基于相位信息的目标分割算法

针对复杂背景下,红外目标与背景的亮度或对比度发生变化等因素会影响目标的分割结果的问题,构造了一种基于边缘相位信息的分割算法。该算法首先利用系数间积(ICP)变换获取图像边缘的相位信息,并进行边缘提取;再根据边缘像素点的相位与幅值,确定后续区域生长的种子与判决条件;最后采用区域生长思想对整幅图像实施分割。仿真结果表明,该算法不受亮度和对比度变化影响,准确有效地实现红外图像分割,避免了传统的分割算法所导致的图像边缘信息丢失。     

一种对亮度变化鲁棒的相关跟踪方法

针对复杂背景目标跟踪过程中,目标亮度和对比度发生变化易导致跟踪不稳定或失败的问题,提出了一种对亮度变化鲁棒的相关跟踪方法。该方法利用图像相位一致性特征对亮度变化不敏感的特点,对原始图像进行相位一致性计算,得到相位一致性图像,再采用传统的最小绝对差(MAD)相关跟踪方法对目标进行跟踪。实验结果表明,该方法对图像的亮度变化具有很强的适应性,较好地解决了传统相关跟踪算法因图像亮度变化导致跟踪点漂移甚至目标丢失的问题。     

多级分割融合算法提取红外舰船目标潜在区

针对海天背景下红外舰船图像目标与背景对比度低,图像边缘模糊的特点,提出了一种红外图像舰船目标潜在区的提取算法.算法对图像进行了预处理和频域增强,在海天线附近区域进行多级分割融合以提取目标潜在区.实验结果表明,对于海天背景红外图像,采用该算法能够克服传统分割方法中单一阈值不好选取的问题.多级分割融合的结果能够覆盖目标区域,为后续的目标识别和跟踪奠定了良好的基础.     

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。     

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.     

基于邻域空间特征的低对比度小目标分割算法

低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,从中分割出微小目标是非常困难的。本文提出一种新的低对比度图像提取小目标的分割算法,通过引进局部均匀度,结合局部熵获得空间分布状态,对低对比度图像进行分割,该算法充分利用了目标图像的灰度和空间属性。实验结果表明,该方法能有效地实现低对比度小目标图像的分割。相对于其他算法,分割精度更高,且抗噪性强,可以有效地降低过分分割问题。     

基于相位信息和主成分分析的对称性检测方法

对称性检测在图像分析与模式识别中具有重要意义。该文提出一种基于相位信息和主成分分析的对称性检测方法。首先在不同尺度、不同方向上计算相位对称性,其次在每个方向上将所有尺度的相位对称性进行融合,再次利用主成分分析提取各个方向的主要特征,最后利用非极大值抑制和自适应滞后阈值处理得到最终的对称性检测结果。实验证明:该文方法可直接对原始图像进行处理,不需要图像的任何先验知识,对于多目标图像不需分割等任何预处理;可以同时检测亮目标和暗目标的镜像对称、旋转对称、曲线对称;对图像亮度和对比度不敏感。     

基于改进多尺度间隙度的海上目标分割方法

针对复杂海面背景下的可见光图像舰船目标分割问题,引入了图像的多尺度间隙度特征,分析了Dong提出的图像间隙度特征提取算法存在的问题,并进行了改进,采用滑动盒子内像素值方差计算滑动盒子的质量,提高了舰船目标与海面背景的可分离程度,最后利用改进算法提取图像的多尺度间隙度特征对海上舰船目标进行分割。实验结果表明,利用改进方法对海面背景下舰船目标进行分割,相对于sobel边缘检测、ostu阈值分割和基于传统提取算法的多尺度间隙度特征分割方法结果更优,可以更好地抑制海面亮度变化、海浪和背景杂波的影响,准确分割出海上舰船目标。     

