红外成像反舰导弹干扰方法研究

红外成像制导技术已经得到了广泛的发展,研究其对抗方法极其重要。通过对红外成像导引头目标识别和跟踪算法的分析,提出了一种红外成像反舰导弹干扰算法。对干扰物的面积、布放高度、布放距离、持续时间、辐射强度和干扰波段进行了详细的研究。     

飞机目标红外图像序列双阈值分割方法

针对飞机目标红外图像序列,提出了一种新型双阈值分割方法.它依据实测飞机目标红外图像序列的统计特性,以及目标在上一帧图像中所占比例,确定当前帧图像中两个阈值的取值范围;再利用最大熵准则和遗传算法搜索最佳双阈值.仿真结果表明,这种方法能够实时地分割出飞机目标和作为目标特征点的尾喷管,可用于工作在成像目标跟踪阶段的红外成像制导、红外型自动目标识别(ATR)系统.     

面源红外诱饵的计算机图像生成研究

面源红外诱饵已经发展成为对抗红外成像制导导弹的一种有效手段,通过红外景象生成方式模拟逼真的动态干扰场景来进行半实物仿真试验是检验、评估红外成像制导导弹抗干扰性能的重要途径。以红外景象生成图像的分析为基础,首先建立了面源红外诱饵与来袭导弹之间的距离模型,然后依据相互距离的变化研究了干扰图像的面积变化模型、位置变化模型和亮度变化模型。最后按照仿真流程进行了面源红外诱饵的图像生成,并对干扰图像的面积、位置和亮度变化进行了仿真分析。结果表明,模拟生成的干扰图像较逼真地再现了实战干扰场景。     

一种新的舰船红外图像分割算法

舰船红外图像分割是红外成像制导反舰导弹目标跟踪的关键技术。为较好地分割出舰船目标,提出了一种新型的舰船目标图像分割算法。根据均值移动算法去除图像噪声,采用梯度增强、拉普拉斯变换、直方图迭代、形态学算法得到舰船及背景的二值化图像;采用投影技术和Hough算法得到舰船存在区域,分割舰船存在区域得到较准确的舰船图像。仿真结果表明此算法具有较好的分割效果。     

红外成像制导末端局部图像识别跟踪研究

针对红外成像制导末端目标图像充满导引头视场影响目标识别跟踪的问题,提出一种红外成像制导末端局部图像识别跟踪的方法。分析了红外成像制导原理;选取了高亮区比例、灰度标准偏差、长宽比、紧凑度和复杂度等5个特征量作为特征提取和目标识别的依据,提出适合导弹的目标快速识别算法;通过计算红外成像制导末端目标图像,在导引头焦平面上的投影面积的变化情况,分析了弹目距离与相对速度对目标图像变化情况的影响,研究了形心跟踪到局部图像跟踪的转换时机。综合考虑了可靠性和实时性要求,选取飞机机头作为局部图形跟踪的跟踪点;搭建红外成像制导仿真场景,对所提出的方法进行仿真分析。仿真结果表明：该方法能够有效地识别图像中的目标,减小红外成像导引头跟踪盲区,实现红外成像制导末端的平稳跟踪。     

小波分析法在红外烟幕面积评估中的应用

分析了当前红外遮蔽烟幕干扰面积和遮蔽率测试方法的主要问题,引入小波分析思路,利用多分辨分析方法将红外烟幕图像分割成多幅不同分辨率图像,组成层次式数据结构,然后利用小波变换的图像边缘检测算法画出烟幕云团边缘曲线,求出封闭曲线内面积,即可得到烟幕有效干扰面积和遮蔽率分布状态。这种方法解决了综合评定烟幕性能的若干问题,为研制烟幕弹或发烟装置提供了一种分析方法或思维方式。     

基于红外图像的尾焰边缘检测

针对红外目标的成像背景具有非平稳性、相关性和复杂性等特点，提出了一种改进的二值化图像分割算法，结合Canny算子边缘检测对红外目标进行了有效分割，得到感兴趣目标区的最佳边缘检测效果。实验结果表明，用该算法对16位红外图像进行目标特征提取，算法简单，运算量小，能够有效提取目标边缘轮廓，达到了预期的效果。     

应用Vega模块的红外成像系统仿真建模方法

利用计算机仿真生成逼真、实时的红外导引头视场图像对于红外成像制导仿真具有重要的应用价值.根据红外成像理论和仿真建模特点,列举了以飞机为目标的实时图像生成系统中仿真建模的关键技术;从目标3D建模、飞机尾焰建模、目标和背景辐射建模和大气传输等几个方面阐述了红外成像建模的特点和需求;提出了应用Vega软件专用模块进行红外辐射特性建模的方法;最后给出了利用Sensor Vision模块生成红外图像的过程.目前,该方法已成功运用于某型红外目标模拟器的设计中.     

