海天背景下港口船舶检测算法研究

针对海面视频图像中目标船舶总是出现在海天线附近且海面经常出现间断性不连续杂波和孤立噪声点的问题,采用边缘检测、阈值分割与霍夫线检测结合的方法检测出海天线.去除海天线及以上背景,准确定位目标船舶.采用局部自适应阈值分割去除海面由于漩涡产生的间断性杂波,分割出真实目标船舶.通过形态学处理来填补目标船舶中间出现的空洞,连通域面积检测去除静止点来消除对目标点的影响.实验结果表明:该方法能有效地去除海面杂波和噪声点等对目标的干扰,有效检测出海面背景下的目标船舶.     

背景约束的红外复杂背景下坦克目标分割方法

为实现自寻的反坦克导弹红外导引头对复杂背景下坦克目标的快速有效分割, 以红外导引头拍摄的坦克目标红外图像为研究对象, 采用计算简单的最大类间方差法, 对其分割效果进行了研究.根据实验结果, 揭示了最大类间方差法进行图像分割的有效性机理.在此基础上, 提出了对背景区域像素和灰度级别进行约束的思想, 以降低背景区域类内方差, 提高算法的分割精度, 并给出了具体的方法.首先利用坦克目标的先验信息, 根据光学成像原理, 推导了红外坦克目标图像的大小估计公式, 用来实现对背景像素的约束; 然后采用黄金分割法对背景灰度级别进行约束; 最后利用最大类间方差法实现了复杂背景下红外坦克目标的分割.实验表明, 本文方法的分割效果堪比手工分割效果, 且计算量较少, 算法耗时最大不超过1.44 ms, 完全满足对坦克目标图像分割的有效性和实时性需求.     

海天背景下三维目标红外成像仿真方法研究

通过建立的目标三维模型和场景数学模型,利用光线跟踪技术与图像融合算法,实现了海天背景下指定场景信息的目标红外成像仿真.首先,介绍仿真的主要流程,然后对建立三维目标信息、实现光线跟踪算法、目标红外图像与背景红外图像融合三部分分别进行了讨论,最后给出了实验生成的海天背景下指定位置的三维目标的仿真红外图像.     

基于分水岭算法的空间目标图像分割方法

自然背景复杂的纹理特征,使得自然背景下人造目标的分割变得困难.为了从空间背景下精确分割出人造目标,基于分水岭算法,结合形态学重建和分形理论,提出了一种改进的图像分割方法.首先利用形态学开闭重建运算对原始图像的形态学梯度图像进行重建,其次在原始图像中利用人造目标和空间背景的分形特性差异对目标进行标记,最后对重建后的图像采用分水岭算法进行分割,将包含标记的区域提取出来并进行合并,从而将人造目标提取出来.仿真结果表明了方法的有效性.     

基于颜色特征和聚类的马氏距离图像分割法

给出了一种基于颜色特征和聚类的复杂彩图中进行目标图像分割的马氏距离算法.该方法利用目标的颜色进行图像分割.通过对彩图中的物体进行采样和分类,经过对每个像素点进行马氏距离计算和最小值寻找,将图像内的所有像素点进行归类,对目标图像与背景图像进行二值化分割,并对分类后含噪声的目标图像进行自适应滤波.设计了达到以上目的的人机交互式可视化计算机图像处理程序,对在水稻田中试验点上拍摄的水稻照片进行了分析处理,分离出了复杂背景下的水稻植株图像.实验结果表明,该算法能较好地解决复杂彩图中目标图像的分割问题.     

