基于噪声方差估计的红外弱小目标检测与跟踪方法

针对红外弱小多目标图像背景杂波干扰严重、弱 小目标检测率低和目标跟踪困难的问题,提出一种 基于噪声方差估计的红外弱小目标快速检测与目标跟踪算法。首先采用改进的形态学 滤波抑制背景噪声, 对处理后的多帧图像进行方差估计初步突出目标像素;然后对其进行信噪比(SNR)估计得到整个图像序列像素得 分,图像中像素SNR高的被标记为目标像素;再对标记过的图像进行分块分析 ,准确提取出连续图 像序列中的目标像素;将检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双 阈值实现目标 的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目 标检测拥有较 高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有 效跟踪目标, 而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

一种改进的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标检测率低、目标跟踪困难的问题,提出一种改进的红外弱小目标快速检测方法。该方法采用改进的形态学滤波抑制背景噪声,对处理后的多帧图像进行方差估计初步突出目标像素,然后对其进行信噪比估计得到整个图像序列像素得分,图像中像素信噪比高的被标记为目标像素,再对标记过的图像进行分块分析,最终准确提取出连续图像序列中的目标像素。检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双阈值实现目标的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目标检测拥有较高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有效跟踪目标,而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

CORDIC算法在星图目标质心提取中的应用

为了能够快速而精确地实现对星图目标的质心提取,采用质心提取算法中具有较高精度的高斯曲面拟合算法,利用CORDIC算法来设计其中的对数运算模块,取代以往的查找表结构算法.通过ModelSim仿真,表明该运算模块能够以流水线的方式对数据进行连续处理,实时性较好.最后在FPGA硬件平台上进行验证,对一幅512×512像素的星图进行星点目标质心提取,试验结果显示该模块的计算误差在0.005个像素以内,定位精度要高于传统的质心法,而流水线的设计结构使其具有更快运算速度.     

基于改进的SLIC的岩心颗粒图像边缘分割算法

在岩心颗粒图像进行目标提取的过程中,由于颗粒颜色丰富,类别和大小不一,且存在边界模糊等情况,导致颗粒分割很困难.针对以上问题,本文提出一种基于改进的简单线性迭代聚类(SLIC)算法,首先对图像进行预处理,增强目标区域同时模糊背景部分,消除孤立的噪声点且保护边缘信息;其次,结合LBP纹理特征对图像进行超像素分割;最后,结合区域之间的颜色特征进行超像素合并.实验表明,与现有的其它算法相比,该算法能准确地分割颗粒的边界,更有效地提取目标颗粒,极大地降低了后续对提取目标进行分析的复杂度.     

基于RGB-D图像的重叠颗粒物分层计数

文中提出一种基于RGB-D图像的重叠颗粒物分层计数方法。由Kinect相机获取彩色和深度图像并配准,对彩色图像采用改进的K-means聚类算法提取颗粒物轮廓,利用格雷厄姆凸壳算法和圆形度对其摆放类型进行分类。利用插值算法对可提取的部分边缘轮廓进行轮廓重建以获取对应目标区域颗粒物数量;对于无法提取的颗粒物轮廓,由估算得到的单个颗粒平均像素点数,根据目标区域总像素点数计算出颗粒物数量;对于无法利用彩色图像提取到的上层目标区域,由深度图像进行阈值分割即可完成上层目标区域的提取和分类计数。文中采用大小均匀、类圆形核桃为研究对象,对任意摆放的不同颗核桃进行计数,平均正确率达99.38%。表明文中方法应用于重叠颗粒物计数是有效可行的。     

基于部件分解的高分辨雷达目标提取方法

针对传统目标提取算法在低信噪比条件下性能不理想且提取部件不连续的问题,提出一种基于部件分解的高分辨雷达目标提取算法.利用属性散射中心可以表征目标部件的散射回波的优势,通过构造属性散射中心基对目标信号进行分解.通过对分解部件的能量设置门限,提取属于目标的部件.实验结果证明:在低信噪比且虚警概率相同的情况下,基于部件分解的目标提取方法比传统基于像素能量的提取方法能提取出更多且更连续的目标部件.     

