基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

基于改进高斯混合模型的红外人体目标检测方法

针对高斯混合模型在阴影不显著情况下,容易把随光线突变而变化的背景像素点当作前景目标从而造成目标误检的缺点,提出了一种基于改进的高斯混合模型的红外人体目标检测方法。该方法引入边缘检测信息增强红外人体目标检测效果。首先,该算法利用Canny边缘检测来提取人体目标的边缘信息。然后,以此对每个像素建立高斯混合模型来完成人体目标的检测。实验结果表明,该方法能够有效消除光照突变所产生的阴影影响,提高了检测的准确性。     

基于微焦点X射线BGA焊点缺陷检测

BGA封装是是一种高集成的封装方式,其焊点缺陷会影响封装器件性能。为克服全局阈值分割、边缘检测方法对BGA焊点缺陷检测错误率较高的问题,本文提出采用Otsu阈值分割、轮廓提取、边界跟踪方法提取焊点轮廓,并用灰度形态学顶帽操作、直方图拉伸、Blob分析提取焊点气泡轮廓。通过分析BGA焊点缺陷类型及特征,提出基于焊点轮廓、气泡轮廓特征参数的焊点检测与分类算法。试验研究表明该算法较全局阈值、Canny算子焊点缺陷检测的准确率高,能够准确的完成焊点缺陷分类。     

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

基于光照不变性模型的运动目标检测新算法

运动目标检测有两大难点,即光照变化的影响,阴影对运动目标准确提取的影响。高志伟等人提出了基于彩色边缘的运动车辆检测,实现了复杂背景下的运动目标检测,但该方法无法消除阴影的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将本文算法和多层前景算法、边缘检测算法做了对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。     

Pedestrian detection algorithm based on PHOG

为了实现单张或离散红外图像集中的静态红外人体检测,提出了一种基于PHOG特征的人体分步检测方法。首先对红外图像采用基于亮度阈值与形态学处理方法相结合的方法进行两级分割定位到ROI的位置,利用候选区域的形状特征进行第一次分类排除形状异常目标,然后构建图像的PHOG特征,用SVM分类器对剩余候选区域进行分类检测。实验表明,该算法既弥补了分步检测算法运算量大的不足又保证了算法的性能,尤其在消除噪声干扰场合效果明显,是一种快速有效的人体检测算法。     

基于金字塔梯度直方图特征的红外人体检测算法

为了实现单张或离散红外图像集中的静态红外人体检测,提出了一种基于PHOG特征的人体分步检测方法。首先对红外图像采用基于亮度阈值与形态学处理方法相结合的方法进行两级分割定位到ROI的位置,利用候选区域的形状特征进行第一次分类排除形状异常目标,然后构建图像的PHOG特征,用SVM分类器对剩余候选区域进行分类检测。实验表明,该算法既弥补了分步检测算法运算量大的不足又保证了算法的性能,尤其在消除噪声干扰场合效果明显,是一种快速有效的人体检测算法。     

复杂场景下的自动红外舰船目标检测

为实现多种复杂海天背景下红外舰船目标的有效检测,提出了一种基于局部边缘梯度特征分析的舰船目标检测方法。利用红外舰船目标图像的特征,改进自适应Butterworth高通滤波对图像进行预处理。通过计算局部边缘梯度特征和聚类分析确定初始目标区域,比较梯度特征参数并进行多尺度搜索准确检测出舰船目标。对多种复杂海天场景红外图像进行仿真实验,结果表明,该算法能够有效准确地检测出多种复杂海天场景下的红外舰船目标,且算法简单,易于实现,适应面广。     

Detection algorithm of underwater linear target based on range-gated imaging

基于水下距离选通激光成像技术,提出了一种可用于长距离下的水下线状目标检测算法。该算法针对水下成像中低对比度、模糊和噪声等特性,首先采用对比度拉升、中值滤波、小波变换等方法对图像进行增强处理;然后利用Canny边缘检测算子提取出目标的边缘特征;最后针对边缘特征中出现的噪声边缘问题,选用了鲁棒性强的随机抽样一致性参数估计算法从边缘特征中检测出线状目标,并计算得到目标的位置和方向等相关参数。实验结果表明,该算法可以有效地检测出水下曲线状目标,弥补现有方法只能检测直线目标的不足,检测率可以达到93%,有效检测距离能达到5倍水下衰减长度。     

航空图片中车辆的检测方法研究

本文提出了一种航空图片中车辆目标的检测方法。我们的检测过程分为三步，首先对图像进行旋转，使感兴趣的方向在图中为垂直方向，然后分别水平边缘和垂直边缘，利用车辆在航空图片中所呈现出来矩形轮廓特征对潜在的目标进行初步定位，然后提取的目标的区域投影特征对目标进行进一步的识别。算法利用了图像中目标的边缘特征和区域信息，可以进行完全自动检测识别，速度也较快，实验证明我们的算法对于航空图片中车辆的检测是很有效的。     

