应用聚类和分形实现复杂背景下的扩展目标分割

将K-均值聚类方法与分形理论相结合,提出了一种分两个阶段对扩展目标进行分割的方法.在预分割阶段,运用粗糙集理论求取初始聚类中心,在K-均值聚类分割和区域连通的基础上,检测图像边缘并进行边界跟踪,对于获得的目标和背景团块根据扩展目标特性确定目标潜在区域.在进一步分割阶段,给出图像分维数随尺度变化的函数,利用自适应阈值,根据分形理论的尺度不变性进一步抑制预分割结果中的自然背景,并运用形态学开运算消除背景粘连.实验表明该方法能有效并可靠地实现复杂背景下扩展目标的精确分割,分割出的扩展目标轮廓细节保持良好.     

在复杂背景下线状物体的图像分割算法研究

在对投影成像系统进行自动装校时,需要对投影图像进行处理和分析,分离目标物体和背景,以便分析投影成像系统装校情况,作相应自由度调整。分割投影图像的算法目前有多种,在已有各种图像分割算法基础上,分析投影成像特点和目标物特征,提出了一种复杂背景下直线或十字线型的目标物体的分离算法,这种算法可对特定方向的目标物体有较好的分离,有助于进一步分析图像、处理图像。     

地空背景下目标分形拟合检测算法

通过数字图像的离散分数布朗运动场模型,在研究提取分形维数H参数的基础上,根据人造目标与自然背景各自不同的分形特性,针对性的提出了一种提取分形模型拟合误差的检测算法.实验表明,该方法能够实现不同背景及目标的检测,抗噪声干扰性好,较之普通检测算法对目标具有更好的检测效果,是一种有效的边缘检测算法.     

基于改进多尺度分形特征的红外图像弱小目标检测

为提高红外图像弱小目标检测的准确率和实时性,在分析用于红外图像增强的分形参数K相关的多尺度分形特征(MFFK)基础上,提出了一种基于改进多尺度分形特征(IMFFK)的红外图像弱小目标检测算法。首先,将基于地毯覆盖法的分形维数计算公式代入MFFK计算公式,提出了一种改进多尺度分形特征(IMFFK)用于图像增强。其次,对IMFFK特征计算进行简化,采用自适应阈值分割得到感兴趣目标区域,提出了一种具有较高计算效率的红外图像弱小目标检测算法。最后,通过仿真图像分析了主要参数对图像增强和算法耗时的影响,采用红外真实图像进行了算法检测性能测试,并与当前基于局部对比度测度的目标检测算法进行了对比。实验结果表明,提出的算法虽然在一些检测场景具有较多虚警,但能同时适用于弱小目标和较大目标检测,且无论目标为亮目标或暗目标。提出算法对于低分辨率红外图像(320×240)检测接近30 frame/s。提出算法具有较强的适用性,能够检测出红外图像中具有较高局部对比度的目标。     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

复杂海空背景下弱小目标的快速自动检测

针对海面运动载体的可见光序列图像,结合复杂海空背景图像的特点,提出了一种不以检测海天线为前提的弱小目标检测方法.首先,修复图像中被高亮度噪声损毁的部分,如曝光区域或反光区域;接着,量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,据此来判断海天线区域是否存在,若存在则预测海天线区域的位置,否则放弃后续处理;然后,采取Mean-shift分割算法中先滤波后聚类的策略,使用周围纹理抑制滤波来平滑海天线区域,并以像素点和点集为单位对平滑图像进行聚类;最后,将最大面积区域与其他区域分离来二值化图像,完成目标提取.试验证明,该方法能够很好地定位目标信息,单帧处理平均耗时为35 ms,具有准确性和实时性.     

复杂背景下边缘提取与目标识别方法研究

通过对传统形态学边缘提取方法的分析,提出了基于形态学多结构元边缘提取算子,该算子既有良好的边缘提取特性,又很好地解决了噪声抑制和保持图像边缘细节之间的矛盾,通过灰度加权平均值作为阈值进行二值化,更加突出了边缘效果。针对目标成像特点,在提取图像中边缘的像素数、复杂度和最小外接矩形长宽比等多个特征的基础上,通过计算图像中目标边缘的特征评价函数和隶属度函数,利用模糊综合评判技术进行了目标识别。模拟试验表明:基于形态学的多结构元算子具有较强的噪声抑制能力,可以很好地提取复杂背景下的目标边缘;模糊综合评判技术可准确提取目标,较好地解决了复杂背景下的目标识别的难题。     

一种自然纹理背景下的图像目标检测方法

本文根据被测图像纹理背景和目标区域在小波变换域内图像能量的分布不同,以及经过多尺度分解后在各子空间信息分布的不同,运用与背景纹理的方向无关,对目标的变化具有旋转、平移以及尺度不变性的能量特征作为检测目标的依据.为了有效地提高目标边界的定位精度,抑制背景噪声,本文提出了能量特征图和基于多尺度分析的边缘特征图相融合的特征融合方法进行目标检测.实验证明该方法具有较好的适应性.     

