混合高斯模型中基于背景补偿的阴影抑制

利用混合高斯模型检测出的运动区域特征值在HSV颜色空间的特点,判决出疑似阴影区,然后对疑似阴影区进行背景补偿去除运动阴影,并在目标的后处理中应用形态滤波和连通域检测进一步删除不符合要求的虚假检测目标。实验表明：该方法可以有效地去除阴影,准确提取运动目标。     

高帽变换和toggle算子组合的图像增强优化算法

针对灰度图像对比度较低而难以识别目标区域的问题,对形态学中传统的高帽变换算子和toggle算子进行组合,提出了基于高帽变换和toggle算子组合的图像增强优化算法.该算法利用高帽变换算子增大原始图像灰度值的动态范围,同时利用toggle算子锐化图像,使图像清晰.实验结果表明,该组合算子相对单个算子来说,对灰度图像的对比度增强效果更好,目标识别效果更佳.     

基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

基于颜色和形态学的交通标志检测技术的研究

通过利用交通标志的颜色特征,采用基于RGB空间的彩色分割方法进行图像分割.对分割出的图像进行灰度增强处理,比较和分析了不同边缘检测算子和阈值分割的方法,使用固定阈值分割方法对图像进行二值化,使目标区域突显.利用数学形态学腐蚀算法对图像进行轮廓提取,并通过形状特征对交通标志进行形态学分析.通过MATLAB软件仿真实验,说明算法具有一定实用性.     

线膛炮身管内膛疵病图像膛线过渡区的处理

为解决线膛炮身管内膛中阴阳膛线的存在形成膛线过渡区,使得疵病图像灰度不连续,影响对疵病进行分析的问题,在分析图像特点的基础上,应用全局阈值分割和二值数学形态学移除小目标运算,实现了对图像膛线过渡区的准确分割;提出应用阴阳膛线区域图像灰度的均值填充过渡区图像。实验结果表明,应用所提方法处理后的图像灰度较为连续,有利于图像的分析。     

一种复杂背景下的目标分割算法

自动目标检测是图像精确制导技术的重要研究内容.针对地面复杂背景条件下目标难以检测的问题,提出一种结合灰度形态学滤波与直方图独立峰搜索的目标分割方法.首先,对复杂背景下的图像进行形态学滤波和增强,增强目标和背景的灰度对比度;然后利用文中提出的图像直方图独立峰搜索方法确定图像阈值,对图像进行分割.实验表明:文中方法是有效的,对复杂背景下的目标图像可取得较好的分割效果.     

基于灰度图像的阴影检测算法

基于灰度图像的阴影检测算法,通过快速归一化互相关函数计算方法其复杂度,并采用背景减法与帧差法相结合方法提取运动前景.其步骤包括提取运动前景及检测运动目标的阴影.该方法与基于HSV模型的阴影检测算法相比,实验表明:在不需要任何的颜色信息的情况下,基于灰度图像的阴影检测算法能较好检测出阴影.     

动态背景中基于特征点引导的动目标快速检测方法

为解决传统方法的不足,提出一种新方法实现动态背景中运动目标的快速检测。充分利用图像的特征点信息,对传统的SSDA算法进行改进,实现视频序列相邻帧间的配准。在经过配准的帧间,利用特征点及其邻域的灰度信息求取小窗口的灰度差的总和,则匹配误差较大的特征点必处在动目标区域,据此检测出运动目标的位置。实验证明,该算法具有简单、快速的优点,可用于动态背景中的动目标检测,也可用于图像的变化检测。     

基于形态学的运动车辆检测技术的研究

对交通视频中的运动车辆进行图像灰度转换和滤波处理.根据道路中运动车辆的形态学特征,利用形态学运算,减少其他目标的干扰,对车辆目标从道路中进行分割.利用图像像素的连通性,对车辆进行标注,实现车辆的检测.算法在MATLAB平台中仿真实验,证明算法具有一定的实用性和准确性.     

