共查询到15条相似文献,搜索用时 156 毫秒
1.
2.
3.
4.
5.
红外目标的边界检测和标注 总被引:2,自引:0,他引:2
边界检测和标注是红外目标探测和识别的一个重要环节。自然背景复杂的纹理特征和红外图像中的噪声影响,以及红外目标模糊的边缘,给红外目标的边界检测和分割带来一定的困难。分水岭算法作为一种数学形态学的图像分割方法,为进行目标特征分析和识别提供了可能,然而,分水岭算法产生的过度分割,又为背景和噪声抑制增加了难度。文中在分水岭算法的基础上,结合模糊逻辑方法,对自然背景下的红外人工目标的边界检测和分割以及红外背景的抑制进行了探讨。 相似文献
6.
7.
基于形态学梯度的红外图像分割算法 总被引:6,自引:0,他引:6
提出了一种新的红外图像分割方法。该方法利用形态学方法来处理红外图像。首先进行形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着提出了一种计算红外图像梯度的多尺度算法提取图像形态学梯度,而后分析了图像分形特征估计方法与形态学梯度的关系,提出了一种新的红外图像分形特征估计算法,在此基础上对图像进行分割。实验结果表明,该算法能较好地解决红外图像的分割问题。 相似文献
8.
基于Ecogniton的光学遥感图像舰船目标检测 总被引:2,自引:0,他引:2
利用卫星遥感技术对海上舰船目标进行识别定位具有重要的意义。提出了一种基于面向对象的图像分割和分类软件Ecognition的技术方法来提取高分辨率遥感卫星图像中的海上舰船目标。利用多尺度分割算法和光谱差异分割算法对高分辨率卫星图像进行初步分割;利用归一化差异水体指数(NDWI)或灰度共生矩阵(GLCM)同质性纹理特征对陆地和海洋进行辨别;利用对象的相邻关系特征和形状特征来获取潜在的舰船目标;利用数学形态学算子实现舰船目标的连续化,从而获得最终的海上舰船目标。利用高分辨率卫星图像进行了实验验证,实验结果说明了所提出的技术可以有效地实现海上舰船目标的识别与定位。 相似文献
9.
利用模糊特征改进Snakes模型的图像分割 总被引:1,自引:1,他引:0
利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。 相似文献
10.
为了解决红外图像在图像配准中对比度低、背景复杂、红外目标受噪声干扰严重、传统分割方法易产生过分割或欠分割的问题,提出了一种基于改进的脉冲耦合神经网络(PCNN)和形态学方法的红外图像分割算法。首先根据图像能量分布情况提取纹理图像,将纹理图像通过PCNN进行分割,PCNN的链接强度根据区域能量在梯度场的变化自适应设定;由于PCNN的点火位置集中于红外目标部分,通过点火映射图可以得到连贯清晰的红外目标轮廓;再通过形态学方法滤除背景干扰。结果表明,该方法能够精确分割红外图像,分割结果优于传统方法。 相似文献
11.
在一定条件下,遥感图像上可以观测到舰船的尾迹或自然界的内波现象。目前对舰船尾迹的检测多集中在线性尾迹的检测上,该文提出一种基于生理视觉的静态边界轮廓系统和移动窗口形态滤波非线性分布目标检测方法,并且转换成二值图像后,运用二值形态滤波对线状要素进行分类,将非线性特征进行区分,以便进一步的处理。文中仿真和实际SAR图像试验的结果表明该算法是有效的。 相似文献
12.
中低空间分辨率的红外遥感图像中,海面上的舰船所占像素很少,目标的几何形状和具体的纹理结构等特征难以获取。为提升探测的极限信杂比,将呈现线状特征的舰船尾迹特征作为检测要素,对其进行数学表征。创新性地建立了Dot-Curve检测体系,以二维曲率滤波为基础进行初步的舰船检测和尾迹特征提取,建立特征集,从中选取与背景干扰项差异较大的包含尾迹灰度方差、尾迹两侧灰度斜率正负性、尾迹线性度、与船体检测结果距离在内的多项特征,鉴别候选目标的检测结果,去除干扰项,提取目标。结果表明,经过目标鉴别,在不同波段红外图像中,舰船误检率降低到8.40%以下,检测率得到提升,至少达到94.53%。该船只检测算法结合尾迹物理特性和图像特征,适用于多种场景和波段,算法精炼有效,物理规律清晰,所需样本少。 相似文献
13.
现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵(IE),熵增强(EME)和平均梯度(AG)3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。 相似文献
14.
由于成像机理不同,红外图像以像素分布表征典型目标,而可见光图像以边缘和梯度描述纹理细节,现有的融合方法不能依据源图像特征自适应变化,造成融合结果不能同时保留红外目标特征与可见光纹理细节。为此,本文提出红外与可见光图像多特征自适应融合方法。首先,构建了多尺度密集连接网络,可以有效聚合所有不同尺度不同层级的中间特征,利于增强特征提取和特征重构能力。其次,设计了多特征自适应损失函数,采用VGG-16网络提取源图像的多尺度特征,以像素强度和梯度为测量准则,以特征保留度计算特征权重系数。多特征自适应损失函数监督网络训练,可以均衡提取源图像各自的特征信息,从而获得更优的融合效果。公开数据集的实验结果表明,该方法在主、客观评价方面均优于其他典型方法。 相似文献
15.
为了实现大脑的三维重建,准确提取二维图像中的边缘成了首要解决的问题。常用的几种经典边缘检测算子对噪声比较敏感,容易造成虚假或不连续的边缘。针对此问题,提出基于Canny算子并结合图像增强和数学形态学的综合边缘提取算法。该算法首先对原始图像进行增强,以便于计算机的分析;然后利用Canny算子对CT图片进行边缘提取,该算子... 相似文献