一种基于分形理论的多尺度多方向纹理特征提取方法

纹理分割是计算机视觉以及图像处理中一项重要的任务.基于分形理论的纹理分割方法是一种常用的方法,然而单一采用分形维数作为特征不足以描述纹理.针对这一问题,本文提出了一种基于分形理论的多尺度多方向纹理特征提取方法.有效地提取出具有尺度性、方向性的分形特征,是对纹理图像的一种多层次的、紧致的描述.文中定义了一种新的相似度测量方法,采取基于图论的归一化切分方法作为分割策略.通过实验,验证了该方法的有效性和通用性.     

空间目标姿态角测量计算方法研究

新型武器在靶场试验鉴定时,除了测量其空间X、Y、Z坐标外,还新增加测量其空间偏航角、俯仰角等姿态信息,这也对靶场试验数据处理提出了新要求.本文以靶场普遍使用的经纬仪为测量设备,提出了一种新的算法.该计算方法通过平面坐标系与三维坐标系转换、观察坐标系与世界坐标系转换,利用三维透视投影变换理论,推导出相应计算公式,并给出了单站计算目标姿态角的精度分析.该方法可以普遍应用于光学成像测量设备和电子成像测量设备的姿态角数据处理中,具有一定的独创性和先进性.     

River surface target enhancement and background suppression for unseeded LSPIV

Large-Scale Particle Image Velocimetry (LSPIV) is an image-based technique for nonintrusive streamflow monitoring, where the visibility of flow tracers is one of the main limitations to its application in field conditions. Based on the target characteristics of flow tracers as well as the optical environment of river surface, the paper presents a target enhancement and background suppression method that innovatively combines near-infrared (NIR) imaging and spatial high-pass filtering (SHPF) to solve the above problem. An NIR smart camera was developed as the experimental instrument for image acquisition and preprocessing. Three sets of evaluations were performed at pixel-level, feature-level and vector-level. Results show that the NIR imaging not only enhances the contrast between targets and background, but also improves the peak signal-to-noise ratio (PSNR) of correlation plane in motion vector estimation. Moreover, the SHPF effectively suppresses the river background and strong noises, and consequently increases the percentage of correct vectors in the instantaneous flow field. Due to its strong operability, this method offers promising potential for the unseeded LSPIV.     

采用目标背景建模的毫米波弱小目标检测

基于被动毫米波成像特性,提出了改进的稀疏表示——圆周中心差(ISR-CSCD)算法来解决被动毫米波图像中弱小目标与背景区分度较弱,目标可提取特征较少的问题。该算法通过改进稀疏表示方法完成背景抑制与目标增强。依据目标与周围背景特征先验,提出了圆周中心差背景抑制算法对检测图像进行背景抑制。然后,融合改进稀疏表示方法和圆周中心差背景抑制算法的结果得到抑制了背景的目标增强图像。最后,基于恒虚警率的检测方法完成了弱小目标的检测。对不同场景下的毫米波图像进行了实验检测,结果表明,与主流算法图像稀疏表示(SR)法、鲁棒规则核回归牛顿算法(NRRKR),空时联合分类稀疏表示算法(STCSR)和累积中心与周边差异测量算法(ACSDM)相比,ISR-CSCD算法具有更低的虚警率、更高的检测精度、更强的鲁棒性。对各种虚警率、信噪比之下的毫米波弱小目标检测结果显示,ISR-CSCD检测率相对于其它算法平均提高了约15%。     

运动背景星空图像中小目标的运动轨迹提取算法

提出了一种序列星图中目标运动轨迹的提取算法.利用交叉投影方法提取星点,确定包含星点的区域.然后,利用序列图像中最亮的一组星点的质心估计星图的全局运动参数,并进行图像匹配,滤除背景恒星.最后,提出了一种目标运动轨迹的提取算法.实验结果表明:该算法对于在序列图像中运动轨迹不连续的空间小目标(≥1 pixel)可以进行准确的轨迹提取,并且具有较强的鲁棒性.     

A novel approach of networked manufacturing collaboration: fractal web-based extended enterprise

The web-based extended enterprise is a complicated system devoting to manufacturing collaboration by Internet and Intranet. To simplify its implementation and operation, a novel solution, fractal web-based extended enterprise with the fractal structure and the self-organizing operation policy, is raised here. The hierarchical architecture of extended enterprise can be generated through the recursion and iteration of our proposed simple unit, named fractal-agent. And it can be operated by the concise self-similar fractal workflow. Finally, an example of fractal web-based extended enterprise is given, in which a hydraulic machine can be manufactured cooperatively through self-similar networked collaboration style among the manufacturers and among their internal subunits supported by the computer-supported cooperative work (CSCW) information platform.     

基于信息融合的空中红外小目标识别

针对空中红外小目标很难识别且可信度低的特点,结合已有的识别算法,设计出一种新的小目标识别方法。将小目标的灰度、速度信息作为主要识别依据,并在此基础上加入轨迹信息作为补充依据。在利用灰度、速度信息后仍无法识别的情况下,将轨迹信息加入证据,进行非平等的D-S证据信息融合。仿真结果表明,新方法在不增加传感器数目的情况下将识别置信度平均提高了125%。