基于图像行相关空中目标实时检测算法

针对复杂背景中弱小目标的侦测问题,提出一种弱小目标去背景检测的新方法。通过对图像做灰度反转,根据图像相邻行之间的相关性做去除背景的预处理,并计算图像中灰度值最大的像素点,得到目标的位置坐标,并对实拍的空中弱小目标视频图像进行实验验证。实拍的视频图像证明：该方法可对弱小目标进行检测,且检测速度快、抗噪声干扰性能强。     

基于形态学和直方图分析的多源图像目标分割算法

提出了一种兼具形态学和直方图分析方法优势的多传感器图像目标分割算法。首先根据图像内在属性用指定直方图方法进行图像增强,利用图像区域直方图统计描述子特征进行目标区域检测;然后分别对红外图像应用形态学重构,对激光雷达图像应用局部阈值法进行目标轮廓估计,再将各传感器图像获得的兴趣区域进行交叉验证,排除背景干扰;应用动态边缘演化技术最终确定目标边缘。对复杂场景的多传感器图像测试表明,该算法较好地保留了目标的形状特征,是一种有效的多目标分割算法。     

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。     

Infrared Image Small Target Detection Based on Bi-orthogonal Wavelet and Morphology

An image multi-scale edge detection method based on anti-symmetrical bi-orthogonal wavelet is given in theory. Convolution operation property and function as a differential operator are analyzed,which anti-symmetrical bi-orthogonal wavelet transform have. An algorithm for wavelet reconstruction in which multi-scale edge can be detected is put forward. Based on it, a detection method for small target in infrared image with sea or sky background based on the anti-symmetrical bi-orthogonal wavelet and morphology is proposed. The small target detection is considered as a process in which structural background is removed, correlative background is suppressed, and noise is restrained. In this approach, the multi-scale edge is extracted by means of the anti-symmetrical bi-orthogonal wavelet decomposition. Then, module maximum chains formed by complicated background of clouds, sea wave and sea-sky-line are removed, and the image background becomes smoother. Finally, the morphology based edge detection method is used to get small target and restrain undulate background and noise. Experiment results show that the approach can suppress clutter background and detect the small target effectively.     

基于局部梯度极值点的经验模式分解图像增强

为解决传统2 维经验模式分解获取图像细节能力不足的问题,提出一种基于局部梯度极值点的改进BEMD 图像增强方法。根据梯度对图像细节信息的强挖掘能力,基于像素点4 个2 维方向上的极值条件来寻找图像的局部 极值点,对图像进行经验模式分解并确定内蕴模式函数,结合大尺度梯度保留、小尺度梯度去除的思路,达到在图 像增强的同时又抑制噪声的目的。实验结果表明：与传统的图像增强算法相比,该方法具有更强的细节捕捉能力。     

基于PCA的红外图像区域特征选择方法

特征提取在模式识别和分类中起着关键的作用,本文针对红外目标的准确分类识别问题,围绕红外图像特征提取和特征选择进行研究,提出了基于PCA的区域特征选择方法。该方法首先采用基于数学形态学的滤波技术对红外图像进行预处理,有效地增强了目标区域,便于目标特征的提取;其次,本文研究了区域形状特征提取及基于PCA的特征选择方法,通过对区域特征进行优化选择,构造准确描述目标特性且维数较低的特征。实验结果表明,本文提出的方法有效地提取红外目标的特征,可用于红外目标的分类且有利于提高算法的效率。     

基于BPT分割的SAR与可见光图像配准方法

提出一种基于BPT(二叉划分树)分割的SAR图像与可见光图像的配准方法,利用BPT的分层区域合并法将图像分成不同灰阶的ROI(感兴趣区域),分别提取重心当作控制点,然后采用独立距离作为相似性测度进行进一步的精校正,最后选择多项式模型以及双线性插值法进行匹配。实验表明:该算法较传统的边缘检测方法提取区域重心省去很多后续的形态学处理工作,具有更准确的定位,达到手动配准的精度。     

基于颜色聚类的光学伪装效果评估背景选取方法

在基于可见光图像的单个目标伪装效果评估中,当目标处于反差较大的两种背景交界区域附近时,直接采用8邻域背景选取方法,将会导致评估结果出现较大偏差.针对这一问题,提出一种基于颜色聚类的背景选取方法.通过该方法对8邻域图像进行颜色聚类后,将目标近邻区域中不包含的颜色类从8邻域图像中剔除,再减去目标区域后即为选择的背景.实验结...     

基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.     

一种快速识别形体巨大目标的方法

提出了一种从灰度图像中识别形体巨大的目标的方法。此方法先计算灰度图像的梯度值,再对梯度图像进行二值比,对二值化后的图像先后进行腐蚀和膨胀操作,然后对所得到的图像进行区域分割,从得到的区域中找到目标区域。