红外图像序列中运动面目标的分割算法研究

利用红外成像实现自动目标检测,这在现代防御技术中具有重要的地位。本论文主要针对红外预警系统的目标探测补盲阶段,深入研究了现有的比较成熟的各种运动目标分割算法,用软件仿真了各算法处理图像的效果,并总结归纳了各种算法的优缺点,提出了在差分图像的基础上,采用二维最大熵法对图像进行分割以更好地提取区域目标的观点。经实验证明,该算法效果良好。     

一种快速递归红外舰船图像分割新算法

针对背景复杂、对比度低的红外舰船目标分割问题,提出了一种红外舰船图像分割的新算法.由于二维最大类间方差法不仅反映了图像的像素点灰度分布信息,还反映了邻域空间相关信息,因此有较好的抗噪能力.但是由于其解空间维数的增加,计算量的变化是以指数增长的,而粒子群优化算法可实现高效并行、随机、自适应群体搜索.基于这一特点,提出了基于粒子群优化的二维最大类间方差局部递归分割方法,有利于实现红外图像的实时处理.该方法同样适用于复杂背景下的其他红外目标图像的分割.     

基于多阈值分割的红外图像伪彩增强算法

针对现有图像增强中的彩虹编码采用固定阈值分割方法,导致增强后的图像缺乏层次感、视觉效果模糊的问题,提出一种基于多阈值分割的红外图像伪彩色增强算法.该算法通过建立伪彩映射模型,采用多阈值分割手段,将不同灰度值映射成丰富的颜色值,以突出图像边缘的细节信息.实验结果表明,该算法处理后的红外图像具有目标轮廓清晰、视觉效果理想的优点.     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义,给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法,同时利用分割后目标和背景区域的灰度信息和局部熵信息,设计了一个判断是否得到正确分割的准则,通过迭代循环,完成对图像的自动分割.实验结果表明,本文算法自适应性强,可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标.     

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法,该方法不仅利用了图像元点的灰度分布信息,而且充分考虑了像元点之间的空间相关信息,理论分析和实验表明,对于低对比度,低信噪比的地面目标,该方法具有良好的分割效果,在该算法的基础上,又提出也一种快速递推二维最在类间方差法,减少了计算量,节约存储空间,具有较强的实用价值。     

一种新的目标图像自适应阈值分割算法

提出了一种新型的用于目标图像识别与跟踪的自适应阈值分割方法,并对其进行改进,同时给出了它与其他两种阈值分割方法的比较实验,定性和定量分析结果证实了该方法在精度和速度方面都具有明显的优势.最后给出了在噪声干扰和复杂背景的情况下的实验,说明该方法具有较强的适应性.     

采用局部动态阈值的图像分割算法

针对图像全局Otsu分割算法和传统的局部闻值分割算法在复杂背景图像分割中的不足,提出了一种采用局部动态阈值的图像分割算法.首先通过分析图像直方图类型对图像进行划分,并使用Otsu算法确定各个子图像的阈值.然后对阈值矩阵进行平滑和插值处理,使之成为和原图像像素数目相等的新阈值矩阵.最终利用此阈值矩阵完成图像分割.实验结果...     

分数阶优化的鸽群图像分割算法

本文针对原始鸽群优化的二维最大类间方差法（Otsu）图像分割算法收敛速度慢的缺点,提出了基于混合分数阶鸽群优化的Otsu图像分割算法。算法将分数阶与鸽群优化算法结合,利用分数阶微积分的记忆性和遗传特性,使鸽群依据更多历史记忆获取更精确最优值,并进行分数阶增强滤波预处理,提高分割精度,引入混沌搜索算法增强种群多样性,加快收敛速度。改进算法利用Otsu算法的最大类间方差作为适应度函数来获取最佳阈值,进行图像分割。实验结果验证了本文算法的正确性和有效性。     

基于Otsu算法和分形维数相结合的红外云图分割

红外云图中的云系主要由积雨云、卷云、层云和积云组成,它们对于气象研究有很大的帮助。这4类云系具有不同的分形维数特征,因而可以借此对它们进行分割。但是由于地表和一些云具有相似的分形维数特征,单纯依靠分形维数的分割效果不理想。对此,采用最大类间方差（Otsu）算法,分离出地表,去除干扰,并对提取出的云系采用分形维数进行分割。由于传统分形维数算法在计算时只选取了窗口内的灰度最大和最小的像素点,获得的分形维数特征不够精确,造成分割的云系出现混淆的现象。对此,在计算的过程中加入窗口中的全部像素点,获得的分形维数能准确地描述区域特征,保证了云系分割的良好效果。     

