SAR图像车辆目标ROI的提取技术

SAR图像感兴趣目标区域(Region Of Interest, ROI)的提取是目标识别的基础。该文针对SAR图像中车辆目标ROI提取问题,系统分析了ROI提取过程的关键环节,提出了采用基于有序数据可变索引(Ordered Data Variability Index, ODVI)的自适应CFAR方法实现目标的恒虚警检测,同时对ROI切片计算鉴别特征,并实现序贯鉴别。最后利用X波段SAR图像数据验证了该文的ROI提取技术,给出了鉴别输出的ROI,处理结果显示该文算法能准确提取车辆目标ROI,有效消除虚警。     

红外图像中人体目标检测技术研究

针对红外序列图像中人体目标检测问题,采用了基于特征点的特征区域提取方法,先用FAST算法快速提取特征点,然后基于提取出的特征点,使用LBP算法提取特征区域,在得到感兴趣的特征区域（ROI区域）后,用对ROI区域进行基于离散小波变换的小波熵特征提取,并采用复合分类方法对ROI区域进行分类,利用此方法有效地将人体目标从红外序列图像中检测出来。     

轻量化多特征融合的指纹分类算法研究

快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术。目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题。神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息。针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法。该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活。实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑。      

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

累积结构特征描述的多模态遥感影像匹配

针对相位一致性图大部分特征值为零且易受噪声干扰,导致其构造的多模态图像特征描述子能力有限的问题,提出了一种累积结构特征图(Cumulative Structural Feature,CSF)构造及其特征描述子建立方法,通过增强图像结构来提高特征点描述子的辨识能力。首先,采用Log-Gabor奇对称滤波器提取多模态图像多个尺度和方向的边缘结构特征,通过特征信号平方和归一化构造CSF,增强图像的结构相似性,并直接在CSF上提取特征点;再利用多个尺度和方向的边缘结构信息构造方向特征图;最后,结合CSF和方向特征图建立特征描述子,提高描述子的辨识能力。六种场景的多模态图像匹配实验表明,与其他方法的最好结果相比,所提方法的平均正确匹配数量提升了27.07%,平均正确率提升了2.26%,且增强了对场景的适应能力。     

基于ROI的高精度红外全景拼接算法研究

针对红外图像空间分辨率低、视场窄,导致图像配准率低、实时性差的问题,提出一种基于感兴趣区域(ROI)的高精度红外全景拼接算法。该算法首先根据两张相邻图像的近似位置关系,求取图像间的ROI;接着,在ROI窗口中提取尺度不变特征变换(SIFT)特征点并将其作为运动目标,结合KLT(Kanade-Lucas-Tomasi)实时跟踪算法确定待配准图像中特征点的位置信息并进行匹配;然后采用随机采样一致性(RANSAC)算法剔除误匹配点对;最后利用像素级融合法消除拼接痕迹,合成一幅分辨率稳定、视场宽的红外全景图像。经实验验证,该算法与传统SIFT算法相比,配准率提高了3.491%,运行时间约提高了50%,能够准确、有效地实现多帧红外图像的无缝拼接。     

基于可见光匹配矩阵的电气部件故障红外自动识别算法

基于红外图像差分比对法可以高效地检测并发现电气部件老化、接线松动、绝缘失效等问题,但由于红外热图像分辨率低、对比度差,直接特征匹配误点率高、匹配成功率低,提出一种基于可见光匹配矩阵的电气部件故障红外自动识别算法。首先通过固定区域截取法或手动提取特征点配准法处理可见光图像,使处理后的可见光图像与红外图像完全匹配;然后使用SURF及RANSAC算法将匹配好的待测及标准电气部件的可见光图像进行配准,并使用最小二乘法获得最优仿射变换矩阵。最后使用该匹配矩阵将待测及标准电气部件的红外热像图进行配准,进而进行差分故障判断。实验结果表明:该检测算法相较于直接差分比对法,匹配效果好、鲁棒性高,且能够实现异常区域的准确定位。     

结合目标先验信息的检测图像网格聚类算法

合成孔径雷达(Synthetic Aperture Radar, SAR)图像自动目标识别的前提条件之一是能够准确地提取感兴趣区域(Region of interest, ROI),因此能够获取ROI中心的聚类算法是SAR图像处理的关键算法之一。为了尽可能降低检测图像中的虚警以及减少聚类及相应的鉴别算法的计算量,本文提出一种基于先验信息的网格聚类算法,该方法首先通过目标和杂波的形状统计信息估计网格聚类参数,然后利用其对检测图像进行网格划分,并引入目标的占空比特征去除杂波,最后通过粗提取和精提取两种方法计算得到聚类中心。仿真和实测数据处理结果表明,该算法能够对检测目标进行有效聚类并去除大部分杂波,同时极大地减少了鉴别的计算量,且简化了传统ROI中心提取流程。      

基于多层级特征融合的行人重识别算法

针对行人遮挡、姿态变化等现象造成当前行人重 识别算法精度不高的问题,提出一 种基于多层级特征融合的行人重识别算法。首先通过自注意力机制骨干网络ResNeSt提取图 像特征中的短距离信息;其次通过多尺度 金字塔卷积(pyramid convolution,Pyconv) 分支网络提取图像中长像素关 联特征信息,提高模型表达能力;最后使用一种统一形式且可学习的广义均值池化 (generalized mean pooling,GEM) 替代传统平均池化层,达到关注不同区域特征差异性目的。测试阶段添加平均逆消极惩罚 (mINP)作为新评价指标。实验结果表明,本文所提算法在多个数据集上均展现出优势,在 DukeMTMC-ReID数据集上Rank-1达到了90.9%,mAP达到了89.8%。     

