图像局部熵用于小目标检测研究

分析了局部熵用于小目标检测时造成目标范围扩散等问题的原因,并提出了熵增长方法.该方法用于点目标检测可避免发生目标范围扩散现象.由于边缘纹理和点目标在熵增长处理过程中表现出截然相反的属性,故可避免边缘纹理对于小目标检测产生的严重干扰.该方法也可用于不受噪声干扰的边缘检测.针对相同信噪比目标在不同背景亮度中具有不同熵值和增长量的问题,提出用方差增长替代熵增长,使相同信噪比目标在不同背景亮度中表现出相同的增长量值,降低了后续目标分割的难度.试验表明,熵增长方法和方差增长方法能够有效检测1或2像素大小的点目标,并不受背景中边缘纹理的干扰.对算法的复杂度进行了分析,并提出采用双通道并行流水线方式实现工程化的设计思路.     

序列图像中运动目标的自动提取方法

针对目标检测与跟踪领域中的运动目标自动提取问题,提出了一种新的运动目标自动提取方法.利用已有的图像帧滤波后初始化背景,并在运动目标检测过程中,利用检测结果,不断地自动更新背景.使用背景差法检测运动区域,并对差分图像进行动态阈值分割,以及边缘链接,使其边缘处于基本连续状态.在得到的二值图上,提取轮廓,并根据目标大小选择面积阈值,剔除由于噪音或者背景提取不干净造成的虚假轮廓,将得到的轮廓掩模图像与原图像做逻辑与运算,提取出目标.实验结果表明,该方法可以有效地提取出刚体或非刚体运动目标.     

一种基于知识模型的红外目标检测方法

针对电厂冷却塔这类具有特殊建筑规范的典型目标,在分析目标红外特性与形状特性的基础上,提出了一种基于知识模型的红外目标检测方法.首先根据冷却塔目标的红外特性,提取图像的亮度、方向和局部熵特征,采用视觉注意模型提取红外图像中的显著区域,作为待检测目标的感兴趣区域;在此基础上,根据冷却塔目标的形状特性建立双曲线形状模型,在感兴趣区内进行结构特征边缘提取和形状模型拟合,构建相关判定准则检测出目标.在一组机载前视红外图像上的实验结果表明,该方法可以达到98.67％的查全率和93.97％的查准率,具有较好的目标检测效果.由于本文方法不需要基准图的参与,降低了对数据保障的要求,因此具有较大的实用性.     

一种基于梯度方向直方图的直线轮廓提取新方法

直线轮廓检测是计算机视觉领域中的一个基本问题。在靶场光测图像分析中,通过提取导弹、火箭等目标的直线轮廓,可以得到目标的三维姿态参量。提出了一种基于梯度方向直方图的直线轮廓提取新方法。梯度方向直方图被定义为具有相同梯度方向的图像点的梯度幅值之和。利用梯度方向直方图可以很方便地确定图像上边缘方向,根据此方向可在图像上搜索直线边缘的位置。由于同时利用了梯度的幅值和方向信息,所以该方法能自动地提取直线边缘而无需阈值。通过在实际图像中提取直线边缘,证明了该方法的有效性。     

基于小波变换的图像融合新算法

针对现有图像融合技术中的尺度系数卷积法存在的边缘细节损失和对比度下降问题，提出了将Canny边缘检测算子等价于提取图像的小波变换模极大值点这一思想引入图像的低频分量融合规则以及用于高频子带融合的局部对比度结合方向方差方法.最后通过仿真试验以及熵值数据证明该算法有效改善了边缘细节的准确度，提高了分辨率，并使局部对比度信息得以保留，从而更加符合人类的视觉特性.     