红外图像中的阈值分割算法研究

阈值分割方法具有运萍速度快,易于实现等优点,在红外图像分割中得到广泛应用。本文对阈值分割算法的三种经典算法进行了研究,并在Marlab平台上进行了对三种算法仿真分析。     

一种快速红外图像分割方法

为准确地实现目标识别,提出了将二维最大熵图像分割方法应用于红外图像实行分割．利用图像的二维直方图,二维最大熵分割方法不仅考虑了象素的灰度信息,而且还充／矿利用了象素的空间领域信息,能取得较为理想的分割结果．然而该方法所需的巨大运算量限制了其实际应用．运用PSO算法代替穷尽搜索获得阈值向量,求解速度可提高300～400倍,提高了分割效率．通过对实际的红外图像分割表明,这种方法简单、有效．     

基于改进的脉冲耦合神经网络的红外目标分割方法

针对红外目标的特点,提出了一种基于直方图的改进脉冲耦合神经网络（PCNN）图像分割方法,本算法摒弃了原有脉冲耦合神经网络模型中的时间指数下降机制,利用灰度直方图的知识直接获得PCNN的分割门限,同时保留了弥补空间罅隙和灰度微小变化的优点,实验表明本算法分割得到的目标区域更加完整,并提高了运算速度。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

基于元胞自动机的红外弱小目标图像分割

针对红外成像制导中弱小日标图像分割,提出了基于元胞自动机的自动分割方法.首先使用元胞自动机增强图像的对比度,状态转移函数采用了冯.诺伊曼邻域和一致的演化规则,然后采用边缘双阈值策略二值化图像,最后标记形成目标块,并依据种子点和目标复杂度进行滤波,得到精确的图像分割结果.在实拍的3幅不同类型的红外图像上进行分割实验,其结果表明:提出的方法均能够有效地分割出多个弱小目标区域,有利于下一步的目标识别和跟踪.     

复杂地面背景的红外热像合成

提出了一种新的合成地面背景红外热像的方法，建立了基于马尔可夫随机场理论的图像分割模型，获取了地面背景的标记图像；综合考虑环境、气象等因素的影响，模拟计算不同植被地面红外辐射特性；通过将红外辐射特性计算结果的灰度值赋予相应的可见光图像分割区域，实现标记图像与红外辐射特性的合成，获取复杂地面背景的红外热像。     

空间一致性约束谱聚类算法用于图像分割

近来出现的谱聚类算法在模式识别和图像分割中得到了广泛应用.与传统的聚类算法相比,谱聚类算法能在任意形状的样本空间上聚类且收敛于全局最优解.本研究从谱聚类和权核K-均值的等价性出发,基于图像的空间一致特性,提出了一种基于空间约束特性的谱聚类算法.该算法通过对加权核K-均值的目标函数加上空间一致约束项,利用近似逼近将目标函数最小化与谱聚类算法等价起来.仿真实验表明,此算法在图像分割中取得了比原始谱聚类算法更好的分割效果.     

一种对空中目标图像自适应分割方法

本文提出一种用于实时跟踪的目标图像自适应分割方法，该算法分割性与目前公认较好的几方法相比，在精度和速度方面具有明显优势，用于全视场搜索阶段也取得较好的效果，该处已在硬件系统上连调成功，表明该算法是可行的和实用的。     

高分辨率遥感影像的快速分割方法

近年来,C-V模型被广泛用于图像分割,但计算速度是制约其应用的一个重要因素,如果处理数据量较大、内容复杂的高分辨率遥感图像,耗费时间更长.本文采用C-V模型与小波变换的结合,不仅大大提高了影像的处理速度,而且实现了图像的多尺度分割,并具有良好的抗噪能力.实验结果显示,在保证分割质量的前提下,与直接使用C-V模型的多尺度分割方法相比,该方法能够提高处理速度1-2倍.     

基于Contourlet变换和IPCNN的融合算法及其在可见光与红外线图像融合中的应用

针对多传感器图像融合这一图像处理领域中的研究热点问题,提出了一种基于Contourlet变换和IPCNN的融合方法.该融合方法首先利用Contourlet对输入图像进行多尺度、多方向稀疏分解,准确地捕获图像中的二维或高维奇异信息,然后在Contourlet域充分利用IPCNN的同步激发特性,进行基于IPCNN的融合策略设计,提高了融合效果.仿真结果表明,该算法具有很好的融合效果.