift算法构造初始化背景模型后,使用编码取样原则对像素分等级取样识别前景;再利用移动目标的时间-空间相干性,使用相邻像素预估法快速、精确提取目标图像。其次,设计了基于模板的目标区域聚合新算法,有效地解决了由于伪装造成的人体目标形状特征改变而导致的误检问题。实验证明:新方法切实提高了探测识别效率,降低了人体目标误判率,为实时红外监视提供了有效手段。     

红外多谱段小目标识别方法

随着红外诱饵技术的不断发展,对传统的小目标识别提出了新的挑战.通过对飞行目标和红外诱饵光谱特征的分析,利用红外多谱段图像对天空背景中具有伴飞诱饵干扰的小目标进行识别.提出了自适应阈值分割和能量相关滤波相结合的方法对图像进行预处理,再利用光谱角算法对疑似小目标进行识别,增加了目标识别的可靠性,降低了算法的复杂度.与传统的单波段目标识别跟踪算法不同,该算法从光谱特征差异性角度对目标进行识别,识别概率高,运算量小,为红外小目标识别提供了新的解决办法.     

基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。     

室内夜间微弱光源下运动目标检测和阴影去除

提出一种新的室内夜间微弱光源照明情况下的运动目标检测方法。首先进行背景建模, 获取稳固的背景图像, 之后对背景和当前帧图像进行图像增强处理, 提高其清晰度; 采用相对背景减法检测前景运动目标, 并对差分图像进行去噪和修补; 利用前景目标区域、阴影区域和背景区域像素亮度值存在差异的特点, 检测和去除背景差分图像中可能存在的阴影, 获得准确的运动目标。在室内夜间环境下采集视频进行试验, 结果验证了所提方法的有效性。     

自适应红外隐身系统的背景投影建模

实现目标自适应红外隐身的第一步是获取遮挡背景图像,这部分图像是观察者处于某一视点观察目标时,被目标所遮挡住的背景。而当观察者在不同的视点观察目标时,被目标所遮挡住的背景是不同的,目标与遮挡背景满足透视投影的关系。为求得目标与遮挡背景的关系,首先建立了三套坐标系,即目标本体坐标系、视点坐标系以及热像仪坐标系,然后通过推导三套坐标系之间的转换关系,建立了目标表面各点与热像仪获取背景图像点之间的对应模型,从而实现了遮挡背景的获取。最后通过实验对该模型进行了验证,结果表明:该模型能够正确获取不同视点下的遮挡背景,为工程应用奠定了基础。     

物体融入背景情况下的目标检测方法

针对运动物体运动进入背景区域后,由运动变为静止,成为背景一部分的情况下,传统利用当前图像和背景图像加权得到新的背景图像的方法,背景图像更新较慢,不能快速消除变为背景的物体的影响,提出了帧差法和背景差法相结合的运动目标检测方法,较好地消除了其影响,顺利检测出运动目标,提高运动目标检测方法的适用范围。     

浮动阈值算法在小目标图像提取中的应用

针对相对复杂图像目标对象的提取问题,介绍了像素图像处理常用算法（背景差法、光流法、帧间差分法）的优点和缺点及适用范围。提出浮动阈值在小目标图像提取的方法及算法流程设计的详细组成。实验表明,这种方法能快速准确提取目标,还原模糊分类后的图像目标,并使背景部分替换成其他颜色,从而实现目标的提取。     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

基于特征区域匹配的运动物体检测

提出了一种利用特征区域的匹配实现运动目标提取的检测方法。特点是能通过背景图像与当前图像的特征区域中心位置偏差，确定运动目标在背景图像中的确切位置。实验证明，这种方法运算量小，适应性强，并且能在复杂的背景环境下有较好的检测效果。     

基于图像差异度的太阳像二值化算法研究

图像二值化是数字图像处理系统中基本而关键的技术,阈值分割是实现二值化的重要途径,假定图像的目标与背景是可以分离且存在一定差异的,则基于图像中目标和背景与原图像的差异,建立恰当的差异度公式。提出相应的算法,并对太阳像进行闽值分割。试验结果表明,与一些传统方法相比,该方法能很好地区分目标和背景,得到了较好的二值化处理效果。     

激光雷达距离像背景抑制算法研究

相干激光成像雷达距离像处理的一个重要内容就是进行背景抑制。利用原始强度像的均值信息进行距离像的背景抑制因为强度像受到噪声影响而效果不佳，改进算法加入了强度像的噪声滤除，大大提高了背景抑制能力。但是这种利用强度像均值的背景抑制算法要求目标区占有较大的面积，对于小目标图像其抑制效果变差。分析了强度像的直方图特征，提出了一种熵阈值分割抑制距离像背景算法，此算法将强度像的直方图划分为描述目标区像素和背景像素的两个概率分布．而将使这些概率分布熵最大的灰度值作为分割阈值。将此算法应用于实际图像处理，结果表明对于大目标图像和小目标图像都有较好的抑制效果。     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。