毫米波被动探测信号的熵特征研究

针对毫米波被动探测系统中以幅度值作为判决特征时,容易将无源干扰(如平面金属、地面积水等)误识别为装甲目标的问题,提出了毫米波被动探测信号的新特征量——熵。从毫米波被动探测典型地物目标的天线温度基本组成出发,提出了熵的提取方法。对一定样本量的地物探测信号进行熵特征分析,结果表明装甲目标的熵与平面金属及地面积水有明显差异,对装甲目标识别的研究提供了新的分析思路和理论指导。     

基于扩展信源熵值的穿墙成像雷达墙体强杂波抑制

提出了基于扩展信源熵值理论的超宽带穿墙成像雷达墙体强杂波抑制方法. 首先将回波信号离散化, 计算离散信源的概率空间并对该离散信源进行扩展, 计算得到扩展后含有墙体强杂波和目标回波的新信源的熵值. 然后根据墙体杂波熵值与目标信号熵值的差异设定门限, 自适应选取最佳门限调节因子, 对回波信号进行杂波抑制处理. 经过墙体强杂波抑制处理后, 利用后向投影方法对目标进行成像. 以基于时域有限差分方法(Finite Difference-Time Domain, FDTD) 的仿真软件GprMax2D/3D所获得的穿墙雷达数据进行仿真实验, 分别通过基于信源熵值的方法与本文所提方法来抑制墙体强杂波并成像, 通过对比结果可知, 前者的目标-杂波比增量为15.51 dB, 后者的目标-杂波比增量为19.74 dB. 因此, 本文所提方法能够在相同测量方式下得到更为精确的成像, 而且可以在保证成像效果的前提下大大减少天线扫描次数.     

基于灰度形态学和邻域熵值的弱小目标检测

 提出了一种弱小目标检测的新方法。从实际应用出发，考虑到复杂的背景和大量的干扰噪声，对传统熵值检测算法进行了改进，采用邻域熵值变化为检测标准。为了提高此方法的有效性，结合了灰度形态学滤波来对图像进行预处理。该检测算法的全过程为:首先对图像进行形态运算;然后对形态波后的图像进行邻域熵的计算;接着以计算所得的邻域熵的最大值和最小值为依据对图像进行分割,得到目标或目标边缘所处位置;最后用实地拍摄的空中弱小目标真实图像进行了实验验证。结果发现：该新方法可对弱小目标、大目标、多目标进行检测，且检测速度快，抗噪声干扰能力强。     

融合视觉显著性和局部熵的红外弱小目标检测

针对红外图像中弱小目标检测虚警率高、实时性差的问题,提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法.该方法将红外弱小目标的检测问题由粗到精分步实现,首先利用融合局部熵的方法提取包含目标的感兴趣区域,对红外弱小目标实现粗定位.然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度,获得感兴趣区域的显著图.最...     

一种边缘和过渡区域相结合的红外目标提取方法

传统的基于过渡区域提取的目标分割算法存在噪声敏感问题,从而会影响到过渡区域提取的准确性。与可见光图像相比,红外图像特别是红外光谱图像,受到探测器无法消除的热噪声影响,传统的目标提取算法准确率普遍降低。此外,虽然通过边缘能够精确定位目标,但是无法获取目标完整边缘。而过渡区域的灰度分布特点是可以解决基于边缘的目标提取难题。因此为了提高目标提取的抗噪性和准确性,提出了一种将过渡区域提取与边缘检测结合的自适应红外目标提取方法。首先利用像元空间邻域信息构造密度,以此有效降低噪声影响和获取图像边缘信息。然后基于像元密度信息最大分离目标边缘与背景,得到有效边缘和过渡区域,进而以此生长出目标。将边缘与过渡区域结合,可以很好地抑制噪声,多幅复杂场景实验评估了该方法的抗噪性能,结果显示,提出的方法在噪声的干扰下能较好的提取目标。     

基于图像熵的各向异性扩散相干斑噪声抑制

本文提出了一种基于图像熵的各向异性扩散滤波方法. 该方法使用图像熵作为边缘检测算子, 避免了由于均值和方差等统计量的估计带来的误差, 提高了边缘检测能力. 试验结果表明该方法能够获得比传统方法更好的相干斑噪声抑制效果. 关键词： 相干斑抑制 各向异性扩散 图像熵 合成孔径雷达     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

基于统计特性与边缘特性融合的阴影检测方法

针对视频监视系统中的阴影检测问题,提出了一种基于灰度比值统计与边缘特征分析相融合的阴影检测方法.根据阴影的面积和灰度特征,采用灰度统计和正态分布曲线拟合的方法估计出阴影灰度的分布区域,实现对阴影的初分割.利用熵判据对初分割的结果进行判断,对于过分割的情况,依据目标与阴影间的位置关系,利用阴影的边缘特性进行目标重构.不同光照环境下的视频监控图像测试结果表明,该方法可以用于灰度图像和彩色图像,能够有效检测出阴影区域并保持目标的完整性.     