高速摄影下气液泡状流双阈值小波去噪方法

根据气液泡状流三维特征参数高精度测量需求,针对高速摄影法采集气液两相流图像带来的 噪声特性,提出双阈值小波去噪方法实 现气液两相流多气泡图像去噪。基 于硬阈值与软阈值的理论模型,采取双阈值小波去噪的有效方法,达到分离目标区域,保持 良好边缘特性并获得良好去噪效果 的目的,克服了传统的小波硬阈值过度“扼杀”图像信息的缺陷,优化了软阈值边缘 特性的不足,同时解决了半软阈值算法 复杂较难实现的根本问题。实验结果表明,本文方法原图像去噪后信噪比(S NR)可提高11%,熵值提高5.3%,均方根误差(RMSE) 降低了6.9%,能有效地消除图像背景噪声,在不失真的 情况下获取较为平滑的气泡图像,并保持气泡边缘特性,提高了后续流动特征的提取精度。     

基于灰关联的红外目标识别方法

针对红外目标类型识别问题,提出了一种基于灰关联分析的红外目标识别算法.该算法在对红外图像进行边缘检测后,提取目标的奇异值特征作为关联参数,通过比较特征参数的灰关联值实现目标识别.该算法根据目标各个特征指标稳定性的不同,采用了一种灰关联加权系数的方法,仿真实验验证了该方法在红外目标识别问题上的有效性,并对目标旋转和平移有一定的适应能力.     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于梯度特征的弱小目标检测北大核心CSCD

针对传统检测方法对低对比度和低信噪比弱小目标检测难度大的问题,提出一种基于梯度特征提取的弱小目标检测方法。首先利用弱小目标的各向同性及在梯度空间中的正负分布特性,提取两个方向梯度特征;然后通过改进的局部对比度算法分别抑制两个方向梯度特征的相似性,融合两个抑制相似性的方向梯度特征,增强目标同时抑制背景;最后通过自适应阈值对结果图进行分割,得到最终检测结果。实验结果表明,该算法不仅能够有效检测极低信噪比与对比度的目标,而且对复杂边缘场景具有很好的抑制效果,在信噪比、背景抑制因子以及检测率方面优于其他算法。     

结合边缘检测和区域分割的形状特征提取

提出了一种将Canny边缘检测和区域分割相结合的形状特征提取方法.该方法通过区域分割得到的粗略形状轮廓,过滤掉边缘检测轮廓中不规则或冗余的边界点,得到位置比较准确的主轮廓图像,减少形状描述的计算量.为验证方法的有效性,建立了一个基于形状特征的图像检索系统框架,实验结果表明,该方法提高了系统检索准确性.     

基于特征匹配的水下目标检测与识别

针对水下特殊环境的目标检测与识别,提出一种基于霍夫变换与几何特征相结合的特征匹配算法。通过对Canny边缘检测和迭代阈值分割的有机融合,实现了对图像的后处理式联合分割,有效地减小了光照不均等噪声干扰对目标提取的影响。通过霍夫变换直线匹配和几何特征匹配算法对规则的几何目标进行识别,具有较好的抗旋转和抗缩放性能。实验结果表明了该算法的准确性和稳定性。     

PCA特征提取和弹性BP神经网络的水下气泡识别

针对水下激光雷达探测得到的尾流回波信号由于非稳态造成特征提取困难、不易识别的问题,提出了基于PCA特征提取与弹性BP神经网络结合的水下气泡识别算法。首先对连续采集的回波信号进行切片预处理,然后采用PCA算法对拼接的高维样本进行主要特征提取,确定特征值个数,其次对弹性BP神经网络进行参数的选择,确定能实现最优分类的隐含层节点数、特征个数等,最后根据室内搭建的尾流探测模拟平台,实现对气泡群和干扰目标的识别。实验结果表明:在隐含节点为12,增量因子为1.15,减量因子为0.55时,选取两个特征值能对有气泡、无气泡及干扰物进行有效分类;识别率随着气泡群密度的增大提升13.4%,在低密度下的识别率随激光能量的增加平均提升6.3%,识别率随距离的增加先增大后减小,气泡群在2.2 m时的目标峰特征明显,平均识别率提升3.5%。通过与自适应附加动量BP对比,该方法在减少识别时间的同时准确率达到99.1%,证明该算法可有效运用于激光雷达舰船尾流气泡的识别。     

改进的基于弦切变换的目标检测方法

在计算机视觉中形状是目标识别和检测的重要特征,针对目前许多基于形状特征的检测方法信息不够丰富,容易受边缘缺损变形等方面的影响,不具有局部特性,尤其是在许多复杂环境下很难实现对目标的正确检测等不足,提出了一种基于弦切变换理论在有限的目标边缘点信息基础上提取几何形状特征及相应的目标检测方法。该特征具有平移、旋转以及缩放不变性,基于此特征进行的目标检测能有效的得到目标的中心位置以及相关的二维运动参数,即使在一些复杂环境以及目标边缘部分失真或缺损的情况下也具有一定的鲁棒性。但由于边缘本身容易受到图像质量、对比度以及量化误差等影响,从而影响算法的精度。因此,文中通过融合丰富的灰度信息,使表征目标的特征更加丰富和完善,在形状和灰度的共同约束下提高检测的正确率和精确性。通过对多组图像序列进行仿真实验,结果表明了算法的有效性,及其在准确性和精确性上的提高,改进后待测目标与模板之间的匹配率可达90%以上。