一种基于图像分割的海天线提取算法

针对红外图像中海天线的特点,提出一种基于图像分割的海天线提取方法.首先通过模板运算对图像进行预处理,以增强海天区域的图像梯度值,然后在竖直方向对图像进行分割,以定位局部海天线,最后用直线拟合法找出海天线位置.实验结果表明,该方法可以快速有效地检测出海天线位置,易于工程应用.     

一种快速有效的红外图像中海天线提取算法

针对海天红外图像的特点,提出一种快速有效的海天线提取方法.首先通过模板运算在大尺度上对图像进行预处理来增强海天线区域的图像梯度值,然后为了减小水面波纹和噪声的干扰,设计了一种非线性分割方法对图像进行处理,最后对图像进行行扫描找出海天线的位置.实验结果验证了该方法的简单有效性,抗干扰能力强,易于工程上应用.     

复杂海天背景下红外舰船目标的自动检测方法

近年来,舰船目标的检测与识别技术得到了人们越来越多的重视.研究了复杂海天背景下红外舰船目标的自动检测问题.首先运用小波变换对图像进行预处理,提高了图像的信噪比,从而抑制了噪声和背景杂波.然后针对红外舰船目标总是出现在海天线附近的问题,采用梯度强度均值分割的算法检测了海天线,确定了目标的潜在区域.最后,提出了一种基于行列均值的自适应阈值分割算法,结合使用红外舰船目标的几何特征量,采用特征匹配方法提取出舰船目标,达到了自动检测的目的.实验结果表明:该方法能有效地自动检测复杂海面背景中的红外舰船目标.     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。     

基于纹理特征分析的海天线检测方法

为抑制海空背景干扰和提高舰船检测速度,提出一种基于纹理特征分析的海天线检测方法。分析了典型红外海空背景下海天线区域的纹理分布特征,建立了适用于海天线检测的纹理模型。通过梯度特征计算和聚类分析找出图像中的候选直线位置,比较其纹理参数并准确检测出海天线。对多种复杂背景红外海空图像的实验表明,该方法适应面广,计算简便,具有很好的抗干扰能力。     

基于均值漂移滤波及谱分类的海面舰船红外目标分割

提出了一种有效的海面舰船红外目标分割方法.利用均值漂移方法的不连续保持性滤波特性,滤除海面的强杂波干扰,同时又不损失舰船目标的信息.根据滤波得到的区域构建区域邻接图,采用基于最大最小SST图划分算法对区域邻接图的节点进行划分.划分结果最终将图像分为天空背景、海面背景以及舰船目标3个部分.由于采用区域节点来表征图像,较之采用原始图像象素节点表示,其节点个数大大减少,从而使算法的计算效率得到很大提高.实验结果也表明提出两步算法具有优越的性能,能够在海面强杂波干扰的情况下有效提取舰船红外目标.     

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。     

基于能量梯度场映射关系的红外图像分割方法

为了解决红外图像在图像配准中对比度低、背景复杂、红外目标受噪声干扰严重、传统分割方法易产生过分割或欠分割的问题,提出了一种基于改进的脉冲耦合神经网络(PCNN)和形态学方法的红外图像分割算法。首先根据图像能量分布情况提取纹理图像,将纹理图像通过PCNN进行分割,PCNN的链接强度根据区域能量在梯度场的变化自适应设定;由于PCNN的点火位置集中于红外目标部分,通过点火映射图可以得到连贯清晰的红外目标轮廓;再通过形态学方法滤除背景干扰。结果表明,该方法能够精确分割红外图像,分割结果优于传统方法。     

Convergence index filter for vector fields

This paper proposes a unique fitter called an iris filter, which evaluates the degree of convergence of the gradient vectors within its region of support toward a pixel of interest. The degree of convergence is related to the distribution of the directions of the gradient vectors and not to their magnitudes. The convergence index of a gradient vector at a given pixel is defined as the cosine of its orientation with respect to the line connecting the pixel and the pixel of interest. The output of the iris filter is the average of the convergence indices within its region of support and lies within the range [-1,1]. The region of support of the iris filter changes so that the degree of convergence of the gradient vectors in it becomes a maximum, i.e., the size and shape of the region of support at each pixel of interest changes adaptively according to the distribution pattern of the gradient vectors around it. Theoretical analysis using models of a rounded convex region and a semi-cylindrical one is given. These show that rounded convex regions are generally enhanced, even if the contrast to their background is weak and also that elongated objects are suppressed. The filter output is 1/pi at the boundaries of rounded convex regions and semi-cylindrical ones. This value does not depend on the contrast to their background. This indicates that boundaries of rounded or slender objects, with weak contrast to their background, are enhanced by the iris filter and that the absolute value of 1/pi can be used to detect the boundaries of these objects. These theoretical characteristics are confirmed by experiments using X-ray images.     

