基于海天线提取的红外小目标检测方法

通过对海上红外图像进行分析,提出了一种基于海天线提取的红外小目标检测方法。该算法的基本思路是根据所需提取目标的特点,首先选择感兴趣的灰度区域,然后运用Canny算子进行边缘检测,接着对图像进行Hough变换检测海天线,最后对海天线以下且符合目标特征的连通域进行标记从而来确定目标的位置。实验结果表明,该方法能较好地检测出海上红外小目标。     

基于Hough变换的海天线检测算法研究

海天线检测是红外航拍图像的一项重要研究内容。深入探讨海天线检测问题,给出了一种实用的检测算法。首先,对获取的红外图像进行梯度运算,采用Ostu阈值分割方法,获取海天边缘信息;然后根据Hough变换原理,完成海天线的检测。此外,通过随机点采样提高了海天线检测的速率,通过多线段拟合提高了检测的准确率。实验结果表明,本算法可以准确、高效地检测出海天线,为下一步研究奠定了基础。     

基于EmguCV的红外图像海天线提取算法研究

本文基于海天背景目标提取技术的研究,给出一种实用的海天线提取算法。首先,采用空域滤波消除弱小船只目标和近域海浪杂碎波的干扰,对降噪后的红外图像进行形态学梯度运算,采用Ostu阈值分割方法,获取海天线边缘轮廓,然后利用Hough直线检测算法,获取海天线待拟合点数组,最后利用最小二乘法拟合海天线。实验结果表明,本算法能够准确、快速地提取海天线,为海上目标的快速探测跟踪奠定基础,对红外搜救设备进行海上目标探测跟踪具有重要意义。     

一种改进的海天线提取算法

海天线提取是红外成像制导技术中的一项重要技术,计算简单、提取准确是验证其是否有效的依据。在直线拟合法基础上提出一种去除粗大点的改进算法,并通过分析实测图像证明本算法可有效进行复杂背景下海天线的提取。     

基于边界先验双模型贝叶斯决策的红外图像海天线检测

为了解决复杂海面干扰下海天线检测的问题,本文提出了一种基于边界先验双模型贝叶斯决策的红外图像的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重叠子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性（RANSAC）算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。      

海天背景红外图像小目标自动定位方法

通过对舰载红外警戒系统成像进行分析,提出了一种基于交叉算法的海天背景红外小目标的自动定位方法.其基本思路是根据红外图像的特点,首先通过Radon变换域极大值点提取海天线,然后沿海天线平行的方向取与海天线平行的直线,进行频率突变点的检测,最后由海天平行线和频率突变点处坐标共同对红外图像小目标进行定位.试验结果表明,该算法能快速、准确地对目标自动定位.     

结合形态学和Canny算法的红外弱小目标检测

为了解决红外弱小目标精确自适应检测的问题,本文提出了一种基于Canny算法、top-hat算法和中值滤波算法结合的红外弱小目标检测方法。该方法不同于传统的Canny弱小目标检测方法,本方法先选定合适的窗口对图像进行中值滤波处理,在去除噪声的同时有效保持图像的边缘信息;再用形态学处理中的top-hat算法抑制复杂背景,去除云层;最后使用自适应Canny算法提取红外小目标的边缘信息精确定位目标的位置。实验结果证明了该方法的有效性和优越性,本文设计的组合算法能够精确定位小目标的位置,信噪比增益达到10倍以上,排除噪声以及云层的干扰作用较强,具有一定的自适应性。     

基于改进剪切波和Canny的故障区域检测算法研究

针对机械故障红外热图像存在各种噪声造成故障区域测量参数提取精度低的问题,本文提出了基于改进剪切波和Canny的故障区域检测算法。该算法包括基于改进剪切波的去噪算法和改进Canny算子的边缘检测算法,在去噪中本文提出的是一种基于剪切波和高阶谱相结合的新算法,可以有效地去除高斯噪声与椒盐噪声的混合噪声并保留图像细节;在图像的边缘检测中本文利用剪切波与Canny算子相结合的改进新算法对红外故障图像进行边缘提取,从而消除了传统的Canny算子在检测时出现的伪边缘现象。实验仿真结果表明本文提出的去噪算法与传统的去噪算法相比显著提高了图像的峰值信噪比(PSNR),同时图像的边缘和细节也得到了很好的保留,实现了故障区域特征参数的精确有效提取。     

一种改进的基于Otsu算法的Canny红外边缘检测方法

在红外图像的分割处理中,阈值的选取一直是研究的热点.针对传统Canny边缘检测算法需要人为设定阈值的情况,从图像灰度的相似性和不连续性原理出发,提出了一种自适应图像边缘检测方法.该方法首先用中值滤噪代替Canny算法中的高斯滤噪,以去除图像中的背景噪声.在此基础上,采用改进的最大类间方差法来优化Canny算法双阈值中高阈值的设定原则,以保证双阈值的自适应性,再利用Canny多尺度空间边缘检测技术完成图像的分割处理.实验表明,与传统的单一算法相比,该算法提高了信噪比,简化了运算过程,可达到比较理想的边缘检测和分割效果.     

