红外图像序列运动小目标检测的预处理算法研究

讨论了复杂背景下低信噪比的运动小目标的检测,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,然后采用领域判决法实现运动目标的进一步分离,用图像流分法进行目标的最终检测。实验结果表明：该算法能够对小目标甚至是点目标的运动进行可靠地检测。     

基于图像序列的红外锁相热像检测技术研究

介绍了红外锁相热像技术的发展和应用。红外锁相热像技术是一种主动热成像技术,采用了正弦调制光源作为激励源对试件进行激励,利用Cedip JADE MWIR 550焦平面红外热像仪采集红外图像序列,对其特殊的图像序列文件格式进行了分析,研究了数字信号的滤波算法和热波信号FFT处理算法,并采用Viscal C++开发平台编制了红外图像序列信号处理程序。试验结果表明,开发的基于红外图像序列处理的红外锁相热像软件系统可达到国外同类技术的先进水平。     

基于主成分分析的目标热红外伪装效果评价研究

为解决目标热红外伪装效果评价主观性强、量化分析不全面等问题,综合提取了温度、纹理、形状及统计4类一级指标,并细分提取10个二级指标,建立评价指标体系。针对多属性决策问题权重难以客观确定的缺陷,运用PCA对评价指标进行主成分分析,降维处理后选取影响热红外伪装效果的主成分因子,计算综合分值并排序。利用该算法对在不同时间和背景下的坦克模型热红外伪装效果进行评价,结果表明该算法对目标热红外伪装效果评价行之有效,可为指挥员判别热红外伪装方案优劣提供决策参考。     

信赖域方法在红外图像序列处理中的应用

在以光源为激励的红外无损检测图像序列采集过程中,由于受到不均匀加热、环境辐射等因素影响,采集到的图像序列存在着背景噪声大、对比度低、缺陷显示效果差等问题,易造成缺陷的漏检。为提高缺陷检出率,提出了基于信赖域反射算法的红外图像序列处理技术。通过算法对加热不均造成的背景噪声进行快速曲面拟合,并将拟合得到的背景曲面从原始图像中减去,从而去除加热不均的背景噪声。利用主成分分析算法对去除背景后的图像序列进行缺陷特征信息提取,进一步提高红外图像的信噪比。结合区域生长算法对缺陷区域进行分割,以提取缺陷区域。实验结果表明:采用上述方法,能够有效地改善红外图像的信噪比,进而达到提高缺陷检出率的目的。     

红外序列图像运动小目标检测算法

利用红外序列图像小目标运动的连续性进行背景恢复,滤除背景以提高信噪比,在门限检测后对图像进行边缘滤波以进一步提高检测概率,最后再一次运用目标的运动特性确认目标,减小虚警率,从而有效地检测出目标.实验结果证明,这种算法检测率高,而且计算简单,易于硬件实现.     

基于多分辨分析的红外/被动毫米波图像主成分融合

红外/毫米波(IR/MMW)复合制导是当前发展多模复合制导技术的热点方向。针对红外探测系统在低能见度条件下穿透能力有限,而被动毫米波探测虽然穿透能力较强、但图像分辨率不高的问题,为了更好地进行红外与被动毫米波图像融合,使得复合探测器能够全天候工作,提出一种新的基于多分辨分析的主成分融合方法(M-P)。利用多分辨分析可以按图像的分辨率空间很好地处理信息的优势,M-P融合方法首先对红外与被动毫米波探测的坦克群图像进行分解去噪;对重构后图像分别进行主成分变换;用高分辨率图像的第1主分量代替低分辨率图像的第1主分量;最后做逆主分量变换来得到最终的融合图像。实验仿真结果表明,与PCA方法比较,新方法融合得到的图像能更好地区分坦克群目标和地物背景。     

红外图像序列小目标检测预处理技术

文中就如何复杂背景条件下低信噪比的小目标检测概率问题展开了讨论，提出了用空间高通滤的方法改善图像质量，达以抑制背景噪声，增强小目标的目的，并交坑通滤波和中值滤波做了一个简单的比较，随后采用分层投票表决法对目标进行检测，取得了良好效果。     

基于红外序列图像的特定目标智能检测

红外成像探测技术是目前以及未来军事作战需要倚仗的重要技术。以卫星红外序列遥感图像为处理对象,采用人工智能相关技术对图像数据进行目标检测。针对序列图像检测到的特定目标进行关联分析,并通过目标灰度提取以及运动变化信息来生成特定目标的轨迹报告。实验结果表明,多目标检测的平均正确率为90%,部分场景可以达到95%,误检率为7%;多目标跟踪的平均正确率为91%,误检率为6%,为及时发现和预警特定目标提供了信息支撑。     

红外序列图像弱小目标检测算法

红外图像中的弱小目标因为信噪比和对比度较低,用单帧图像检测很难得到满意的效果,利用多帧图像信息进行检测是有效的手段之一。分析了利用帧间相关性对红外图像中的弱小目标进行检测的方法,提出了改进的算法和对比度相关性的概念。该算法在序列图像灰度起伏情况下,克服了直接利用灰度相关效果不好的缺点,具有良好的抗噪声和背景干扰的特点。算法可以推广到其他类型图像目标的检测中。     

A principal component analysis based method for the Simulation of turbulence-degraded infrared image sequence

We present an original method for the simulation of images degraded by atmospheric turbulence. The existing methods allow us to simulate only images that are temporally decorrelated from each other, in the isoplanatic case, or in weak anisoplanatism. Here, we propose a simulation for the case of strong anisoplanatism. Moreover, the temporal aspect has been studied in order to build up a sequence of degraded images, using principal component analysis (PCA). The images obtained clearly show the effects of anisoplanatism and temporal evolution of turbulence.     

