静止卫星遥感图像海岸线检测

静止卫星采用遥感图像中的地标进行自动导航,海岸线的检测是图像导航的重要一步。将检测结果与全球标准模板库中相应区域的海岸线匹配,依据获得的偏移量调整卫星姿态。根据静止卫星图像导航过程的特点,提出了一种适用于静止卫星红外通道的海陆分界线检测方法,进行云检测并依据地标模板库初始化后,采用C-V模型推动曲线进行演化。实验结果表明,此方法针对静止卫星红外通道的特征,不仅具有计算量小、精度高的特点,而且具有较好的稳定性和普适性。     

基于Fourier-Mellin变换的气象卫星光谱图像配准

气象卫星光谱图像是气象科学和环境遥感科学研究的重要工具,而图像配准是气象卫星图像数据应用的前提。文章针对气象卫星光谱图像的配准问题,提出了一种基于Fourier-Mellin变换的自动配准方法。首先利用全球海岸线矢量图数据构造地标模板,地标模板是气象卫星光谱图像配准的参考图像;其次,根据云通道数据选择无云区域红外子图像,并利用Sobel算子对红外光谱图像提取边缘特征;最后利用Fourier-Mellin变换确定地标模板图像和红外边缘图像之间的仿射变换参数,从而实现红外光谱图像的配准。该方法本质是基于曲线匹配的思想,无需特征点提取,大大简化了配准流程。利用FY-2D气象卫星上获取的红外通道数据进行了实验,结果表明：该方法鲁棒性好,运算速度快,配准精度较高。     

改进的K均值聚类红外目标检测方法

利用图像方差能很好地反映目标边缘信息的特点,提出一种基于方差的K均值聚类红外目标检测算法。利用形态学方法对红外图像进行预处理,运用相应的模板计算得到红外图像的方差图像,利用K均值聚类算法对方差图像进行聚类,从而分离出目标类别和背景类别。实验表明,该算法提取的红外图像中目标信息的兰德指数最高,说明该算法能有效地提取红外图像中目标信息,从而达到目标检测的目的。     

伪Zernike矩在低信噪比红外目标检测中的应用

由于探测器本身固有的特性以及军事上的极限使用要求,红外图像普遍存在目标-背景间对比度较差、目标边缘模糊和噪声较大等特点,采用常规模板匹配、Hu矩方法难以取得理想的检测效果。针对低信噪比红外目标图像,分析了伪Zernike矩的基本原理、不变性和计算方法,提出了低信噪比红外目标检测的伪Zernike矩方法,并比较了模板匹配、Hu矩、伪Zernike矩方法的目标检测效果。理论分析和实验验证了该方法的有效性。     

红外图像法鉴别打印机种类

采用红外图像系统对收集到的针式、激光、喷墨3种类型打印机的打印字迹样本各4份分别进行检验,依据3类打印机打印字迹的可见图像、化学图像和红外谱图,可以鉴别3种类型的打印机。可见图像鉴别可根据字迹的清晰程度及有无虚边等特点加以鉴别,化学图像鉴别可根据在不同的波程范围上化学图像清晰程度不同为依据。红外谱图部分主要是在相同的波程上吸收峰数目不同作为鉴别的主要依据。通过红外图像法鉴别打印机种类与其他方法相比,具有不破坏检材、检测范围广、检测速度快等优点。     

应用单波段亮度变化率获取无云干扰的卫星数据

在卫星遥感检测中,云对数据的反演带来了严重的干扰。精确地确定云区及减弱云的干扰是具有挑战性的问题。根据云的大气辐射特性给出了卫星图像亮度变化率计算公式、图像反射率的变化率计算公式和热红外波段图像亮度温度变化率的计算方法。利用单波段亮度变化率检测卫星数据中云干扰相对强度的新方法,快速、精确地获取云区位置,得到云区以外无云干扰的数据。根据各光谱波段具有不同的透射云层能力的特点,文章还给出了卫星各红外波段对云层透射能力的客观评价以及影响透射效果的因素。在此基础上利用红外波段对伪卷云透射图像数据完成了多波段数据融合。很好地恢复了可见光波段云区下面的真实数据。统计数据表明,融合后的云区图像数据与可见光波段相关性保持一致。     

一种用于非制冷红外热成像系统的图像增强方法

在基于微悬臂梁的光学读出红外成像系统中,获得的红外图像有明显噪声,甚至有连续噪点组成孔洞,让目标难以辨识出来,因此提出基于特征模板卷积的红外图像增强方法。利用Hough变换根据微悬臂梁结构的特点,获得特征卷积模板的尺寸信息,根据成像系统特点建立卷积模板。让模板在图像内逐点卷积,建立评价参数阈值消除图像内噪声。进行均值滤波来填补噪声点及FPA单元的间隔,获得增强后的红外图像。实验结果表明,方法不仅能够有效增强光学读出红外成像系统的成像质量,对于普通存在噪声的图像也有良好的噪声消除效果。     

基于最小平均距离免疫算法的模糊红外图像分割

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

基于免疫模板聚类的模糊中波红外图像目标提取

借鉴生物先天性免疫与适应性免疫的协调作用机制,综合考虑中波红外图像的光谱成像机理和频域模板统计特征,提出一种免疫模板聚类目标提取算法。借鉴先天性免疫对抗原表面分子模式的识别作用,以最大类间方差,将模糊中波红外图像初分割为目标像素集、背景像素集和模糊像素集;借鉴先天性免疫的特征提呈作用,提取中波红外图像模糊像素的频域模板特征,将图像的像素灰度特征空间映射为频域模板特征空间;基于提呈得到的模板特征,对模糊像素集进行适应性免疫聚类,将模糊像素划分为目标像素或背景像素。用手部痕迹的模糊中波红外图像进行实验,并与经典边缘检测模板法和传统区域模板法进行了效果比较和定量评价,结果表明免疫模板聚类算法的目标提取率、与参考标准的重合度、绝对误差率均优于现有模板方法,能够有效实现模糊中波红外图像的目标提取。     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.