红外图像中海天线的检测

根据红外图像中海天线的特点,提出了一种海天线的检测方法.首先进行中值滤波以抑制红外图像中的噪声的影响,接着使用线检测模板对经中值滤波后的红外图像进行处理,从而检测出水平方向上的所有直线,最后对线检测后的图像进行行扫描,确定海天线的位置.实验表明,该方法可以确定海天线的位置,降低后续海上目标检测的难度和复杂度.     

一种基于Canny算子的船舶目标检测算法

提出了一种从红外图像中检测船舶目标的方法，该方法首先对两帧图像进行差分处理，然后进行图像分割，再用Canny算子对目标边进行检测，结合图像分割的结果，最终确认目标。实验表明该方法在复杂背景下，可以较好的进行目标检测。     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

图像边缘检测中的微分算子法及其比较

边缘是图像最基本的特征,边缘检测是图像分析与识别的重要环节。基于微分算子的边缘检测是目前较为常用的边缘检测方法。通过对Roberts,Sobel,Prewitt,Canny和Log等几个微分算子的算法分析以及MATLAB仿真实验对比,结果表明,Roberts,Sobel和Prewitt算子的算法简单,但检测精度不高,Canny和Log算子的算法复杂,但检测精度较高。在应用中应根据实际情况选择不同的算子。     

一种基于边缘分割的全局立体匹配算法

匹配基元的选取对立体匹配的视差计算精度与立体匹配的速度有着重要影响.首先提出了一种利用边缘分割扫描线所得到的线段作为匹配基元的方法,采用基于动态阈值的Canny检测算子提取边缘,将扫描线分割为线段,使得分割线段的长度可以根据图像的状况进行调整,从而在保证视差计算精度的同时有效地提高了速度.另外,以分割后的线段作为结点构建生成树(ST),使用树型动态规划算法计算基元的视差值,通过增加扫描线之间的约束,从而得到全局最优视差.实验表明这种算法具有较高的视差计算精度和较好的实时性.     

图像边缘检测算法研究与分析

边缘是图像的重要特征,包含了图像中用于识别目标的信息。边缘信息存在于目标与背景、目标与目标之间,边缘检测技术是图像分割和其他一些图像处理的基础。图像边缘检测算法在边缘提取中起着重要的作用,本文介绍了Roberts、Sobel、Prewitt、Kirsch、Laplacian、LOG和Canny等几种常见的边缘检测算法,并通过实验仿真对其性能进行了验证和比较分析。     

港口背景下红外运动目标的一种检测方法

为了解决港口背景下红外运动目标检测中受背景干扰带来的误分割和误跟踪问题,提出了一种基于港口背景抑制和光流检测的红外运动目标检测方法。首先,通过对小波分解图像进行OTSU分割,得到天水线区域。然后使用多级滤波确定序列图像中港口背景的抑制基准点,并根据这些背景抑制基准点实现序列图像的港口背景抑制。最后,运用光流预测实现红外运动目标检测。通过对实际港口背景红外图像进行背景抑制和红外运动目标检测的实验,验证了所提方法的可行性和有效性。     

基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测

针对脉冲红外热成像检测缺陷构件时,红外图像噪声较大、边缘信息模糊等特点,提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换,采用模糊C均值聚类对图像进行区域分割、提取和二值化;再将各个区域进行叠加,使红外图像的边缘变得连续;最后,采用Canny算子对处理后的图像进行边缘检测,实现缺陷的识别。在图像边缘检测基础上,分析了图像定位缺陷位置与实际缺陷位置之间的相对误差,并运用物像关系,实现缺陷几何尺寸的定量检测。结果表明:该方法对缺陷边缘识别完整清晰,具有较高的定位精度和抗噪能力,有利于缺陷的识别与定量检测。     

基于改进Canny算子的垃圾图像边缘检测

为提高垃圾识别分类的准确率,文中在垃圾图像预处理过程中提出了一种基于改进Canny算子的垃圾图像边缘检测方法。该方法从传统Canny算子滤波方式、梯度方向及阈值自适应3个角度实现了垃圾图像边缘检测的优化。针对Canny算子高斯滤波仅适用于高斯噪声和边缘细节易丢失的问题,采用改进的梯度倒数加权法进行滤波。针对Canny算子易检测出伪边缘的问题,通过在计算图像梯度方向的过程中增加方向梯度模板实现了边缘的精确化。同时采用最小误差法解决人工设定阈值的局限性,实现阈值自适应。实验结果表明,该方法在去噪性能和边缘细节两方面得到了改进,获得了更好的边缘检测效果,为后续垃圾图像的识别分类提供了技术保障。