基于Multilinear PCA的烟雾图像识别算法

为了提高火灾烟雾图像识别正确率,更好地预防火灾,提出一种基于multilinear PCA的火灾烟雾图像识别算法。在提取烟雾疑似区域的基础上,首先分别提取烟雾的静态和动态特征,然后采用multilinear PCA对特征进行融合,消除其中冗余特征,并根据选择特征进行训练样本构造,最后将训练样本输入支持向量机建立烟雾图像分类器,并对测试样本进行识别。仿真结果表明,相对于其他烟雾图像识别算法,提出的算法不仅提高了烟雾图像识别正确率和识别效率,而且具有良好的抗干扰能力,可以满足不同环境下烟雾图像识别要求。     

增量式块主成分分析的焊缝图像特征提取算法北大核心CSCD

针对焊缝图像特征提取的实时性问题,该文提出一种增量式块主成分分析(incremental block principal component analysis,IBlockPCA)算法,用于焊缝特征主成分的提取。该算法先将焊缝表面图像分割成子图像块并对其进行重构,然后利用提出的IBlockPCA算法对局部块图像进行增量式特征提取,并采用KNN算法对提取的特征主成分进行分类识别;最后在焊缝数据集上进行了算法的性能对比。实验结果表明,该算法在收敛率、分类率及复杂度等方面均优于其他主成分分析(principal component analysis,PCA)算法,其分类识别率为97.5%,其平均处理速度可达50 frame/s,能够满足焊缝表面图像的实时性处理需求。     

基于主成分分析法和极限学习机的尿沉渣图像识别算法研究

针对尿沉渣中的有形成分进行检测和分析,提出结合主成分分析(PCA)和极限学习机(ELM)的识别和统计方法。该方法通过PCA对样本进行特征提取和降维后输入到ELM进行训练,根据训练得出的模型与未经PCA处理的样本训练的模型进行检测效果对比。实验结果表明,使用PCA处理后的样本训练得出的模型具有更高的识别准确度和稳定性,同时训练时间大幅减少。     

基于主成分分析的图像匹配方法研究

景像匹配和相关跟踪系统中,由于所面临的都是变化的场景,实时获取的图像与预存的基准图之间存在差异。传统的基于图像空间的匹配方法不能很好地克服这些差异给图像匹配定位带来的影响,使得完全按图像灰度特征的相关匹配应用受到限制。文中将主成分分析方法引入了图像匹配和相关跟踪过程中,提出一种能抗御一定图像畸变的基于主成分分析的图像匹配算法,并应用该方法进行了初步实验,证明该算法具有较高的匹配跟踪鲁棒性。     

Research on indoor localization algorithm based on kernel principal component analysis

An indoor localization algorithm based on kernel principal component analysis (KPCA) was proposed.It applied KPCA to train the original location fingerprint (OLF) and extract the nonlinear feature of the OLF data at the offline stage,such that the information of all AP was more efficiently utilized.At the online stage,an improved weight k-nearest neighbor algorithm for positioning which could automatically choose neighbors was proposed.The experiments were carried out in a realistic WLAN environment.The results show that the algorithm outperforms the existing methods in terms of the mean error and localization accuracy.Moreover,it requires less times of RSS acquisition and AP number.     

基于F范数的二维主成分分析算法及焊缝表面缺陷识别研究

针对传统二维主成分分析(two-dimensional principal component analysis, 2DPCA)算法应用于焊缝表面缺陷识别中存在重构性能及鲁棒性较弱等问题,本文将最大化投影距离和最小化重构误差引入到目标函数中,提出了一种基于F范数的非贪婪二维主成分分析算法(non-greedy 2DPCA with F-norm, NG-2DPCA-F),该算法具有良好的鲁棒性和较低的重构误差。为了进一步提取图像的结构信息和求解出维数更小的特征矩阵,进而提出一种基于F范数的非贪婪双向二维主成分分析算法(non-greedy bilateral 2DPCA with F-norm, NG-B2DPCA-F)。最后,以含有不同噪声块的焊缝表面图像数据集进行实验,结果表明,本文所提算法在平均重构误差、重构图像与分类识别实验中均表现出良好的鲁棒性能。     

基于混沌序列和JND的红外图像水印算法

提出一种适用于红外图像版权保护的数字水印算法。以整数小波变换为基础,对灰度水印图像Logistic混沌加密和小波分解后,结合人类视觉系统和JND思想,选取重要感知系数,融合到红外图像特定的位置,采用分层检测的方法提取水印。实验结果表明,该算法实现速度快,嵌入水印前后红外图像温度变化在±1%内,不影响红外图像实际应用。具有较好的不可见性,对常见的JPEC压缩、滤波、加噪、剪切等攻击具有较强的鲁棒性。     

基于迭代主成分分析的哈希算法研究与实现

为了提高高维空间近邻搜索算法的查询性能,本文结合DSH算法和迭代PCA方法的优点提出迭代PCA哈希算法.该算法查询效果良好,充分利用数据集的分布信息、有严格的理论保证.该算法在达到相同精度的条件下较LSH算法和DSH算法查询花费时间少.该算法提供了一种解决近邻搜索问题有效方法.     

基于小波分析的红外图像非线性增强算法

红外图像具有对比度低和信噪比低等特点,实际应用中需要进行增强处理。将小波分析与模糊逻辑相结合,提出了一种基于小波变换的红外图像非线性增强算法。该算法首先利用小波分析对图像进行分解,提取图像的多尺度特征信息;然后通过模糊非线性增强算子分别对各个分解层的子带系数进行运算以改变目标特征的强度;最后利用小波反变换重构图像,实现图像的对比度增强和背景抑制。与几种常用的红外图像增强算法进行了实验对比,验证了该算法的有效性。