基于视觉的无人机着舰中红外合作目标的分割方法研究

针对基于视觉的无人机着舰中红外合作目标分割的需求背景,提出一种组合分割方法。相关研究发现随着待分割目标所占图像中比例变化,Otsu算法在分割时效果亦随之改变。当目标比例较小时可能会造成不同程度的误分割,而最大熵分割算法在实际处理中又含有较多噪点。本文首先根据图像的能量信息找出包含合作目标的感兴趣区域,同时在原图运用双Otsu算法进行分割,最后对两者的结果进行逻辑＂与＂运算得出最终分割结果。大量实验结果表明,本文的组合分割方法与Otsu算法和最大熵算法相比分割效果有明显改善。     

红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别.即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标.模拟实验表明该方法能够准确高效地检测出运动小目标.     

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。     

基于最长曲线法的海天线检测算法

通过分析红外图像的特点,给出一种基于最长曲线的海天线检测方法,根据所要处理的红外图像自适应选取 Canny 算法的阈值进行边缘检测,精确提取海面和天空区域的分界线-海天线.首先对红外图像进行中值滤波消除噪声,然后采用自适应阈值的 Canny 算子进行边缘检测,对检测得到的边缘进行边缘连接形成相互独立的几个目标,然后对各目标进行目标标定,最后基于最长曲线法进行海天线检测.     

一种新的前视红外图像分割方法

为实现复杂背景下的前视红外图像分割,针对图像特点,综合利用背景抑制、互信息及数学形态学的方法和理论,提出了一种新的图像分割方法.首先,采用中值滤波对图像进行背景抑制;然后,将图像配准的方法用于图像分割,利用互信息量确定最佳分割阈值;最后,对得到的二值图像进行形态学变换,得到精确的目标分割区域.实验结果表明,该方法能有效分割出复杂背景下的目标区域,有利于下一步的目标识别与跟踪.     

基于ICT 的引信图像分割算法

针对传统图像分割方法在引信图像分割上的不足,提出一种能够兼顾类内方差和类间方差的改进二维Otsu算法。介绍二维Otsu算法,分析比较原系统分割算法与自适应二维Otsu图像分割算法的优劣。实验结果表明:改进二维Otsu算法既能保证目标和背景的最大离散度,又能使目标和背景的内聚性最好,分割效果明显优于传统方法。     

基于模糊熵的红外图像分割方法

针对红外图像具有的不确定性往往是模糊的且不是随机的特点，提出了一种基于图像的模糊性和最大熵理论的分割方法，给出了基于模糊熵的阈值选取算法。该方法不依赖于图像的直方图，也不需要直方图分布的假设。用该方法对坦克的红外图像进行了分割，与侧抑制方法的比较表明，该方法提高了运算速度。对不同红外目标大小和信噪比的图像均产生很好的分割效果，且受目标大小的影响小，具有较好的鲁棒性，可用于小目标的分割。     

红外弱小目标TSA检测技术

针对红外弱小目标检测,提出了一种改进的最大类间方差算法,利用遗传算法在寻求最优解方面的优势,采用图像像素点间的类间方差作为判决函数,实现了改进的算法设计方案,达到了对类间方差阈值分割检测算法的改进;通过对真实红外视频中采样得到的红外图像进行处理,将本文算法与传统的Otsu算法进行仿真比较,实验结果证明此算法在保证了分割算法检测精度的前提下,达到了对传统算法实时处理性能上的改进,具有工程实践价值。     

基于红外图像差值图的模糊边缘检测方法

针对红外图像边缘检测这一难题,提出了一种基于红外图像差值图的模糊边缘检测方法。首先通过计算图中每个像素点与其邻域8像素点灰度值的差值,然后寻找这些差值的最大值得到图像的差值图,接着对差值图像的边缘区域和平滑区域进行模糊划分,利用差值直方图模型确定红外图像差值图的分割阈值,从而实现边缘提取。实验结果表明,该方法用于红外图像边缘检测能获得较好的效果。     

一种基于数学形态学的红外图像分割方法

针对红外图像信噪比低,一般阈值法难以分割的特点,提出了一种基于数学形态学的红外图像分割方法。首先利用形态学估计出红外图像的背景图像,其次用原始图像减去估计的背景图像得到差值图像,并对差值图像进行增强,再利用阈值法分割得到二值图像,最后应用形态学的开运算消除高频噪声,得到待检测的图像。并与著名的Ostu法、迭代法、P-参数法进行了详细的比较。结果表明:该分割算法是一种实用有效的图像分割方法。     

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。     

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。     

正态分布转换算法在声纳图像处理中的应用

根据声纳图像匹配处理的实时性需求,研究了正态分布转换算法。该方法基于对图像中目标点的概率分布进行匹配,不需要提取图像的几何特征或灰度特征,可有效缩短匹配时间。通过对均值滤波法、中值滤波法、小波去噪法、形态学平滑法4种图像去噪和迭代阈值法、最大熵法、一维Otsu法和二维Otsu法4种分割算法,进行仿真并对比,选出符合实时性处理的方法,即中值滤波法和一维Otsui法。基于美国德州仪器公司的数字信号处理芯片,将图像去噪、分割和匹配算法在硬件上实现,硬件实现结果和仿真结果一致,实现了声纳图像匹配的实时处理。     

弹载图像探测器广域协同探测算法

针对弹载图像探测器协同探测的分配方式影响目标信息增益的问题,开展此类探测器广域协同探测算法研究。以获取最多有效毁伤信息为目标,研究了弹载图像探测器散布修正与目标分配问题;建立完整的图像探测器动力学模型和目标等效模型,模拟多探测器的协同探测环境;通过有效信息熵描述图像探测器系统获取毁伤信息的能力,推导毁伤信息熵与系统和目标的相关方程,得到协同探测能力的评价准则;基于Kuhn-Munkres算法和Runge-Kutta算法,提出求解图像探测器最佳修正时机与最优观测目标分配的优化求解方法,并给出算法流程,解决弹载图像探测器协同探测的最优分配问题。结果证明：与图像探测器随机分配方式进行对比,该算法具有更高的信息增益;当图像探测器越过检测目标时,目标信息熵增益同比增长24%。     

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.     

基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明：在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。