基于最简视觉显著性的红外目标快速提取方法

在红外深空目标跟踪系统中,为了能够从深空红外图像中快速提取微小目标,通过分析红外深空图像的特点,提出一种基于最简视觉显著性的红外目标快速提取方法。该方法在传统的视觉显著性的基础上,通过计算局部灰度最大值和目标像素的灰度平均值与邻域像素的灰度加权值的对比度组成特征向量,构造显著性模型,抑制背景并凸显目标,使之不但能够减少运算耗时,而且能够保证提取精度。通过对红外深空图像进行处理,实验结果表明该算法的运算时间仅为传统的视觉显著性算法的28%,且有较好的处理结果,证明了该算法的有效性。     

表面贴装元件识别的一种亚像素边缘检测方法

亚像素算法是一种高精度的边缘检测算法.分析了亚像素边缘检测的原理及现有算法的优缺点,根据现有用亚像素对表面贴装元器件图像检测的算法,提出了三次样条插值的亚像素算法进行边缘提取.通过实验比较,认为该方法提高了边缘提取的精度,满足了贴片机视觉检测的要求.     

基于超像素多特征融合的快速图像分割算法

为了提高高分辨率图像分割效率,解决复杂图案中待分割目标边缘附近前景与背景区分度小而造成的分割目标不完整问题,本文通过引入超像素HOG特征,提出了一种基于超像素多特征融合（superpixel multi-feature fusion,SMFF）的快速图像分割算法.首先采用目前最有效的超像素算法对待分割图像进行超像素预分割,然后提取基于超像素的HOG特征、Lab颜色特征和空间位置特征,设计基于超像素的多特征度量算法,最终采用图割理论实现了基于超像素多特征融合的快速图像分割.实验结果验证了本文算法的有效性,其算法性能接近于目前最经典图像分割算法,且本文算法的时间性能要明显优于其它对比算法.     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线边缘像素点,最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

Figure-ground segmentation from occlusion.

Layered video representations are increasingly popular; see [2] for a recent review. Segmentation of moving objects is a key step for automating such representations. Current motion segmentation methods either fail to segment moving objects in low-textured regions or are computationally very expensive. This paper presents a computationally simple algorithm that segments moving objects, even in low-texture/low-contrast scenes. Our method infers the moving object templates directly from the image intensity values, rather than computing the motion field as an intermediate step. Our model takes into account the rigidity of the moving object and the occlusion of the background by the moving object. We formulate the segmentation problem as the minimization of a penalized likelihood cost function and present an algorithm to estimate all the unknown parameters: the motions, the template of the moving object, and the intensity levels of the object and of the background pixels. The cost function combines a maximum likelihood estimation term with a term that penalizes large templates. The minimization algorithm performs two alternate steps for which we derive closed-form solutions. Relaxation improves the convergence even when low texture makes it very challenging to segment the moving object from the background. Experiments demonstrate the good performance of our method.     

Interactive image segmentation using Dirichlet process multiple-view learning

Segmenting semantically meaningful whole objects from images is a challenging problem, and it becomes especially so without higher level common sense reasoning. In this paper, we present an interactive segmentation framework that integrates image appearance and boundary constraints in a principled way to address this problem. In particular, we assume that small sets of pixels, which are referred to as seed pixels, are labeled as the object and background. The seed pixels are used to estimate the labels of the unlabeled pixels using Dirichlet process multiple-view learning, which leverages 1) multiple-view learning that integrates appearance and boundary constraints and 2) Dirichlet process mixture-based nonlinear classification that simultaneously models image features and discriminates between the object and background classes. With the proposed learning and inference algorithms, our segmentation framework is experimentally shown to produce both quantitatively and qualitatively promising results on a standard dataset of images. In particular, our proposed framework is able to segment whole objects from images given insufficient seeds.     

激光雷达距离像背景抑制算法研究

相干激光成像雷达距离像处理的一个重要内容就是进行背景抑制。利用原始强度像的均值信息进行距离像的背景抑制因为强度像受到噪声影响而效果不佳，改进算法加入了强度像的噪声滤除，大大提高了背景抑制能力。但是这种利用强度像均值的背景抑制算法要求目标区占有较大的面积，对于小目标图像其抑制效果变差。分析了强度像的直方图特征，提出了一种熵阈值分割抑制距离像背景算法，此算法将强度像的直方图划分为描述目标区像素和背景像素的两个概率分布．而将使这些概率分布熵最大的灰度值作为分割阈值。将此算法应用于实际图像处理，结果表明对于大目标图像和小目标图像都有较好的抑制效果。     

