基于红外双波段图像融合的点目标识别

为解决红外警戒系统中点目标的识别问题,提出了一种新的点目标识别方法。该方法 首先分别对单波段红外图像进行背景预测与抑制,然后对取自适应阈值后的双波段图像根据目标的运动特征进行融合,最后通过图像序列分析给出最终的目标识别结果。仿真实验表明,该方法对背景有很好的抑制效果,可大大减少目标识别中候选目标点的数目,因而有利于点目标的识别。     

基于分类器决策融合的红外图像目标识别方法

提出基于分类器决策融合的红外图像目标识别问题。采用稀疏表示分类（Sparse representation-based classification,SRC）和卷积神经网络（Convolutional neural network,CNN）作为基础分类器。对于测试样本,首先基于SRC进行分类,并根据输出的决策变量判断决策可靠性。当判定识别结果可靠时,则识别过程结束,输出目标类别。反之,根据SRC的结果遴选部分置信度较高的候选类别,并在下一阶段针对这一步类别采用CNN进行确认分类。此外,将CNN的输出结果与SRC进行线性加权融合处理,根据融合结果做出最后的目标类别决策。提出方法通过综合SRC和CNN两者分类器的优点,综合提升红外目标识别性能。同时,这种层次化的决策融合方式避免了对所有样本的两次分类过程,整体上能够保证识别算法的效率。实验采用五类日常生活中常见的车辆目标红外图像进行,分别设置了原始样本条件、噪声样本条件以及遮挡样本条件。通过与部分现有方法进行对比,结果反映了提出方法的有效性和可靠性。     

基于红外多光谱图像相关性的自动目标识别算法

提出了一种基于红外多光谱图像相关性的自动目标识别新算法．根据目标、背景和干扰物的红外多光谱特征信息(辐射强度、光谱分布)构造出目标场景的红外多光谱特征矩阵；采用最大距离法分割图像，融合空间和光谱信息重构出研判目标的红外多光谱特征矩阵；根据研判目标的光谱辐射差异特性建立了红外多光谱图像相关识别准则．实验表明，该识别算法正确可行．     

红外与激光融合目标识别方法

针对自动目标识别需求,提出了一种激光与红外融合目标识别方法。首先分别对激光与红外两类单源数据分别提取小波矩和投影轮廓特征来表征目标;其次,将两类单源特征进行组合,并对组合后的特征进行约简。考虑到组合多个约简在进行分类时将产生互补信息,基于三种不同观点的约简提出了一种差异性组合分类器的构建方法,对约简后的激光和红外复合数据进行融合识别。最后,通过对激光与红外仿真数据的实验,验证了文中方法的有效性。     

基于红外目标特征提取的图像融合方法

为有效突出红外目标,同时尽可能多地保留可见光图像中的纹理细节信息,使得最终的融合图像更符合人类视觉感知效果,本文提出一种新的基于红外目标特征提取的红外与可见光图像融合方法。首先,利用高斯滤波器将源图像分解为粗略尺度信息和边缘纹理细节信息;对红外图像的边缘纹理细节信息进行去“光晕”分解,在此基础上进一步利用OTSU多阈值分割算法将红外图像分割为目标区域、过渡区域和背景区域;最后,依据分割结果确定各分解子信息的融合权重,以有效地将红外目标信息注入到可见光图像中,同时尽可能多地保留可见光图像中重要的场景细节信息。实验结果表明,本文方法无论从主观视觉还是客观评价指标上,都要优于目前常用的有代表性的图像融合方法。      

红外图像中的小目标的处理方法

本文寻求一种合适的算法以完成对红外图像中运动小目标的提取、识别以及跟踪工作。该算法可以满足运算量小、实时性强和硬件实现容易的要求。经过归纳总结,有以下几种方法可供进一步研究、选择。     

目标增强的红外与微光图像融合算法

对于红外与微光图像融合,虽给为观察者提供了更多的图像信息,但是同时由于过多的背景信息反而掩盖了重要的目标信息,为了兼顾背景信息丰富和增强目标的需求,提出了一种新的目标增强的融合算法,首先改进了传统的顶帽变换算法,用来增强红外图像的目标信息,同时去除一些冗余的红外背景信息,然后利用人眼对颜色的敏感特性,将微光图像与红外图像通过色彩映射公式映射到相应的色彩空间进行融合,结果显示,该算法不但能提供丰富背景信息,同时也增强了重要的目标信息。     

基于红外车辆目标识别方法的研究

红外车辆目标识别是战场探测系统中的关键技术,近年来引起国内外人们很大的关注。文章根据红外目标识别的特点,在红外目标的对比度增强、自动分割、特征提取、目标识别等方面,进行了研究。     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。     

基于红外目标分割的图像融合方法研究

针对红外图像中目标图像灰度分布集中,微光图像灰度分布相对均匀的特点,提出了一种先提取红外图像中的热目标,然后以微光图像为背景进行图像融合的方法.实验结果表明,该方法在保留微光图像高空间分辨率和丰富纹理细节信息的同时,又突出了红外图像中的热目标.     