海天背景下红外小目标检测与轨迹拟合

在复杂海天背景下机载红外相机对落水人员的搜救中,提出一种针对红外视频中小目标检测高效算法,本算法首先采用形态学滤波对视频预处理,在相对运动背景下采用时间戳的Hough变换去除海天线的影响,更新海面监控区域;其次使用三帧差分分割小目标,采用改进的等价对算法快速计算分割小目标连通区域并标记。最后利用梯度下降法迭代出小目标运动轨迹,预测落水人员位置。实验表明,该算法不仅能有效地去除海天背景达到实时更新运动背景的目的,而且能够高效地检测出运动目标并标记并拟合出曲线方程,在一定时间内可预测小目标出现位置以便及时搜救落水人员。     

舰载光电跟踪系统红外自动捕获技术

针对舰载光电跟踪系统动基座跟踪和复杂海面背景的实际特点,提出了一种基于数学稳像平台的视轴稳定技术.利用捷联式惯性导航系统和控制单杆的在线干预,在红外捕获跟踪器无脱靶量输出时,即可实现视轴动态瞄准的角度无静差控制.通过基于先验知识的目标捕获区域规划的方法避免了工作时复杂海面背景干扰带来的误捕获,提高了动基座条件下的目标自...     

基于区域特征的视频序列人脸快速检测

提出了一种基于区域特征的快速人脸检测算法.采用瞬时差分和背景差分获取并跟踪运动目标.消除了运动目标引起的背景模型更新误差.在检测到的运动目标区域内.通过基于区域特征的马赛克三分图模型检测人脸区域,并利用频率直方图方法合并所检测区域,最终获得人脸位置.实验结果表明,平均检测时间为30ms/帧,检测准确率可达95.7%,算法复杂度低、检测效果好,适合各类视频图像的人脸实时检测.     

运动物体大气扰流可视化光学监测实验研究

利用运动物体高精度大气扰流检出方法,以散斑图像及多类卫星图像为背景,对高压气流冲击下飞机缩比模型形成的大气扰流情况开展了实验研究。验证了不同背景图像分辨率、不同背景类型条件下,大气扰流可视化光学监测方法可检出大气扰流折射率梯度为10?6。并通过可直接显示大气扰流信息的传统纹影成像实验,获得相同工况条件下大气扰流信息,通过对比分析,得出利用大气扰流可视化方法获取的大气扰流信息与直接显示的大气扰流信息分布及细节都相同,从而直接验证了卫星图像背景条件下大气扰流可视化光学监测方法检出大气扰流结果的正确性。文中成果验证了实验室条件下运动物体大气扰流可视化光学监测方法的正确性及大气扰流的检出精度。     

基于独立分量分析的目标探测研究

本文研究了红外序列图像中目标的探测问题。利用独立分量分析方法,从序列图像中分离出了目标的运动轨迹和背景,在此基础上,提出了一种基于相关度测量的目标探测方法。利用背景区域和目标区域与训练区域相关函数的差别,判断测试区域是否包含目标。仿真实验证明本文方法有效。     

高分辨率卫星海洋背景成像仿真方法

海洋背景的仿真是海面目标场景仿真的关键环节,是海洋目标-背景耦合作用模拟的重要基础,决定了仿真图像中目标与背景差异特征的正确性和真实性。高分辨率遥感成像下,海面细节特征突显,以往视海表为均匀辐射面的处理方法给高分辨率海洋场景仿真造成较大误差。重点研究了海面三维形态、多组分分布与海水方向反射特性的耦合作用和辐射模型,提出了海面高分辨率遥感成像仿真方法。通过频谱分析的方法构建海面三维模型,根据海面组分分布的不同及不同位置海面法向的不同,修正了低分辨率下的海洋BRDF模型,使其满足高分辨率卫星图像的仿真应用,计算出不同组分的海面的方向反射数据,并将其与海面三维模型关联,构建了亚米级海面三维辐射模型,通过光线追踪方法建立海面零视距辐射场,并经过大气影响和传感器效应,模拟不同海况条件下卫星遥感图像。结果表明:将ZY3-02卫星实测海面图像与相同成像条件下的仿真图像对比,图像均值的误差为3.7%,标准差误差为9.9%,可以较真实地模拟高分辨率卫星成像下的海洋背景。     

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。      

基于ES-ELM和FRFT的高频地波雷达多目标自适应检测

高频地波雷达（high frequency surface wave radar,HFSWR）对于海事监测具有重要的军用及民用意义,然而在HFSWR回波信号中,待检测的目标常常淹没在海杂波和各种背景噪声中.因此,如何有效抑制杂波并实现多目标的自适应检测是HFSWR实现海事检测的关键和难点.该文提出了一种结合误差自校正极限学习机（error self-adjustment extreme learning machine,ES-ELM）和分数阶傅里叶变换（fractional Fourier transform,FRFT）的多目标自适应检测算法.算法根据相空间重构理论获得ELM的最佳状态空间,利用ES-ELM建立海杂波预测模型并对海杂波进行有效抑制;再在分数域根据目标信号的峰值集聚特征,利用Haar-like算子提取目标点的形态特征,并通过ES-ELM神经网络对目标进行自动辨识.实验结果表明,该文提出的算法具有良好的海杂波抑制能力,并可以实现海杂波背景下多运动目标的自适应高精度检测.     

基于梯度方向一致性和特征分解的红外小目标检测算法

在复杂的海天背景下,现有红外小目标检测算法存在虚警率高的问题,文中深入分析目标和背景的特征差异,首先,提出了一种基于灰度差和梯度方向一致性的方法,增强了小目标并抑制了部分背景杂波,其次,结合特征分解法进一步抑制了锐利边缘背景,最后,采用自适应阈值分离出小目标。实验结果表明,与五种现有算法相比,所提出的检测算法能够在不同复杂场景都有效降低虚警率,大大提升信杂比（SCR）和背景抑制因子（BSF）,并且具有良好的鲁棒性。