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

一维对象复杂度的灰度图像分割算法

从图像复杂度的角度,提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类,统计其对应直方图与总像素个数,并计算对象复杂度;依据图像复杂度分割准则算法公式,遍历每一灰度级对应的图像复杂度值,选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明,与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比,本文算法速度快,稳定性和效率最好,是一种通用有效的图像分割算法。     

应用粒子滤波及先验概率模型进行图像分割的新算法

基于粒子滤波在非线性非高斯情况下具有较好的预测结果,本文提出了一种自适应背景图像分割新算法,该算法利用粒子滤波对下一帧的前景区域进行预测,进而计算出下一帧各像素点属于背景的概率以指导下一帧图像分割;在前景像素值与背景像素值相近的情况下利用先验知识进行图像分割是一种较好的方法,本文以粒子滤波预测结果与先验概率模型计算结果的均值作为当前像素点属于背景的概率来进行图像分割,实验结果表明,该方法在背景变化范围较大的情况下,可以减少前景点误分割为背景点的概率.     

一种基于图划分的人造红外目标实时分割算法

提出一种基于图划分的实时红外目标分割方法．选用规格化划分值作为区分目标和背景的最佳阈值选取的准则．该准则联合考虑了象素的灰度信息及其空间位置信息,因而分割红外目标比常规方法更为准确可靠．文章对该算法的时间复杂性及空间复杂性进行了分析,为满足实时处理的需要,对算法进行了简化处理,并定义四种方向的领域权值矩阵,提出一种快速查表的方法有效地解决了算法的实时性问题．试验结果表明,该方法能够有效地完成红外目标的准确分割,分割性能优干传统的Otsu准则和一维熵方法,同时,采用快速实现算法大大提高了该算法实时处理能力,节省了存储空间,从而使该算法在实际中能得到有效应用．     

核空间自适应非局部均值鲁棒分割算法

为改善传统模糊C均值(FCM)算 法对噪声干扰下图像的分割效果,提出了一种基于核空间邻域信息和自适应非局部均值相结 合的图像鲁棒分割算法。首先,利用传统FCM聚类算法进行初始聚类分割,将 所得聚类中心作为改进算法的初始聚类中心; 其次通过自适应非局部均值算法对图像进行平滑处理,避免图像过度分割;然后对引入核空 间邻域信息的目标函数进行最优化求解, 获取聚类中心和隶属度的迭代表达式;最后对像素进行分类时,利用邻域像素隶属度对像素 进行进一步滤波处理。实验结果表明:本文的 改进算法与传统FCM聚类算法、核空间FCM(KFCM)算法、基于邻域信息的FCM(FCM S)算法和基 于邻域信息KFCM(KFCM-S)算法相比,改进算法对强噪声干扰下的图像具有较好 的鲁棒性,并且能够有效分割图像的目标信 息和背景信息。从几种算法进行聚类分割结果所对应的峰值信噪比(PSNR)也可以看出,本文 改进算法的PSNR更高。     

改进单高斯模型的视频前景提取与破碎目标合并算法

针对视频背景建模和运动目标检测,本文提出一种基于分块模型更新的单高斯背景建模方法。新方法将视频图像划分为多个区块,并对块内的像素进行统一建模,以替代传统方法中对单像素点的建模。由于块像素的平均更符合高斯分布特性,有利于发挥单高斯建模方法的优势,因此增强了算法应对复杂背景的能力,同时分块建模也有效降低了算法复杂性。针对破碎团块的合并问题,本文提出一种“比对就近”的策略,将相隔距离在设定阈值内的团块合并为一个目标。实验结果验证了本文所提方法的有效性。      

Segmenting object with ambiguous boundary using information theoretic rough sets

In image segmentation, image is divided into regions of similar pixels that satisfy a defined notion of similarity. The complexity of image segmentation is further increased when the separation between neighboring regions is ambiguous. In this paper, we propose an approach that uses the information theoretic rough sets concept (ITRS) to model the ambiguous boundary of the object for further segmentation. The advantage of this approach is incorporating the prior knowledge of the object for effective extraction despite its ambiguous boundary. This approach starts with an assumption that seed points of the regions are available. It then computes the probability of association of the pixels with the seed points. Rough sets theory is invoked on this probability or likelihood map to identify positive, negative, and boundary states of the object. Optimal threshold for the boundary region is determined using histogram based segmentation algorithm for final object extraction. The main contribution relies on the application of ITRS in categorizing the object by combining both the prior and image information. The proposed approach, ITRS segmentation, is compared with different image segmentation methods on simulated brain images, and the result is encouraging with its state-of-the-art performance.