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。     

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.     

基于相位编组的Hough变换提取海天线算法

海天线提取是研究海天背景条件下目标跟踪的一项重要内容。考虑到海天背景的多样性,首先分析了现有算法的缺点,然后提出了一种适应性较好的海天线提取算法。算法首先用中值滤波去除云层和海杂波等噪声,然后利用基于相位编组的Hough变换提取出海天线。由于算法融合了相位编组和Hough变换两者的优点,所以该方法不但能提取出低对比度下的海天线,而且还具有强的抗干扰性,克服了相位编组和Hough变换各自的缺点。实验结果证明,该方法能提取出简单和复杂背景中的海天线,适应性好、鲁棒性强、定位准确,降低了后续目标跟踪的复杂度。     

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.     

利用局部直线段模糊投票的低SNR海天线提取方法

提出了一种采用“假设-检验”策略的海天线提取新方法。在假设阶段,提出了一种新的直线段Hough变换检测疑似海天线。首先,以局部直线段为整体估计直线参数,理论推导证明此时估计误差方差远小于各边缘点独立估计时误差方差的平均值。其次,针对残余估计误差,设计了局部直线段模糊投票策略,实现全局直线段的投票聚类。最后,检测峰值点形成疑似海天线假设。在检验阶段,提出了三类新特征描述海天线与海杂波的属性差异,并采用SVM分类器识别海天线。该方法提取低信噪比海天线准确,识别正确率高,仿真和实测数据的实验结果验证了所提方法的有效性。      

低对比度条件下基于能量积累和Gabor变换的海天线提取

为了解决基于边缘检测和Hough变换传统方法不能正确检测出低对比度条件下的海天线问题,提出了先采用多帧能量积累方法提高红外图像对比度,然后运用Gabor变换和Gabor多通道滤波器滤除图像干扰部分和凸显图像中的海天线部分,最后使用边缘检测和Hough变换实现海天线的提取.通过对实际海面低对比度条件下红外图像进行海天线提取实验,验证了所提方法的可行性和有效性.     

一种改进的海天线提取算法

海天线提取是红外成像制导技术中的一项重要技术,计算简单、提取准确是验证其是否有效的依据。在直线拟合法基础上提出一种去除粗大点的改进算法,并通过分析实测图像证明本算法可有效进行复杂背景下海天线的提取。     

基于海天线抑制的舰船目标检测方法研究

为了改善海天背景下对中远距离上的舰船目标的检测效果,本文简要分析中远距离上红外目标的一些基本特性,海天背景的主要全局特征。简单回顾了基于海天线特征的海上目标的检测方法,指出海天线特征对于中远距离目标检测所带来的不容忽视的不利影响。在此基础上围绕形态学重建构建了一种背景估计方法,实现对海天线特征的有效抑制,并取得良好的检测效果。     

低SNR海天线提取算法

针对海天线SNR低且有一定倾角难于提取的问题,提出一种新的海天线提取算法。在预处理阶段,利用Laplacian模板对海面的波纹进行增强,然后使用顺序滤波与数学形态学相结合的方法增加海面波纹的面积与灰度,预处理后增大了海面与天空的灰度差,海天线的SNR提升70%以上;最后,设计了一种斜线查找矩阵,通过对图像行扫描生成该矩阵,矩阵最大值的横纵坐标即为海天线的位置和角度。实测数据的试验结果验证了该方法的有效性且算法运算简单,易于工程应用。创新点在于使用模板运算与形态学相结合的方法提高了海天线SNR并设计了斜线查找矩阵可以简单地定位海天线的位置和角度,减少了计算复杂度。     

基于小波变换的红外图像过渡区提取算法

针对小波能量比在平滑的红外图像中提取过渡区存在误判的问题,提出用基于小波变换过渡区的算法。该算法通过小波变换将红外图像的低频和高频进行分离,对高频分量进行分析,构造方差,对方差进行阈值处理,重构过渡区,从而克服了小波能量比将红外背景误判为过渡区的不足。实验结果表明:本文算法提取出来的红外图像的过渡区具有很好的准确性。     

Fusion of Infrared and Visible Images Based on Infrared Object Extraction

The ideal fused results of infrared and visible images, should contain the important infrared objects, and preserve the visible textural detail information as much as possible. The fused images are more consistent with human visual perception effect. For this purpose, a novel infrared and visible image fusion framework is proposed. Under the guidance of the model, the source images are decomposed into large-scale edge, small-scale textural detail and coarse-scale base level information. Among which, the large-scale edge information contains the main infrared features, on this basis, the infrared image is further segmented into the object, transition and background regions by OTSU multi-threshold segmentation algorithm. In the end, the fused weights for the decomposed sub-information are determined by the segmented results, so that, the infrared object information can be effectively injected into the fused image, and the important visible textural detail information can be preserved as much as possible in the fused image. Experimental results show that, the proposed method can not only highlight the infrared objects, but also preserve the visual information in the visible image as much as possible. The fused results are superior to the commonly used representative fusion methods, both in subjective perception and objective evaluation.     