复杂环境下基于ROI的车牌提取算法

感兴趣区域（ROI）是最能体现图像内容的区域,基于ROI的图像特征提取技术有效提高了图像处理和分析的效率,在图像处理与分析领域有着重要的应用.首先简要介绍现有的车牌提取方法,针对目前复杂环境下的车牌ROI提取算法提取效果不明显、计算繁琐、漏检率高等缺点,提出一种采用颜色特征和模板匹配的车牌ROI提取算法,该算法避免大量运算,具有相对于图像平移、尺度变化的低敏感性,并且取得了较好的实验效果.     

一种基于兴趣区提取的红外搜索系统目标实时检测算法

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题,提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性,根据目标运动特性与灰度特性,在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区;针对兴趣区内的局部目标图像切片,进一步精细检测识别,剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明,算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测,已应用到了周扫红外搜索跟踪系统的工程样机研制中。     

基于红外立体视觉的行人感知方法研究

基于热红外特性,红外立体视觉路况行人感知方法可以在夜间、雾霾环境下有效检测道路场景中的行人等目标,提高驾驶安全性。针对红外图像中纹理细节少,传统稠密双目立体匹配算法效果差的问题,本文首先根据目标在红外图像下的亮度、边缘特征提取感兴趣区域（Region of interest, ROI）;然后在ROI中提取图像特征点并匹配,进而计算原始稀疏深度图;最后根据目标表面深度变化较小的特点,结合ROI和原始深度图估计半稠密深度图。本文搭建了实验系统验证该方法的有效性。实验结果表明,在系统约120°观测视场角内,该方法对行人等目标深度感知相对误差在15 m范围内优于1.5%,30 m范围内优于3%。     

基于CV模型的SAR图像机场感兴趣区域检测

高分辨率POLSAR图像的机场感兴趣区域(Region of interest,ROI)的自动提取是自动目标识别(AutomaticTarget Recognition,ATR)系统的任务之一,也是准确识别分类飞机等小目标的基础。针对全极化合成孔径雷达(POLSAR)图像极化相干的特点,提出一种融合提取方法:先使用J.S.Lee Sigma filter滤波,再利用Shannon-Entropy理论提高ROI和背景对比度,采用基于CV模型的方法分割图像,然后对分割得到的图像进行形态学等图像处理,最终得到机场ROI。实验结果表明,该方法具有分割界限清晰、定位准确的优点。     

基于假设检验的红外弱小目标感兴趣区域提取算法

根据假设检验的基本原理,提出了一种红外弱小目标感兴趣区域检测算法.该方法首先按照最小错误概率准则抽取图像中目标的感兴趣区域,然后在这些区域里进行目标提取和分析.实验结果表明,该方法很好地克服了一些传统方法中冗余计算多和分析难度高等缺点,非常适合于红外弱小目标的高性能检测.     

基于基因表达式编码算法的红外图像轮廓提取

针对红外图像轮廓特征信息提取的特点,提出基因表达式编码算法。首先建立基因表达式编码规则,求出最大的基因编码空间以及基因编码个数;接着把红外图像像素集合与染色体基因序列构建映射关系,不同的基因编码则代表不同的像素值,适应度函数大的基因参与数据优化,最后给出了红外图像轮廓特征信息提取评价函数以及算法过程。实验仿真得出基因表达式编码提取的红外图像轮廓没有伪吉斯效应,时效性快,边缘点保持指数接近理想状态。     

周视红外成像搜索系统中的实时目标检测方法

在周视红外成像的预警搜索系统中,大视场下红外图像的背景成分十分复杂;与此同时,高分辨成像使得图像数据量也急剧增加。针对周视成像系统中红外图像的特点,提出了一种基于分块图像加权熵值矩阵的快速目标提取算法:首先根据大视场下红外图像的空间分布特性,对原始图像建立子图像块矩阵;然后提出一种加权熵的特征判别函数,建立子图像块的加权熵值矩阵;最后分析了基于加权熵矩阵自适应阈值选取方法,对背景进行分类并快速提取目标兴趣区。实测数据结果表明:该算法流程是一种适合大视场条件下的有效目标检测算法,且具备良好的工程应用性。     

信赖域方法在红外图像序列处理中的应用

在以光源为激励的红外无损检测图像序列采集过程中,由于受到不均匀加热、环境辐射等因素影响,采集到的图像序列存在着背景噪声大、对比度低、缺陷显示效果差等问题,易造成缺陷的漏检。为提高缺陷检出率,提出了基于信赖域反射算法的红外图像序列处理技术。通过算法对加热不均造成的背景噪声进行快速曲面拟合,并将拟合得到的背景曲面从原始图像中减去,从而去除加热不均的背景噪声。利用主成分分析算法对去除背景后的图像序列进行缺陷特征信息提取,进一步提高红外图像的信噪比。结合区域生长算法对缺陷区域进行分割,以提取缺陷区域。实验结果表明:采用上述方法,能够有效地改善红外图像的信噪比,进而达到提高缺陷检出率的目的。