红外干扰弹干扰性能测试系统

为了在红外干扰弹交付过程中评价干扰效果,设计了红外干扰弹干扰性能测试系统。系统由目标、非制冷热象仪、配有专用视频采集卡的笔记本电脑、打印机等硬件组成。系统对热象仪输出的模拟视频信号进行采集和录制,经计算机程序转换为有序的图像系列,再进行分割处理、初步比较和精确计算,输出烟幕的面积、形成时间和持续时间,对烟幕的干扰效果进行评价。实践证明,该系统能较好地测试红外干扰弹干扰效果,解决了红外干扰装备在生产、验收过程中成品干扰性能测试问题。     

基于三维块匹配与改进Top-hat的红外图像目标检测方法

针对复杂背景干扰下难以精确检测出红外图像目标的问题,提出基于三维块匹配(BM3D)与改进顶帽(Top-hat)的红外图像目标检测方法。该方法首先采用三维块匹配算法对红外图像进行滤波,更好地保留图像的边缘信息;其次构建改进Top-hat算子,利用不同大小、不同形状的结构元素对滤波后图像进行背景估计,得到校正后图像;最后对校正后图像进行阈值分割,得到目标图像。仿真实验结果表明,与经典Top-hat算法比较,提出的方法能够有效地增强红外图像对比度、抑制噪声干扰、减弱非均匀加热背景的影响,从而突出红外图像目标信息,使得红外图像目标检测更加准确。     

融合修正OTSU 和中值滤波的水上航行器障碍物视觉分割

为进一步提高水上航行器视觉避障时图像分割的精确性,提出融合修正OTSU 和中值滤波的水上航行器 障碍物图像分割算法。利用修正系数将原始图像从RGB 模型转换为Y、Cb、Cr 色度值修正的模型,进行修正OTSU 的阈值分割,对分割后的二值图像实行自适应中值滤波降噪处理,并对3 种水上障碍物识别算法进行测试。结果表 明：与加权Otsu 算法和改进阈值分割算法对比,该算法可以将检测目标区域占比稳定在80%以上,并将干扰噪声区 域占比降低至28.5%,说明算法有效、可行。     

基于图像分割技术的压痕直径图像测量

在分析布氏硬度试验压痕图像基础上,提出基于属性直方图的图像分割算法.利用工业CCD相机获取压痕图像,通过图像分割、目标区域处理、压痕圆拟合等步骤完成图像处理,由此实现对压痕尺寸的自动精确测量.实验证明,该算法满足布氏硬度试验对压痕直径的测量要求.     

景像匹配区中稳定景物的分割方法研究

研究了景像匹配区中稳定景物的分割方法———强度和法及分形常数法 ,成功地分割了匹配区中的稳定景物 ,为评价区配区景物稳定性提供了依据 .其中分形常数法是分形理论应用在图像分割领域的一个新尝试     

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。     

人工生命在图像分割中的应用

人工生命在图像分割的应用,通过人工生命方法把图像中的每个象素和一只蚂蚁或一个细胞关联,然后按照系统规则进化.基于蚁群模型的图像分割,将图像转化为新的蚁群栖居地,通过图像栖居地实现.基于人工细胞群模型的图像分割,以图像为培养基,通过细胞代谢,即细胞与环境交换能量,及细胞间交换能量来完成.     

基于亮区域检测的图像去雾增强方法

海上发射和回收运载火箭获取的视频图像易受海雾的影响导致成像质量下降。针对传统暗通道先验去雾方法对天空等亮区域失效的不足,提出一种结合图像亮区域检测和图像增强的改进暗通道图像去雾方法。首先利用阈值分割检测原始图像的亮区域,并分别计算亮区域和暗区域的大气光和透射率。然后利用双边滤波对图像透射率进行优化,最后,利用图像增强方法对复原图像进一步优化,解决复原图像亮度较低的问题。针对双边滤波算法运行速度较慢、影响工程应用的问题进行了优化。实验结果表明,复原后的图像具有较好的视觉效果,且运行速度满足工程应用要求。     

一种基于最小模糊熵遗传算法的SAR图像分割方法

在合成孔径雷达（Synthetic Aperture Radar）自动目标识别中，图像分割的好坏直接影响目标的识别性能。本文在最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法，然后将最小模糊熵作为遗传算法的适应度函数应用于SAR图像，进行全局快速的最优阈值寻找。实验结果表明，由于最小模糊熵的抗噪能力强，将其作为遗传算法的适应度函数后，能够更有效地克服SAR图像中的乘性噪声，分割后的噪声点明显减少，图像目标清晰，分割效果明显优于最大模糊熵分割方法。     

基于红外图像的海上船舶分割算法研究

根据海面红外图像的特点,提出了一种基于红外图像的海上船舶分割算法。采用均值移动算法和霍夫变换检测海天线,以海天线为基准确定船舶出现的区域,采用区域分割算法分割船舶目标,根据区域生长法得到不同的目标区域,最后根据实验验证的本算法的有效性。     

一种快速、稳健的图像分割方法

文中的目的在于寻求一种高效、快速的图像分割方法。在分析MeanShift算法的基础上提出差值模型和优选模型．并将这两种模型运用于MeanShift算法的图像分割。差值模型增加了MeanShift算法的步长．优选模型提高了图像分割的准确性。试验结果表明．两种模型的应用使MeanShift算法在图像分割方面的效能得到明显的提高。     

基于改进型脉冲耦合神经网络的图像分割方法

脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）具有良好的脉冲传播特性，在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数，实时性差等问题，改进了标准的PCNN模型，提出了一种基于改进型脉冲耦合神经网络的图像分割方法。仿真结果表明，该方法实时性好、自适应性强，分割出的目标轮廓清楚．细节更多。