基于红外双波段的盲元补偿算法

红外焦平面阵列由于受到制造工艺等的影响,常常会出现盲元,过往通常使用的单波段盲元补偿算法对大盲元簇及位于边缘位置的盲元补偿效果不尽如人意,随着双波段热像的逐渐兴起,本文提出了一种基于双波段信息的盲元补偿算法,该算法结合了两个波段的信息,通过对盲元位置的分类,根据两个波段盲元邻域信息的相似性,使用不同的策略对图像中的盲元进行补偿,能够较为有效地对图像中的大盲元簇及位于边缘的盲元进行补偿。     

基于超像素分割的红外图像细节增强算法

高动态范围的红外图像压缩和细节增强有利于提高人眼获取图像中关键细节信息的能力。因此,它是红外成像的重要研究课题之一。针对传统的全局色阶重建不能最优呈现红外图像细节层和基础层的问题,设计了对红外图像局部进行色阶重建的方案,并提出了一种基于超像素分割的红外图像动态范围压缩和细节增强方法。该方法首先采用超像素分割算法将原始红外图像分割成多个自相似子区域,然后对各个子区域进行压缩和细节增强。实验结果表明,该方法可以更有效地压缩和增强红外图像,在高动态范围压缩图像的同时能很好地保留原始图像的细节信息。     

基于红外与可见光图像的目标检测算法

针对现有基于可见光的目标检测算法存在的不足,提出了一种红外和可见光图像融合的目标检测方法。该方法将深度可分离卷积与残差结构相结合,构建并列的高效率特征提取网络,分别提取红外和可见光图像目标信息;同时,引入自适应特征融合模块以自主学习的方式融合两支路对应尺度的特征,使两类图像信息互补;最后,利用特征金字塔结构将深层特征逐层与浅层融合,提升网络对不同尺度目标的检测精度。实验结果表明,所提网络能够充分融合红外和可见光图像中的有效信息,并在保障精度与效率的前提下实现目标识别与定位;同时,在实际变电站设备检测场景中,该网络也体现出较好的鲁棒性和泛化能力,可以高效完成检测任务。     

一种基于直方图的自适应红外图像增强算法

在分析常用的红外图像增强算法优缺点的基础上,针对红外图像的特点,提出了一种基于直方图的自适应红外图像增强算法。该算法设置了阈值和放大系数2个参数,根据阈值把图像直方图分为2部分,用放大系数和常数1分别代替直方图中两部分的灰度级像素数作为新的直方图,最后用新的直方图对图像进行直方图均衡化处理得到增强图像。通过在自主研发的热像仪中验证,表明该算法适应性强,增强效果好,算法简单,易于在FPGA硬件平台上实现。     

基于多阈值分割的红外图像伪彩增强算法

针对现有图像增强中的彩虹编码采用固定阈值分割方法,导致增强后的图像缺乏层次感、视觉效果模糊的问题,提出一种基于多阈值分割的红外图像伪彩色增强算法.该算法通过建立伪彩映射模型,采用多阈值分割手段,将不同灰度值映射成丰富的颜色值,以突出图像边缘的细节信息.实验结果表明,该算法处理后的红外图像具有目标轮廓清晰、视觉效果理想的优点.     

基于MSER的红外与可见光图像关联特征提取算法

关联特征提取是红外与可见光图像配准、融合和变化检测等应用中的关键步骤。针对同一场景红外与可见光图像间关联特征难以正确提取的问题,基于最稳定极值区域(MSER)算法,提出了一个仿射不变的关联特征提取方法。该方法主要包括3个步骤：(1)提取红外与可见光图像中的最稳定极值区域;(2)对特征区域进行椭圆拟合;(3)规则化处理,消除形变干扰,输出便于描述和匹配的一致性特征。实验结果证明了该算法在红外与可见光图像关联特征提取中的有效性。     

基于人工靶向免疫疗法的红外手部痕迹目标提取

红外手部热痕迹图像是特殊的模糊图像,该文提出一种人工靶向免疫疗法对其进行手部目标提取。首先依据序列图像中像素灰度的变化趋势设计了先天性免疫识别进行初分割;然后借鉴免疫的提呈机制,根据热扩散特性定义同心圆模板提取特征;基于模板特征对模糊像素集适应性免疫识别;最后,指尖指谷病变检测分析,实施靶向治疗,保证了手的形态特征。与分水岭、SOM网络以及近几年研究成果进行了比较,表明提出的算法在目标提取率、绝对误差率均优于现有算法,提取结果更符合手的形态,同时扩展了应用热痕迹信息的时间跨度。     

基于NSST与IFCNN的红外可见光图像融合算法

针对在图像融合中存在边缘细节保留不够理想的问题,提出一种基于非下采样剪切波变换(NSST)与卷积神经网络图像融合框架(IFCNN)的红外可见光图像融合算法.首先将红外和可见光图像进行NSST分解.然后为了使低频子带图像更好地突出轮廓信息,使用相似性匹配的融合规则对图像进行融合;对高频子带图像使用IFCNN提取特征层,特征层通过L2正则化、卷积运算和最大选择策略处理可以得到最大权重图,根据最大权重图来确定高频融合规则.最后使用NSST逆变换得到最终的融合图像.实验结果表明,所提算法很好地保留图像的边缘及纹理等细节信息,减少伪影和噪声,具有良好的视觉效果.