利用背景区域生长提取海面目标方法研究与实现

本文主要研究并实现在海天背荣下的海面目标图像分割的方法。针对一幅实际拍摄的海面油轮的数字图像，通过对图像进行增强处理，提取天水线以及对天空部分的区域生长等方法，较好地分割出海面目标区域。     

采用最小误差阈值分割算法的基因芯片图像分析

为了能够较好地处理芯片图像,尽可能准确地提取出描述基因样点的数据信息,采用了最小误差阈值的分割算法.该方法在假设目标和背景的分布服从混合正态分布的前提下,设定了最小误差分类目标函数,通过求得使目标函数值最小的最佳分割阈值,实现基因样点和背景图像的分割.针对分割出来的基因样点图像提取特征数据,最后对这些数据进行聚类分析,进而对实验样点进行分类.在实验中应用该方法分析了2组基因芯片图像,基因样点的分类效果较好,验证了该基因芯片分析方法的可行性.     

全景图像海天线提取及舰船目标自动检测

为实现海洋环境下全景摄像机自动目标检测,提出了一种全景图像海天线提取算法及海天线上舰船目标检测方法;首先,分析了全景图像中海天线的成像特点,使用基于分区的自适应阈值Canny边缘检测算法进行边缘检测,并对海天线边缘进行双阈值梯度方向过滤;然后,对图像边缘进行细化,提出了基于最长曲线法的海天线边缘提取算法并进行椭圆拟合得到海天线边缘成像椭圆方程;最后,介绍了根据海天线椭圆方程对海天线上舰船目标进行检测的方法;使用3种不同海洋环境下拍摄的图像进行了实际测试,实验结果表明:该方法可有效地检测出复杂海天背景下的海天线及海天线上舰船目标,海天线提取成功率可达95%以上,对径向成像高度超过10个像素的目标识别成功率可达90%。     

云天背景下红外序列图像的小目标检测

针对在云天背景下红外小目标的检测提出了一种背景抑制滤波器,与其它滤波器相比,滤波后图像的信噪比有了较大的提高.在图像分割时,先对图像均衡化,再利用最大对比度确定门限,该方法比其他分割方法具有更大的灵活性和有效性.在目标检测阶段,我们先进行HFQC滤波,然后设计管道作目标识别,能够较好地检测目标实验证明,该方法的检测精度有了很大提高.     

海天背景图像去雾方法研究

海天背景图像存在大面积天空区域,且在远距离平视时目标一定出现在海天线附近,现有的去雾算法对天空区域的改善都是弱化天空区域的处理,这样势必会造成海天线附近去雾效果的减弱,不利于后续的目标检测.针对该问题,提出一种基于大气散射模型的图像复原去雾算法.首先,利用海天背景图像的特点,采用边缘检测算子将图像划分为天空和非天空区域,并结合大气光的物理意义,取天空区域最大的值作为大气光的估计值;其次,针对有雾图像对比度很低而无雾图像对比度较高这一先验信息设计代价函数,并通过SLIC超像素分割进行分块,通过求解每个小块内该函数的最小值,估计出粗透射率,再用引导滤波对粗透射率进行细化从而消除块效应;最后,利用大气散射模型,代入前两步求得的参数便可以得到恢复的无雾图像.实验结果与分析结果表明,本文能对海天背景的图像取得较好的去雾效果.     

基于改进的2维EMD的红外小目标检测

针对红外图像中的小目标检测,提出了一种利用经验模态分解(EMD)提取海空背景下红外弱小目标的新方法。该方法基于Delaunay三角剖分和分段三次样条插值,将1维EMD方法推广到2维,并将其应用于红外图像中的小目标的检测。仿真实验结果表明,该新方法能快速和准确地检测出海空背景下的红外弱小目标,具有一定的理论和应用价值。     

基于知识的复杂海空背景抑制

研究了复杂海空背景下的红外小目标检测的预处理问题。提出了一种基于小波分解与Hough变换结合的方法，提取海空线，确定小目标的潜在区域。为了进一步抑制目标潜在区域的复杂背景、增强目标，提出一种方向自适应的多级滤波器，使之跟随海空线的角度进行滤波。实验证明，该方法能检测出复杂背景下任意方向的海空线，并有效地抑制目标潜在区域的海空线以及噪声杂波，使目标得到增强。     