基于目标增强的红外与可见光图像融合算法研究

针对传统多尺度变换融合方法不能有效保留红外图像中热辐射信息及高对比度特征,本文提出了一种基于目标增强多尺度变换的红外和可见光图像融合算法。首先,对可见光图像进行预处理,自适应地提高其对比度。其次,对红外和可见光图像分别使用拉普拉斯金字塔(LP)分解为高频以及低频分量。然后,使用分解后的红外低频信息确定低频段融合权重,并引入参数λ控制融合图像中红外信息比例。最后,使用拉普拉斯金字塔逆变换重构融合图像。实验结果表明,所提出的方法可以生成具有明显突出目标和丰富细节的融合图像,并在主观视觉和客观指标上具有更好的表现。     

基于目标特性分析的红外与微光图像融合算法

目标特性分析是研究目标探测性能的一个重要环节,包括目标(和背景)的辐射特性、辐射的大气传输特性、探测器的成像特性、目标自身特征等。目前对目标特性分析的图像融合算法的研究很少,本文针对这一不足,分析了红外与微光情况下的目标特性,在此基础上,确定了图像融合算法中的加权系数和最终融合图像。对实验结果进行了定性的主观分析,结果表明:基于目标特性分析的红外与微光图像融合算法能够更有效、准确地提取图像中的目标特征,更有利于目标的探测识别。     

基于SLPP-SHOG的红外图像车辆检测方法

针对红外图像的车辆检测,结合梯度方向直方图(HOG)特征与监督保局投影(SLPP),提出单帧图像车辆检测算法。首先,为增强特征描述能力、提高检测性能,在不增加特征维数的情况下,利用图像分割将区域的轮廓信息、灰度信息融入HOG特征中;其次,针对传统HOG特征维度过高,影响车辆检测效率以及准确率的问题,采用SLPP对提取的SHOG特征进行降维;最后,利用极限学习机(ELM)对样本图像的低维特征进行训练得到ELM分类器,实现车辆检测。本文以实拍红外图像作为实验数据,实验结果显示:针对红外图像的车辆检测,本文算法的检测性能较好,与原始HOG特征相比,本文所提SLPP-SHOG特征的特征维数由1764降至30,检测准确率升高16.03%,F1-measure提高了8.79%,检测时间由5.7 ms降至2.6 ms。     

基于显著导向的可见光与红外图像融合算法

为了克服当前较多可见光与红外图像融合方法主要利用图像能量特征来融合图层内容,忽略了图像的显著信息,导致融合图像中存在对比度较低等不足,本文以图像的显著信息为导向来融合可见光与红外图像.首先,借助L0和L1范数来设计平滑变换,对可见光与红外图像进行分解,获取边缘等特征保持较好的基础层和细节层.然后,利用频率调谐(FT)方...     

基于混合融合策略的双波段红外小目标检测方法

双波段红外图像的小目标融合检测是红外自动寻的系统的关键技术和研究热点之一。为了建立有效的融合检测结构,对基于布尔逻辑的融合检测方法进行了分析,并从小目标红外成像原理出发,提出了一种基于与逻辑和局部灰度的混合融合检测算法。首先,分别对单波段的红外图像进行阈值分割;其次,对两个波段的检测结果进行与融合;再次,对与融合之外的目标点进行局部灰度判别,进一步提高检测概率;最后,根据融合结果调节第一步中局部检测器的分割阈值,以优化局部检测器。实验仿真结果表明,该算法有效地提高了双波段红外的检测能力,且算法结构简单、运算速度快,具有较强的实用性。     

基于图像融合的双波段目标跟踪算法研究

针对红外和可见光图像各自的特点以及单一传感器在目标跟踪中的缺陷,提出了基于双波段融合图像的目标跟踪算法。该方法对原始图像进行小波分解后,为了满足目标跟踪的稳定性及实时性,重点考虑目标跟踪时需要的边缘等细节信息,采用对低频系数取零,高频系数基于小波系数绝对值取大的融合方法,然后对融合后的图像采用基于Mean shift算法进行目标跟踪。实验结果表明,此算法可以稳定并且实时跟踪目标,通过对单波段采用相同的跟踪算法进行比较,算法在性能上优于单波段的目标跟踪。     

基于背景抑制和特征点检测的目标检测算法

空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性.     

简评基于图像融合的目标识别和跟踪算法

传统的目标识别和跟踪算法都是基于单传感器图像的.随着多传感器图像融合技术的深入发展,其在目标识别和跟踪领域的应用也越来越广泛.评述了基于图像融合的目标识别与跟踪算法,包括融合预处理、融合识别和融合跟踪,说明了图像融合思想在目标识别与跟踪领域的优越性.     

基于FWA的红外偏振图像智能融合方法

针对红外强度图和红外偏振度图融合问题,提出了基于烟花算法优化空域加权平均法的智能图像融合方法。在构建优化问题模型的基础上,确定了烟花算法的边界条件。通过引入相对熵权值建立了基于综合相对熵的适应度函数。最后,与6种典型的传统融合方法在"ground"、"truck"、"car"3组红外强度和偏振度图像数据上进行了融合实验,对融合结果进行了客观评价和视觉效果评价。实验结果表明:所提方法可以有效实现红外强度图和红外偏振度图的融合,较好保留了红外强度和红外偏振特征。综合视觉效果和客观评价结果,在相对熵、总结构相似性、总互信息指标上优于比较算法。