一种面向目标跟踪性能的红外图像自适应增强方法

针对光照突变或强辐射源干扰条件下由于目标能量变化引起跟踪不稳定且易丢失的问题,提出了一种可适应目标能量突变的自适应红外图像增强预处理算法。首先通过最大极值稳定区域方法对目标进行检测,实时计算目标区域平均灰度,并通过最小二乘对下一帧目标均值进行预测,当检测到实时目标能量与预测均值能量突变超过一定阈值后,使用自适应增强方法重新预处理目标图像,使突变前后目标及其附近背景区域对比度保持稳定,然后通过核相关跟踪算法对目标能量变化前后的目标进行跟踪。实验结果证明,该增强算法能有效改善目标能量突变情况下目标跟踪的稳定性和准确性。     

基于Harris算法的自适应双极性红外舰船目标检测

红外舰船目标检测是舰船目标自动识别与跟踪的关键技术之一。针对现有方法在舰船目标成像灰度呈现"双极性"(舰船亮度高于或低于背景)或多极性(舰船目标灰度分布不均匀)的情况下适应能力不足,提出了一种新的红外舰船目标检测方法。为抑制海空杂波干扰提高检测概率,对图像进行均值漂移滤波,利用行垂直方向梯度投影获得感兴趣区域,通过检测区域内目标角点实现舰船目标的自动检测。实验结果表明,该算法能够克服传统算法基于舰船亮度高于背景的假设,在舰船灰度呈现双极性或多级性的情况下获得较好的检测结果。     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。     

Design-based texture feature fusion using Gabor filters and co-occurrence probabilities.

A design-based method to fuse Gabor filter and grey level co-occurrence probability (GLCP) features for improved texture recognition is presented. The fused feature set utilizes both the Gabor filter's capability of accurately capturing lower and mid-frequency texture information and the GLCP's capability in texture information relevant to higher frequency components. Evaluation methods include comparing feature space separability and comparing image segmentation classification rates. The fused feature sets are demonstrated to produce higher feature space separations, as well as higher segmentation accuracies relative to the individual feature sets. Fused feature sets also outperform individual feature sets for noisy images, across different noise magnitudes. The curse of dimensionality is demonstrated not to affect segmentation using the proposed the 48-dimensional fused feature set. Gabor magnitude responses produce higher segmentation accuracies than linearly normalized Gabor magnitude responses. Feature reduction using principal component analysis is acceptable for maintaining the segmentation performance, but feature reduction using the feature contrast method dramatically reduced the segmentation accuracy. Overall, the designed fused feature set is advocated as a means for improving texture segmentation performance.     

一种新的多装甲目标在线跟踪方法

实现多装甲目标跟踪在协同跟踪和打击中发挥着至关重要的作用,而实现多装甲目标跟踪需要解决目标之间遮挡、轨迹交叉以及目标尺度不断变化等问题。因此,提出了一种基于视觉注意力的Gabor在线多装甲目标跟踪方法,实现对地面战场中多装甲目标的跟踪。通过模拟视网膜结构,构造了一种能够增强检测的视觉注意力Gabor分支,并引入时间信息,采用在线学习的目标特性卷积神经网络解决目标遮挡的问题,更重要的是,通过实际拍摄和互联网下载等手段构建了多装甲目标跟踪数据集,并且通过对目前成熟的多目标跟踪方法和本文提出的方法进行对比实验。实验证明了本文提出的方法不仅具有优异的跟踪性能,而且能够满足实际的应用需求。     

Preferential Image Segmentation Using Trees of Shapes

A novel preferential image segmentation method is proposed that performs image segmentation and object recognition using mathematical morphologies. The method preferentially segments objects that have intensities and boundaries similar to those of objects in a database of prior images. A tree of shapes is utilized to represent the content distributions in images, and curve matching is applied to compare the boundaries. The algorithm is invariant to contrast change and similarity transformations of translation, rotation and scale. A performance evaluation of the proposed method using a large image dataset is provided. Experimental results show that the proposed approach is promising for applications such as object segmentation and video tracking with cluttered backgrounds.      

