一种快速的图像小目标检测算法

针对图像小目标检测问题进行了研究,在分析现有研究成果的基础上,充分利用了遗传算法动态多点搜索的快速性,以及分形特征应用于目标检测的稳定性,提出一种基于遗传算法与分形特征的快速图像小目标检测算法,并对算法进行了仿真。仿真结果表明该算法有效地提高了图像小目标检测的速度。     

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。     

一种新的复杂自然背景中多目标的检测算法

综合利用了RGB图像的彩色特征与灰度图像的分形特征,提出了一种新的复杂自然背景中多目标的检测算法.首先通过无监督优化模糊聚类的方法分割出彩色图像中目标的潜在区域,记录其质心位置和形状大小;然后在质心对应位置提取灰度图像中各区域的分形特征,利用几何度量空间变化率特征排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的质心位置和形状特征,从而检测出全部目标.仿真结果表明,该算法可以有效的进行多目标检测,并较好的保留目标形状特征.     

基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

分形维数的多尺度形态估计与目标提取

本文研究了Minkowrki－Bouligand维数估计的数学形态学方法实现，给出了一种基于多尺度灰度形态运算的图像维数估计算法。将分形特征用于目标的检测，提出了一种具有较好稳健性的基于多分辨率分形特征的目标提取方法。     

基于小波和分形的海面红外小目标自动检测方法

提出了一种基于小波与分形的红外小目标自动检测算法,首先对原始图像进行小波分 解,计算其低频概貌图像的分形参数,利用在不同纹理图像分形参数变化的特性,检测出水天线的位置,在水天线附近利用红外目标的灰度特性进行精细搜索,最后确定目标所在的位置。实验表明该算法能有效地消除云层、海浪等杂波干扰,适用于海空复杂背景下远距离红外船只目标的检测。     

基于分形的改进Otsu红外图像分割算法

提出了一种基于分形的改进Otsu红外图像分割算法.针对Otsu算法在目标的相对面积较小时背景信息容易误分问题,以及递归Otsu算法递归终止条件不易确定问题,将分形算法与Otsu算法结合起来,用于分割红外目标.首先计算红外图像的分形维特征,根据分形维特征去除大部分背景信息,然后在潜在目标区域采用Otsu算法进行分割.仿真结果表明,该算法性能优于Otsu算法及递归Otsu算法.     

一种基于小波与遗传算法的小目标检测算法

本文提出了一种快速检测序列图像中低信噪比(＜2)小目标的算法.该算法采用小波滤波器对每帧图像滤波,提高目标的信噪比,剔除部分噪声点,降低了低信噪比小目标检测算法的运算量;设计了基于遗传算法的起始航迹搜索算法,有效地避免航迹的漏检;采用截断序贯似然比检验,形成确认航迹.仿真结果表明应用此算法,可快速实现信噪比小于2的小目标(2×2)的检测与跟踪.     

一种基于广义多尺度分形参数的小目标检测方法

复杂场景中小目标的检测是一个难点。本文从分数布朗随机场模型的描述出发，提出并构造了一种广义多尺度分形参数，用于描述图像的纹理信息。它可以作为区分分形集合与非分形集合的一种有效的测度。进一步，基于广义多尺度分形参数，本文提出了一种具有抗噪性能的稳健的目标提取算法，并用于海上小目标的提取。对于实际图像的实验结果表明，本算法具有极高的检测精度。本文的思想对于一般复杂自然场景中小目标的检测具有重要的借鉴意义     

基于超分辨率与在线检测DSST的红外小目标跟踪

红外小目标的相关研究在军事领域的制导、预警和边防间谍无人机检测中极其重要。针对红外小目标的跟踪研究，本文提出了一种基于超分辨率增强与在线检测DSST(Discriminative Scale Space Tracker)的小目标跟踪算法。首先，基于融入红外图像特征的超分辨率重建算法对原始图像进行更新，增强了弱小目标，然后，增强的图像被用作基于在线检测DSST算法的输入，得到响应映射，估计目标位置。实验结果表明，与几种最新算法相比，该算法在准确性方面表现出色。     

低对比度前视红外坦克目标图像检测方法研究

将分形几何学用于低对比度前视红外图像的分割，分析研究了自然场景与人造物体的分形特性随尺度的不同变化，提出并构造一种新的多尺度分形特征矢量，通过Ｋ－均值算法在特征空间中对其进行类聚，从而实现了低对比度前视红外坦克目标图像的准确分割。     

基于分形特征的目标检测算法概述及仿真

对目前比较常用的基于分形特征的目标检测算法进行了概述,并给出了相应的仿真结果。从仿真结果我们看出基于多尺度分形参数的目标检测算法是一种比较精确的算法,但是计算量太大。从计算量和精确度双方面考虑快速的基于分维数和分形拟合误差的目标检测算法是一种不错的算法。     

基于分形维与缝隙参数的海杂波目标检测

针对分数布朗运动模型在不同尺度上粗糙度相同的缺陷,提出一种将高阶分形特征作为分形维数补充的目标检测算法。该方法将Hurst指数和缝隙特征相结合,分析比较了海杂波和目标的特性。在此基础上,对IPIX雷达实测数据进行实验分析。结果表明,对海杂波背景下的小目标检测,提出的算法比仅基于分形维数的检测算法性能更优。     

林地背景下伪装目标偏振成像检测算法

综合利用了偏振特征和偏振融合图像的分形特征,提出了一种林地背景下伪装目标偏振成像检测算法.首先通过模糊聚类的方法分割出偏振图像中目标的潜在区域,通过形态学方法去除微小干扰;然后在潜在区域提取分形特征,利用伪装目标与背景分形维数的差异排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的位置和形状特征,从而...     

扩展分形在极化雷达目标检测中的应用

自动目标识别算法通常利用目标和杂波之间的灰度差异,而扩展分形则同时利用了目标的灰度和形态两种特征.本文中,我们将扩展分形用于极化雷达图像目标检测,根据极化雷达图像的特性以及极化不变量的概念,提出了两种目标检测算法.随后的实验结果表明这两种算法都是可行和有效的.     

基于遗传搜索的低信噪比图像点目标跟踪算法

该文提出了一种快速检测,跟踪序列图像中低信噪比（〈２）点目标的算法。该算法有机地结合了遗传算法与多级假设检验算法。仿真结果表明应用此算法,可快速实现信噪比小于２的点目标的检测与跟踪,文中根据低信噪比点目标检测的难点,设计了合适的编码方案,提出了合格个体保留法,选择了合适的遗传算法。     

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。     

基于遗传算法红外小目标检测的研究

为解决复杂空中背景下红外弱小目标的快速检测,提出了一种基于遗传算法的检测思路。该思路主要是通过利用遗传算法高效快速的搜索方式,结合传统的红外小目标检测算法,最终实现红外弱小目标的快速检测。最后通过MATLAB编程后,实现了复杂背景下红外小目标的快速检测。通过仿真及与相应的传统算法的比较,发现了遗传算法自身的优势和劣势,最后说明了遗传算法在红外小目标检测领域广阔的应用前景。     

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。