基于小面拟合的红外小目标提取方法研究

天空和海空背景下红外小目标图像的分割与聚类是检测和识别目标过程的预处理部分。基于小面模型对原始红外图像的局部区域作灰度曲面的最佳拟合，利用导出的二阶方向导数算子在拟合曲面上进行灰度极大值的像素点位置估计，实现对图像中小目标像素的分割和提取。对模拟和实际的天空和海空红外图像进行了实验验证。实验表明，该算法具有较强的适应性。     

红外舰船目标的自适应鲁棒检测方法

针对背景杂乱的红外舰船目标检测问题,提出了一种红外舰船目标的自动检测新算法。该方法利用红外舰船图像中目标与背景在灰度直方图上的差异,通过对拟合直方图的多项式曲线参数鲁棒求解,进而求出舰船目标的分割阈值。然后,根据红外舰船目标亮度与图像平均亮度的关系等,对求得的阈值合理性进行判断。若该阈值不合理,则将其作为阈值初值,对红外舰船图像进行自适应局部递归分割。最后,结合红外舰船目标吃水线、天空与背景的边界特征等先验知识,对分割出的背景进行剔除。实验结果表明,该方法对强杂波干扰的红外舰船目标能实现可靠的检测,具有很好的适应性和鲁棒性。     

基于分形图像编码的海空目标检测方法研究

提出了一种基于分形图像编码的海空目标检测方法。对图像平滑滤波后，进行快速无搜索编码，利用编码过程中各值域块的均方根误差来判断该块是否包含人造目标，标记包含人造目标的值域块，并将邻近的标记块连接起来，就可以得到完整的目标区域。实验结果表明，该方法对海空背景下的目标检测具有较高的准确率，且抗噪能力强，处理速度快，能够满足实时处理的要求。     

基于双目视觉的水下海参尺寸自动测量方法

水下捕捞机器人在进行海参捕捞作业时,需要对海参进行精选分级。然而光视觉系统在水中的折射现象严重影响了海参尺寸的精确测量。因此,利用水下双目标定方法,求解水下相机模型参数,消除水下光线折射造成的图像失真,并在此基础上,提出了一种水下海参自动检测与尺寸测量方法。在左目矫正图像上,利用预先训练的YOLOv3海参检测模型,进行海参自动检测和感兴趣区域定位,并利用双目矫正图像构建当前水下场景深度信息。利用融合颜色和场景深度信息的高斯模型,构建新颖的GrabCut-RGBD图像分割方法,在感兴趣区域上分割二维海参目标。利用凸包与旋转卡壳算法,在海参目标图像上寻找最佳尺寸测量点,通过三角测量获取最佳测量点三维坐标,实现海参尺寸的自动测量。实验结果表明,所提方法在0.5～1.5 m范围内平均误差为1.65%,能较好地实现海参尺寸的水下测量。     

低空目标的多级图像投影检测方法

为解决地面背景干扰和雨天弱小目标难以检测的问题,提出一种低空目标多级图像投影检测算法。首先,分析地面背景与天空区域在图像中的分布位置以及灰度特征,根据水平灰度投影的阶跃变化将图像分割为天空区域和地面背景区域两部分;然后,由天空区域图像的水平和垂直投影一阶差分极大值截取目标所在的水平和垂直带状区域,分别计算水平带状区域的垂直灰度投影和垂直带状区域的水平灰度投影,并根据它们的一阶差分极大值点确定两组候选目标位置坐标;最后,验证获取的两组目标坐标,并计算目标位置坐标。实验结果表明:所提算法能检测出具有复杂地面背景的低空目标,也适用于雨天弱小目标的检测;该算法的速度较快,满足视频图像处理的实时性要求。     

基于小波变换的图像过渡区提取与分割

复杂背景下目标的准确分割是自动目标识别中的关键技术之一。该文将基于过渡区提取的图像分割技术应用于自然纹理场景的图像分割,提出了基于小波变换的过渡区提取与分割算法,克服了以往过渡区直接提取方法的不足。实验结果表明,该方法用于自然纹理场景下的目标分割具有很好的分割效果。