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。     

一种红外图像自适应对比度增强算法

针对红外图像灰度分布集中、对比度低的特征,提出一种自适应对比度增强算法.首先,通过统计灰度分布判断目标状态类型;其次,利用目标状态更新图像增强系数;最后,根据增强系数进行灰度去冗余均衡处理.与传统直方图均衡相比,算法能根据目标强弱状态自适应调整对比度.实验表明,它在增强目标对比度的同时有效保留了图像整体信息,较好改善了视觉效果.     

一种新的红外图像自适应增强算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种新的红外图像自适应增强算法.通过自适应地选择平台阈值,对红外图像进行平台直方图均衡化,有效抑制了背景的过度增强,避免目标灰度级的过多合并,提升了目标的灰度空间,获得了很好的增强效果.实验结果表明,本算法优于直方图均衡化算法,可有效地突出红外目标.     

一种新的红外目标跟踪方法

提出了一种基于灰度加权和Kalman滤波预测的红外目标跟踪方法。利用带有空间位置信息的目标区域直方图描述红外目标,克服了灰度直方图对图像描述缺少空间位置信息的缺陷,增加了描述的鲁棒性。同时,对跟踪目标的实时位置数据利用卡尔曼滤波校正和预测,增强了跟踪的实时性。实验结果表明,该方法是有效和稳健的。     

红外序列图像目标跟踪的自适应Kalman滤波方法

提出了一种用于动态序列图像目标跟踪的自适应Kalman滤波方法。该方法用函数估计的思想估计目标的当前运动模型,同时实时修改滤波器的统计模型,并将最小二乘支持向量机应用于对当前目标运动模型的估计。实验表明,此种改进的Kalman滤波器的算法在跟踪机动目标时具有良好的性能。     

一种自适应红外图像对比度增强算法

针对红外图像对比度增强的问题,提出了一种新方法。首先对直方图去冗余与灰度线性拉伸,然后利用最小误差阈值法将图像分割成两部分,结合平台直方图与双直方图均衡化,在每部分单独使用平台直方图均衡化。为了提升算法的自适应性,对分割后各部分进行直方图对数变换代替平台阈值的选取。实验表明,该算法效果较好,且完全自适应,适用于多种红外图像。     

一种基于特征分类的红外图像自适应匹配增强的新方法

提出了一种基于特征分类的红外图像自适应匹配增强的新方法。先对大量红外图像的特点做深入分析,对图像进行归纳分类,共分为4类,并用状态空间特征参量表征。针对这些不同特点的红外图像,研究与之相匹配的增强算法。最终完成针对不同的红外图像,自动判断图像类型,并选择相应的参数和算法做增强处理,达到增强算法自适应匹配目的。这样有针对性地对不同特征的红外图像进行增强,提高了增强算法的适用范围。经过MATLAB验证得算法可行,并且增强效果很好。     

一种鲁棒的自适应更新策略的弹载计算机红外目标跟踪算法

针对目前弹载红外目标跟踪算法对快速机动目标适应性较差的问题,本文在现有模板跟踪算法的基础上提出了一种鲁棒普适的自适应更新策略.该策略利用多个不同学习因子的更新模型,通过对不同模型下的跟踪置信度进行分析,自适应地对模型进行更新,有效地解决跟踪过程中目标剧烈外观变化或微弱位移变化.大量的定性定量实验表明本文所提的算法的跟踪性能超过现有的大多数算法,在现有弹载红外目标跟踪板硬件余量有限的情况下也能实现稳定跟踪复杂背景下的目标.同时,本文算法已经在挂飞测试中获得较理想的效果,适合军事装备的应用.     

一种有效的红外图像目标背景分割增强算法研究

针对近距大目标红外图像对比度低、视觉效果差、红外目标易被背景噪声干扰的缺点,提出一种有效的红外图像目标背景分割增强算法。该算法首先运用半阈值分割法对图像进行分割,使目标从背景中分离出来,然后再对目标区域进行增强处理。最后将该算法与目前常用红外图像增强算法进行对比实验,表明该算法简便有效,增强红外目标并突出目标细节,适合红外热成像系统的实时应用。     

基于高斯分布的自适应红外图像增强算法

针对红外图像信噪比和对比度低,结合红外图像直方图分布的特点,提出了一种基于高斯分布的自适应红外图像增强算法.该算法采用高斯分布函数平滑红外图像直方图中的主峰,以抑制红外图像背景和噪声的加强.算法中的高斯分布函数可根据原红外图像直方图的分布情况自适应产生,不需要人为设定,将所生成的高斯分布函数对原直方图进行转换后再进行直方图均衡处理,即可实现红外图像的增强.实验结果表明,该算法能有效地突显红外图像的目标,抑制其背景,具有较好的增强效果.     

一种组合边缘检测算法实现红外图像增强

红外图像增强技术是夜视技术领域一项重要内容.由于红外热成像系统的输出图像成像模糊且非均匀性明显,研究针对其图像的锐化增强算法具有重大意义.重点探讨了图像增强中的锐化算法,深入分析了现有算法在实现过程中锐化增强与大量引入噪声的矛盾根源,在大量仿真实验基础上,提出了一种有效的改进算法.改进算法取得了良好的实验效果,减弱了图像非均匀性对锐化的影响,较好的解决了图像锐化增强与噪声加重这对矛盾.     

一种低对比度红外图像增强方法

简要介绍了图像增强方法,分析了海军靶场红外图像的特点,并提出了相应去除噪声和图像增强方法。海军靶场红外图像具有动态范围小、噪声多、对比度低的特点。在图像增强处理时,将多幅背景均匀的红外图像进行统计平均得到背景噪声,通过图像点运算消除背景噪声,用灰度修正的方法完成图像增强处理,取得了较好的图像视觉效果。用该算法对靶场现有低对比度图像进行增强处理取得了较好的结果,验证了算法的有效性。     

红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点.本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法.该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪.测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪.检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值.     

一种基于组合方法的红外图像增强方法

采用组合方法对图像进行增强,对原始图像进行双平台直方图均衡,对均衡后的图像灰度进行等间距处理,提高整体图像的对比度;采用中值滤波方法对原始图像进行滤波,再用Sobel边缘微分算子对滤波后的图像进行边缘提取.在双平台直方图均衡后的图像中,对边缘所对应的像素的灰度值进行处理,对非边缘所对应的像素保持原灰度值不变,然后将处理后的边缘像素与不处理的非边缘像素进行组合.     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法.该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标.经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想.     

基于自适应引导滤波的子带分解多尺度Retinex红外图像增强

利用引导滤波的边缘保持特性及梯度保持特性,提出一种基于自适应引导滤波的子带分解多尺度Retinex红外图像增强算法.首先利用自适应引导滤波对光照分量进行精确估计,生成光谱不重叠的Retinex子带,然后对各个子带进行自适应增强,最后将各个增强后的子带加权融合.实验证明,该算法可有效消除光晕现象及凸显红外图像细节.     

红外成像跟踪算法性能及应用分析

介绍了各种红外成像跟踪算法,并对它们的性能和应用作了分析,对将来的红外成像跟踪算法的发展作了预测.