基于模糊率的自适应多阈值图像分割方法

针对目前图像模糊阈值分割法存在的窗口宽度自动选取困难以及阈值搜索范围难以确定的问题,本文提出了一种基于模糊率的自适应多闽值图像分割方法。利用图像直方图峰值分段的思想,在给定隶属函数的情况下,实现了窗宽的自适应选取以及图像多闽值的自动选取,有效地拓宽了模糊阈值图像分割方法的适用范围。实验结果表明,该方法对直方图呈多峰分布的图像可取得良好的分割效果。     

飞机目标红外图像序列双阈值分割方法

针对飞机目标红外图像序列,提出了一种新型双阈值分割方法.它依据实测飞机目标红外图像序列的统计特性,以及目标在上一帧图像中所占比例,确定当前帧图像中两个阈值的取值范围;再利用最大熵准则和遗传算法搜索最佳双阈值.仿真结果表明,这种方法能够实时地分割出飞机目标和作为目标特征点的尾喷管,可用于工作在成像目标跟踪阶段的红外成像制导、红外型自动目标识别(ATR)系统.     

基于ICT 的引信图像分割算法

针对传统图像分割方法在引信图像分割上的不足,提出一种能够兼顾类内方差和类间方差的改进二维Otsu算法。介绍二维Otsu算法,分析比较原系统分割算法与自适应二维Otsu图像分割算法的优劣。实验结果表明:改进二维Otsu算法既能保证目标和背景的最大离散度,又能使目标和背景的内聚性最好,分割效果明显优于传统方法。     

基于模糊熵的红外图像分割方法

针对红外图像具有的不确定性往往是模糊的且不是随机的特点,提出了一种基于图像的模糊性和最大熵理论的分割方法,给出了基于模糊熵的阈值选取算法。该方法不依赖于图像的直方图,也不需要直方图分布的假设。用该方法对坦克的红外图像进行了分割,与侧抑制方法的比较表明,该方法提高了运算速度。对不同红外目标大小和信噪比的图像均产生很好的分割效果,且受目标大小的影响小,具有较好的鲁棒性,可用于小目标的分割。     

红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别.即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标.模拟实验表明该方法能够准确高效地检测出运动小目标.     

一种基于数学形态学的红外图像分割方法

针对红外图像信噪比低,一般阈值法难以分割的特点,提出了一种基于数学形态学的红外图像分割方法。首先利用形态学估计出红外图像的背景图像,其次用原始图像减去估计的背景图像得到差值图像,并对差值图像进行增强,再利用阈值法分割得到二值图像,最后应用形态学的开运算消除高频噪声,得到待检测的图像。并与著名的Ostu法、迭代法、P-参数法进行了详细的比较。结果表明:该分割算法是一种实用有效的图像分割方法。     

含有预知面积目标图像的分割方法

文中使用了自适应定向正交投影分解算法将复杂图像的直方图分解为多个高斯分布的组合,进而将灰度区间划分为多个子区间并计算出灰度直方图在这些子区间上的面积,而目标在图像中的成像面积是可以预先作出估计的,从而利用两者之间的关系给出分割图像的阈值,实现对图像的分割.     

一种X射线图像缺陷的自动分割方法的实现

将缺陷信息正确提取和分割出来是射线检测中的重要环节。文中首先利用数学形态学模拟图像背景．然后利用数字减影法提取缺陷目标。在分析和比较几种阙值化方法基本思想、优缺点及使用范围的基础上．最终提出选择迭代分割方法得到图像最佳阈值将图像二值化。实验结果表明,针对不同的缺陷均能得到轮廓清晰的分割效果,为缺陷特征参数的提取和识别的实现打下坚实的基础。     

一种基于低亮温目标的毫米波辐射图像分割方法

与红外与可见光探测器相比，毫米波辐射计具有全天时全天候的工作能力。毫米波金属目标辐射图像的分割识别是制导应用中急需解决的重要问题。文中首先根据毫米波辐射特性确定不同亮温目标区域，然后利用形态学复合算法对辐射图像进行预处理，最后采用分水岭算法完成图像分割。3mm波段辐射图像分割结果表明，该算法可对低亮温毫米波辐射图像进行有效分割，分割后的目标轮廓形状与光学场景相符，与特征模板库匹配后可用于不同目标识别。     

一种有效的SAR图像水陆分割方法

针对合成孔径雷达（SAR）图像中的水陆分割,提出了一种基于小波能量的自适应水域分割方法．算法首先以小波能量为特征,采用快速模糊聚类算法（FCM）将图像粗分割为3类,结合原图信息从中判断并选择水域区域,然后计算水域区域对应于原图的平均梯度,以此作为特征,自适应地确定梯度阈值,从而实现水域的细分割．实验结果表明：基于小波能量的自适应水域分割方法分割水域结果准确、适用性好．     