log Gabor函数在人类视觉系统特性研究中的应用

本文对Gabor函数与log Gabor函数进行比较。构造了log Gabor小波,从人类视觉系统认知特性的角度分析了log Gabor小波的性能,并与Gabor小波进行比较,讨论了log Gabor小波的优良性能。最后将log Gabor小波应用于图像特征检测,证明用log　Gabor小波不但可以提高特征定位精度,而且在相同检测效果的情况下,可以比Gabor小波节省大约一半的计算量。     

线算子引导Gabor小波的视网膜血管分割

视网膜血管自动分割能辅助诊断某些眼底疾病和系统性血管疾病。为了提高血管自动分割的效率,因此提出了一种线算子引导Gabor小波的视网膜血管分割方法。利用线算子检测血管方向的最优匹配角,将其作为Gabor小波变换的旋转角构建4个不同尺度的Gabor小波,并提取4维Gabor小波特征,加上两个线强度和预处理后的图像灰度,构建7维特征向量,采用SVM进行分类。与其他基于Gabor小波的方法相比,本方法只需计算最优匹配角所对应方向的Gabor小波特征,大大降低了多尺度Gabor小波特征提取的计算量,此外线算子特征与Gabor小波特征的良好互补性,有利于提高血管与背景的辨别度。在DRIVE眼底数据库上进行实验,其平均准确率、灵敏度及特异性分别为0.9361、0.8238及0.9554,获得了不错的分割性能。     

磁环表面缺陷图像分割算法的研究及实时实现

为实现小型磁环表面细微缺陷图像无监督分割,并提高分割精度与计算效率,本文提出了一种基于改进2D Gabor滤波器组的自适应阈值分割方法。首先,利用多尺度、多方向的Gabor滤波器组对缺陷图像进行滤波降噪处理,抑制目标区域与背景区域内部的噪声污染,同时增强区域间的差异性；然后,通过对处理后图像的灰度统计特性分析,根据缺陷图像的灰度均值及方差构造了灰度阈值计算公式,实现了小型磁环表面细微缺陷图像的自适应分割。实验结果表明,本文算法可快速、准确地分割缺陷并抑制噪声干扰,在分割精度、计算效率等方面也优于传统的选择迭代法、OTSU、最大熵等方法,并能够在先进的SEED-DVS8168平台上实时实现,验证了此算法的可行性与实时性。     

Extended fractal analysis for texture classification andsegmentation

The Hurst parameter for two-dimensional (2-D) fractional Brownian motion (fBm) provides a single number that completely characterizes isotropic textured surfaces whose roughness is scale-invariant. Extended self-similar (ESS) processes were previously introduced in order to provide a generalization of fBm. These new processes are described by a number of multiscale Hurst parameters. In contrast to the single Hurst parameter, the extended parameters are able to characterize a greater variety of natural textures where the roughness of these textures is not necessarily scale-invariant. In this work, we evaluate the effectiveness of multiscale Hurst parameters as features for texture classification and segmentation. For texture classification, the performance of the generalized Hurst features is compared to traditional Hurst and Gabor features. Our experiments show that classification accuracy for the generalized Hurst and Gabor features are comparable even though the generalized Hurst features lower the dimensionality by a factor of five. Next, the segmentation accuracy using generalized and standard Hurst features is evaluated on images of texture mosaics. For these experiments, the performance is evaluated with and without supplemental contrast and average grayscale features. Finally, we investigate the effectiveness of the Hurst features to segment real synthetic aperture radar (SAR) imagery.     

基于HSV颜色空间检测与Gabor筛选器的阴影检测

针对视频分析中难以完全将前景(FG)和运动阴影正确分离,提出一种基于阴影HSV颜色空间特性与Gabor筛选器的阴影分割方法。首先,采用一种基于复杂背景(BG)的运动目标检测方法提取出运动目标;其次,采用基于HSV颜色空间阴影特性初步判定阴影区域;最后,设计基于感兴趣区域(ROI,region of interest)的Gabor筛选器对初步判定后的阴影区域进行筛选,从而检测出阴影。对不同光照和环境条件下的视频序列进行测试结果表明,方法效果好,阴影检测率高,可应用于智能视频监控的目标检测。