自然背景中人造目标的自适应检测

本文介绍了一种在可见光和红外图像中，自动检测自然背景中人造目标的方法。该方法以分形结构做为自然背景的数学模型，利用自然背景和人造目标在分形特征上的固有相对差异检测人造目标，本文还介绍了自适应分形特征增强和组合图像检测方法，并以对实际图像的处理的结果，说明本文介绍的人造目标检测方法的效果。     

基于分形理论的目标检测

军事目标检测一般是由自然背景和少量的人造目标所组成．现有的图像目标检测方法大多是基于对目标本身特性进行分析，不适用于目标特性未知的军事目标检测．本文根据人造目标和自然背景在分形特征上的固有差异，在利用分形维数提取人造目标边缘特征的基础上，结合小波分析方法提取的目标边缘特征，对自然背景中的人造军事目标进行检测．实验证明该方法具有较好的适应性．     

一种基于分形模型的新特征及其在自动目标识别中的应用

基于分形模型的自相似性，提出一种识别自然背景中人造目标图像特征的新方法．解释了该特征的含义，给出了计算方法，并利用实验数据将其与分维数特征和分形模型拟合误差特征进行了对比，说明了该特征在识别自然背景中人造目标时的优越性；还以实际红外图像的处理结果显示该特征在实际中应用的效果．     

一种新的基于分形特征的人造目标快速检测算法

从分形布朗模型出发,通过对自然背景和人造目标图像不同的灰度相关性分析,提出 一种新的分形特征提取算法,根据新算法得到的分形特征分布规律,进而形成一种简单有效的自然背景中人造目标的检测算法。实验结果说明了该算法的性能。     

自然地面背景红外目标检测方法研究

文章结合分形特征的特点,提出了一种基于分形技术的图像预处理算法。该方法利用 自然背景和人造目标的不同分形持征检测目标,并利用领域连通性进行目标边界的合并,进一步地提取目标,大大提高了单帧检测的概率。仿真结果表明,该方法可以有效地在单帧图像中检测出目标。     

基于分形的实现小目标检测的一种具体方法

介绍了基于分形的复杂背景下实现小目标检测的一种具体方法,该方法以自然背景和人造目标在分形特征上的固有差异为依据,利用了人造目标分形特征数大的特点,给出了进行小目标检测的具体实现过程.实际检测的实验结果表明:该小目标检测方法对环境的适应性强,检测结果精确,颇具发展前途.     

基于分形的红外图象目标自动检测

本文介绍了一种基于分形的复杂背景下红外图象目标自动检测方法,该方法以自然背景和人造目标在分形特征上的固有的差异为依据,利用了人造目标分形特征拟合误差大的特点,实现了复杂背景中红外图象目标的自动检测。实际检测的实验结果表明：该目标自动检测方法对环境的适应性强,是一种颇具发展前景的目标自动检测方法。     

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。     

基于分形技术的目标检测算法研究

分形特征参数对于自然背景和人造目标存在着本质差别,充分利用这些差别,能为目标检测提供一种新思路,就分形技术在数字图像处理领域中目标检测方面的应用进行了讨论。分形的应用总是以各种分形参数为中介,有时完全依赖于分形参数,有时将分形参数和其他参数相结合,有时将分形方法和其他方法相结合,在处理的不同阶段分别采用分形方法和其他方法。对几种分形特征参数的估算方法及其在目标检测中的应用进行了研究。     

基于分形曲面尺度斜率特征的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的检测方法不能准确、稳定地检测出目标,提出了运用分形曲面尺度斜率特征检测弱小目标的方法。通过实际数据分析可以得出:相比常用的分形维数和分形拟合误差等检测特征,分形曲面尺度斜率特征在表征人造目标与自然背景的差异上更加明显,在抗图像噪声干扰上也更为优异,有着更强的鲁棒性。该方法普遍适用于检测自然环境中的弱小目标,尤其在对空弱小目标方面,检测概率更高。无论背景、飞行姿态、目标类型发生怎样的变化,经本文算法运算后只需一步简易的分割就可以检测出微弱暗小目标。     

