基于灰度变换的红外图像实时分割算法

针对高灰度等级红外数字图像提出了一种基于灰度变换的实时分割算法.通过实时分析原始图像中几个小区域的灰度直方图,自动确定分割阈值,将原始图像通过灰度变换实时转换为低灰度等级图像.该算法能够将高灰度等级的红外数字图像实时显示在普通显示器上,并且能够有效抑制背景并保留目标灰度信息.由于变换后的图像灰度等级较低而且背景及噪音信息较弱,极大地提高了红外跟踪器的性能.     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

基于NiosII的红外图像灰度变换系统设计

提出了一种基于NiosII的红外图像灰度变换设计方案,并详细介绍了红外图像灰度变换算法以及系统硬、软件设计以及实现方法。针对红外图像的特点,提出了一种基于平台直方图均衡的红外图像灰度变换算法,并在CycloneII系列FPGA上实现了该算法,其处理单元采用嵌入式处理器软核NiosII。实验结果表明,该系统能很好地实现红外图形灰度变换,并在一定程度上抑制了背景,提升了目标。     

基于Nios Ⅱ的红外图像灰度变换系统设计

提出了一种基于Nios Ⅱ的红外图像灰度变换设计方案,并详细介绍了红外图像灰度变换算法以及系统硬、软件设计以及实现方法.针对红外图像的特点,提出了一种基于平台直方图均衡的红外图像灰度变换算法,并在Cyclone Ⅱ系列FPGA上实现了该算法,其处理单元采用嵌入式处理器软核Nios Ⅱ.实验结果表明,该系统能很好地实现红外图形灰度变换,并在一定程度上抑制了背景,提升了目标.     

一种基于区域生长的红外与可见光的图像融合方法

针对目前红外与可见光目标跟踪的视频序列融合难以满足实时性问题，利用红外图像目标与背景显著的灰度差异特征，结合目标跟踪中目标分割时常用到的区域生长法，通过区域生长方法从红外图像中提取目标区域，再将得到的红外目标区域与已经过图像配准的可见光图像的背景区域进行融合处理，最终得到既具有红外图像较好的目标指示特性又具有可见光图像清晰场景信息的融合图像。实验表明：该算法不仅简单易行，而且所得到的融合图像视觉效果优于其他融合算法得到的图像。     

基于人工蚁群的红外图像分割算法

基于人工蚁群的红外图像分割方法利用模糊非线性增强算子作为启发信息,与信息素共同指导蚂蚁的行为。通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,最后根据信息素分布提取分割结果。仿真和实验表明,该算法对真实图像得到了理想的分割结果。     

一种红外成像制导中的图像分割算法

红外成像制导导弹的图像分割是图像处理中的重点和难点之一。针对飞机目标红外图像的特点,提出了一种有利于目标特征点识别的图像分割算法。它首先采用区域填充的方法对图像进行分割,然后在此基础之上利用形态学原理对分割过程中产生的"洞"区域进行填充,最后得到比较精确的分割图像。对于实现红外成像制导导弹的稳定跟踪具有一定的应用价值。     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

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。     

基于视觉认知的红外目标分割算法

研究了红外图像中目标分割算法,针对基于灰度分割算法存在的过分割或分割不足,以及对低灰度目标的不敏感问题,提出了一种基于视觉认知的红外目标分割算法。将红外图像的灰度信息转换为图像方差信息;运用单边切比雪夫不等式理论,获取目标数据分布与其k倍标准差之间的非线性关系,完成目标边缘的预分割;由形态学填充运算,得到用于目标分割的二值掩膜图像。实验表明,该算法能够有效的分割出红外图像中处于不同灰度等级下的目标信息,且误分率较低。     

红外图像空间噪声分析和预处理方法改进

讨论了基于天空背景下红外图像空间噪声组成，分析了各种空间噪声的形成原因,给出了红外图像噪声类型及其对图像质量的不同影响。分析结果认为红外图像空间噪声主要为高斯噪声和椒盐噪声。综合考虑均值法和中值法在处理噪声类型上的不同，提出了一种基于简单阈值的改进型中值法。对于不同的阈值，其算子有所不同。而M×N处理区域内每一点算子的权值取决于区域灰度中值，该点灰度越接近中值权值越大。处理后的图像背景更平滑，信噪比和改进的峰值信噪比提高了1.2dB以上，表明改进型中值法优于传统滤波方法。     

基于灰度聚类算法的红外图像增强研究

根据红外灰度图像的特点，提出了一种基于K-均值聚类的图像增强的新算法。该算法首先根据具体图像确定K值，其次对红外图像的辐射温度数据进行统计学习，把不同温度值按升序排列，然后按等差原则选取温度值作为初始聚类中心，再依据初始聚类中心采用K-均值聚类算法对温度进行聚类，最后由聚类结果对图像进行自适应增强。通过对红外灰度图像进行实验，得到了满意的结果: 对比直方图均衡，具有更丰富的图像细节信息和层次感，视觉效果更好。     

改进C-V方法实现目标物体内部第三相区域分割

针对Chan-Vese水平集方法进行全域演化实现多相目标物体收敛时计算量大、演化速度极慢,而采用初始区域内进行轮廓曲线演化时又不能实现目标内部第三相区域的分割,提出二轮递进演化和演化背景灰度值转化的改进Chan-Vese方法实现目标内部第三相区域分割.改进方法能够对Chan-Vese方法演化多相拓扑不成功的情况实现目标内部第三相区域的检测.实验结果表明,改进的方法能快速稳定实现目标物体内部第三相区域分割.     

纹理分析在红外目标识别中的应用

若背景有雾时，红外图像中的目标会受到影响而变得比较模糊。雾的纹理是一种比较典型的自然纹理，利用灰度共生矩阵提取纹理特征图像的方法，对雾天获取的红外图像进行分析。通过实验证明了该方法对红外图像中（背景有雾时）目标的提取和识别有积极的作用。     

核密度估计时-空域滤波红外背景抑制方法

提出一种基于核密度估计的时-空域滤波算法,用于红外搜索跟踪系统图像的背景抑制。算法分为空域滤波和时域滤波两部分。在空域滤波中,采用核密度估计算法对背景进行平滑;在时域滤波中,采用核密度估计算法对经过空域滤波后的图像灰度值进行概率计算,判别属于背景残差的灰度值,然后做进一步的滤除。核方法对背景有很好的光滑性且易于计算机实现,实验表明,这种非参方法设计的时-空域滤波算法对背景杂波有非常良好的抑制效果,信噪比也得到明显提高。