二维Arimoto熵直线型阈值分割法

Arimoto熵是一种广义熵形式.本文首先指出了已提出的二维Arimoto熵阈值分割法的表述错误,给出了正确的二维Arimoto熵阈值分割法;然后提出了二维Arimoto熵直线型阈值分割法,并给出了快速递推公式;对Arimoto熵公式中参量的选择进行了探讨,并基于标准图像进行了分割性能评估.大量分割实验表明,二维Arimoto熵直线型阈值法至少与二维Arimoto熵和二维Renyi熵直线型阈值法分割效果相当;在图像边缘和噪音信息丰富的情况下,二维Arimoto熵直线型阈值法的分割效果优于二维Arimoto熵和二维Renyi熵直线型阈值法,是一种有效的图像阈值方法.     

利用目标和大气偏振信息的雾天图像重构方法

结合目标偏振信息和大气偏振信息的差异, 提出了一种利用目标和大气偏振信息的雾天图像重构方法。首先, 从光强图像中分离大气光图像和目标光图像, 分别解析大气光偏振信息和目标光偏振信息, 构建偏振去雾模型。然后, 采用融合图像梯度信息的高斯滤波方法估算大气光强和目标光强, 并分别计算大气光偏振度和目标光偏振度。采用3σ法则阈值分割方法, 在大气光图像空间内估算无穷远处大气光强。最后, 重构出目标图像。在不同天气环境下开展外场实验, 结果表明, 该方法在雾霾、雨、雪天气下能够较好地恢复出目标信息, 重构后图像的信息熵提升约40%, 灰度标准差提升了约90%, 平均梯度和边缘强度提高了3倍。     

各向异性的红外背景预测方法

为了减少红外图像中起伏背景对弱小目标检测的影响,提出一种各向异性的红外背景预测方法。根据红外图像目标区域和平稳背景区域、起伏背景区域的局部梯度特性的差异,引入各向异性微分的思想,并将其边缘停止函数改进为方向梯度值的递增函数,然后用边缘停止函数最小两个方向值的均值作为背景预测值,实现了对不同方向特性背景区域的差异化预测。仿真实验表明,该算法选择性地保留了红外图像的平稳背景和起伏背景区域,达到了良好的背景预测效果。     

Infrared small target detection based on modified local entropy and EMD

Image entropy and empirical mode decomposition （EMD） are effective methods for target detection. EMD algorithm is a powerful tool for adaptive multiscale analysis of nonstationary signals. A new technique based on EMD and modified local entropy is proposed in small target detection under sea-sky background. With the EMD algorithm, it is valid to estimate the background and get the target image by removing the background from the original image and segmenting the target based on the modified local entropy method. The data analysis and experiments show the validity of the proposed algorithm.     

基于优化估计的深度图像修复与误差补偿方法研究

针对Kinect传感器在获取深度图像时存在深度值随机跳变的不准确性问题,基于最优估计的思想,提出卡尔曼滤波与多帧平均法相结合的图像修复方法。首先利用卡尔曼滤波对多幅深度图像进行修复处理,实现Kinect传感器在采集信息过程中随着时间递推,深度值的跳变逐渐趋于平稳的效果;然后基于多幅图像平均法确定最终的深度图像,解决了Kinect获取深度值存在误差导致的不精确问题。实验结果表明,该算法的均方根误差为38.102 5,平均梯度为0.471 3,信息熵为6.191 8,与单幅图像修复效果相比,得到的深度图像边缘更加清晰。