IFS图像空间结构特征及自动目标检测

一个迭代函数系—IFS(Iterated Function System ) 由一组压缩映射组成, 它描述了研究对象“整体”和“局部”之间的变换构成关系.对于图像来讲,IFS描述了图像“整体”和“局部”之间的空间变换关系,因此,IFS可以视为图像的空间结构模型,而与IFS有关的参数可以视为反映图像空间结构的特征.IFS的提出起源于分形图像压缩的研究,因此IFS与分形之间存在着密切的和内在的联系.IFS的理论中有两个重要的结论: 一是如果IFS中的压缩映射均为仿射变换,则IFS的吸引子将是一个分形集合;二是实际中所遇到的图像都可以用IFS的吸引子逼近.根据这两个结论,如果限定IFS中的压缩变换均为仿射变换,又图像本身具有分形结构,即图像“整体”和“细节”之间存在仿射变换关系,则用IFS的吸引子逼近图像所产生的误差很小(理论误差值= 0);如果图像本身不具有分形结构,则逼近误差很大.所以,根据IFS逼近误差的大小,即可判定被研究的图像是否具有分形结构特征.大量的理论研究和实验数据分析表明,自然背景的图像符合分形模型,而人造目标的图像不符合分形模型.因此,可以根据IFS逼近误差的大小实现对自然背景中人造目标的检测.提取图像IFS的算法有多种.本文采用Bath FractalTransform (BFT)算法,它是一个原理简单、实现方便、运算速度快的     

基于分形特征的机场跑道识别算法的研究

典型目标的检测识别是精确制导武器的关键技术之一.根据红外图像中机场跑道的分形维特性,文章提出并实现了一种利用目标分形几何特征检测机场跑道区域,并进一步分割、识别潜在目标的新算法.仿真实验结果证实该算法成功地识别出了机场跑道.本文的算法运算量较小、适合于实时处理,适用于人造目标的自动识别.     

Fractal error for detecting man-made features in aerial images

A technique is proposed for aiding photointerpreters in detecting man-made features in aerial reconnaissance images. The technique, which uses a metric called fractal error, is based on the observed propensity of natural image features to fit a fractional Brownian motion model. Man-made features usually do not fit this model well, and consequently the fractal error metric may be used as a discriminant function for detecting man-made scene features     

IMAGE OBJECT DETECTION BASED ON FRACTIONAL BROWNIAN MOTION

Fractional Brownian motion, continuous everywhere and differentiable nowhere, offers a convenient modeling for irregular nonstationary stochastic processes with long-term dependencies and power law behavior of spectrum over wide ranges of frequencies. It shows high correlation at coase scale and varies slightly at fine scale, which is suitable for and successful in describing and modeling natural scenes. On the other hand, man-made objects can be constructively well described by using a set of regular simple shape primitives such as line, cylinder, etc. and are free of fractal. Based on the difference, we provide a method to discriminate man-made objects from natural scenes. Experiments are used to demonstrated the good efficiency of the developed technique.     

IMAGE OBJECT DETECTION BASED ON FRACTIONAL BROWNIAN MOTION

Fractional Brownian motion, continuous everywhere and differentiable nowhere, offers a convenient modeling for irregular nonstationary stochastic processes with long-term dependencies and power law behavior of spectrum over wide ranges of frequencies. It shows high correlation at coarse scale and varies slightly at fine scale, which is suitable for and successful in describing and modeling natural scenes. On the other hand, man-made objects can be constructively well described by using a set of regular simple shape primitives such as line, cylinder, etc. and are free of fractal. Based on the difference, a method to discriminate man-made objects from natural scenes is provided. Experiments are used to demonstrate the good efficiency of developed technique.