An Effective Method of Threshold Selection for Small Object Image

The image segmentation difficulties of small objects which are much smaller than their background often occur in target detection and recognition. The existing threshold segmentation methods almost fail under the circumstances. Thus, a threshold selection method is proposed on the basis of area difference between background and object and intra-class variance. The threshold selection formulae based on one-dimensional (1-D) histogram, two-dimensional (2-D) histogram vertical segmentation and 2-D histogram oblique segmentation are given. A fast recursive algorithm of threshold selection in 2-D histogram oblique segmentation is derived. The segmented images and processing time of the proposed method are given in experiments. It is compared with some fast algorithms, such as Otsu, maximum entropy and Fisher threshold selection methods. The experimental results show that the proposed method can effectively segment the small object images and has better anti-noise property.     

一种自适应阈值选取的改进SIFT算法

在SIFT算法中,阈值用于判断关键点的稳定性,决定关键点的选取质量;提出了一种自适应阈值选取方法,利用明亮和黑暗两个区域的高斯均值分别确定明亮和黑暗两个阈值,通过将关键点与所属区域的阈值进行比较,决定关键点的取舍;利用车载红外热像仪拍摄的视频图像进行了图像匹配实验;实验结果表明:该方法有效克服了阈值选择不当对图像匹配的影响,对于光照变化下图像匹配具有一定的鲁棒性。     

飞机红外灰度图象分割自适应门限的确定

以红外成像探测得到的飞机图象为研究对象,将灰度直方图分析和飞机红外灰度图象固有的不变性特性信息结合起来,提出了一种自顶向下的灰度图象分割自适应门限的选取方法,利用求得的各级门限对飞机红外图象进行灰度分级,得到具有10级灰度的飞机灰度图象,为灰度图象识别系统提供数据输入。     

红外图像边缘提取的随机阈值方法

提出一种提取红外图像轮廓及内外部信息的随机方法。采用对图像矩阵中的列进行搜索,形成准阈值集合,然后从准阈值集合中随机抽取一个值作为阈值并用评判条件进行评价的方法。该方法可以获取红外图像轮廓及内外部纹理。分析了算法的时间复杂度。实验结果表明,随机算法的效果较好,能满足红外自动目标识别的实际需要。     

一种基于显著性的红外弱小目标检测方法

红外弱小目标检测是目标识别等领域的研究热点。考虑到红外弱小图像中目标信噪比较低,且成像目标的尺度变化较大,构建一种同时考虑局部显著性特征和全局显著性特征的红外弱小目标检测框架。构建一种基于多尺度卷积核的显著性目标检测算法,将该算法与谱残差算法分别进行显著图计算;在得到局部和全局显著图后,采用形态学方法进行显著图的融合以及自适应阈值方法进行二值分割。在给定的公开数据集上的实验结果表明,该方法相对于基准的显著性算法,在目标检测的准确性和虚警率上均有明显优势。     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题,提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波,然后对滤波后的图像进行背景预测,将原图像与背景预测图像相减获得残差图像,依据图像阀值分离出少量的候选目标点,再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像,最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。     

基于鲁棒主成分分析的红外图像小目标检测

鲁棒的小目标检测是红外目标搜索与跟踪的关键技术,提出一种改进的单帧红外图像小目标检测算法。该方法将原始红外图像通过预处理变换到新的红外块图像模式,在红外块图像上,将红外图像小目标检测问题转换为低秩矩阵和稀疏矩阵分离的鲁棒主成分分析(RPCA)问题。考虑到红外图像中噪声和杂波的存在,用交替方向方法求解带噪声的RPCA问题,获得稀疏目标图像,并对获得的稀疏目标图像采用简单的图像分割算法进行目标检测。对空天、海天、天云、海面4种不 同场景的红外图像小目标检测,进行仿真实验,结果验证了所提出算法的有效性。     

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

光学遥感图像变量分裂迭代快速复原算法

为了实现光学遥感图像的快速复原,分析了已有全变差正则化复原算法存在的问题,提出基于全变差正则化图像复原的代理代价函数模型,并将该模型转化为3个子问题优化过程为了实现光学遥感图像的快速复原,分析了已有全变差正则化复原算法存在的问题,提出基于全变差正则化图像复原的代理代价函数模型,并将该模型转化为3个子问题优化过程设计了一种快速解析迭代的变量分裂算法。同时为了克服“阶梯效应”考虑人眼对图像平坦区域和边缘区域噪声的感知特性,给出了迭代系统中正则化参数的自适应估计。实验结果表明：本文算法在信噪比改善和计算时间都优于Wiener滤波、约束最小二乘、基于全变差梯度下降和交错子空间投影等算法保留了图像的细节信息减少了“寄生波纹效应”和”阶梯效应”。