基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法(OTSU)、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法（OTSU）、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

复杂红外地面环境下的稳定目标跟踪方法

针对红外目标相关滤波跟踪过程中由于背景杂波干扰、目标遮挡和目标形变等情况导致的鲁棒性差甚至跟踪目标丢失的问题,提出一种融合跟踪-学习-检测方法和相关滤波理论的红外目标跟踪算法.该算法在传统相关滤波框架基础上,融合目标的方向梯度直方图特征和亮度直方图特征,改善了目标轻微形变导致的模型漂移问题.针对背景杂波和遮挡导致的多峰值响应问题,对目标背景区域的相关响应进行惩罚,建立目标和背景响应的多模态检测机制,实现目标由粗到精的定位,并采用自适应的学习率优化跟踪模型的漂移问题;针对目标被严重遮挡或脱离视野的问题,通过全局目标再检测,实现目标的重捕.实验结果表明,在复杂红外地面环境下,该算法有效地解决了相似目标干扰和目标被严重遮挡导致的目标丢失问题.基于OTB-2015视频基准序列和红外视频序列测试,对比多个主流的相关滤波跟踪算法,该算法在跟踪精度和成功率方面较长时相关滤波跟踪算法分别提升了5.6%和4.1%;在目标遮挡指标测试中,该算法在跟踪精度和成功率方面相较长时相关滤波跟踪算法分别提升了4.6%和6.1%.     

复杂背景下红外图像弱小目标检测

红外弱小目标检测是安防监控、侦察探测、精确制导等领域的关键技术。为了提高复杂背景条件下红外弱小目标检测的准确性和实时性,提出了一种基于深度学习的红外弱小目标检测算法YOLO-FCSP。根据红外图像中弱小目标的特点,在YOLO检测框架的基础上,通过减少下采样次数,结合跨阶段局部模块、Focus结构和空间金字塔池化结构设计了特征提取网络。借鉴多路径聚合的思路优化特征融合网络,同时调整检测输出层数量,通过信息复用提高特征利用效率。实验结果表明,本文提出的算法在检测红外弱小目标时具有较高的准确率和检测速度,精度和召回率分别为91.9%和94.6%,平均准确率(AP)值达到92.6%,检测速度达到170 f/s,满足实际应用中实时检测的需求。     

结合PCNN分割和模糊集理论的红外图像增强

为了克服天空背景对红外图像增强处理的干扰、更好地凸显图像中的目标,提出了一种结合脉冲耦合神经网络(PCNN)分割和模糊集理论的红外图像增强方法。利用PCNN将图像分割成天空背景区域和目标区域,之后对目标区域利用变分Retinex处理以获得反射图像,并对该反射图像进行基于岭型分布的自适应模糊增强,将自适应增强后的反射图像与照射图像进行融合,将融合后的目标区域的局部均值赋值给天空背景区域,重构得到增强后的图像。实验结果证明,该方法解决了已有算法中出现的天空区域噪声放大问题,增强后的图像具有更高的对比度和更好的视觉效果。     

基于改进区域生长法的电力设备红外图像分割

为实现电力设备红外图像中目标设备图像的分割,对传统区域生长法需要人工选择初始种子点,以及易产生过分割与欠分割的不足提出了改进,将红外图像中邻域均值最大的像素点作为种子点,实现种子点的自动选取。提出了使用Sobel算子计算梯度幅值作为附加限定条件的生长准则。改进的区域生长法的分割效果比传统的区域生长法效果更好。     

基于改进ViT的红外人体图像步态识别方法研究

针对卷积神经网络在步态识别时准确率易饱和现象,以及Vision Transformer(ViT)对步态数据集拟合效率较低的问题,提出构建一个对称双重注意力机制模型,保留行走姿态的时间顺序,用若干独立特征子空间有针对性地拟合步态图像块;同时,采用对称架构的方式,增强注意力模块在拟合步态特征时的作用,并利用异类迁移学习进一步提升特征拟合效率。将该模型运用在中科院CASIA C红外人体步态库中进行多次仿真实验,平均识别准确率达到96.8%。结果表明,本文模型在稳定性、数据拟合速度以及识别准确率3方面皆优于传统ViT模型和CNN对比模型。     

改进GSO与二维OTSU融合的红外图像多阈值分割方法

针对二维最大累间方差（Nobuyuki OTSU,OTSU）图像分割算法在电气设备故障诊断与定位中,其红外图像的多阈值分割中存在的耗时多、分割精度低、误分割等不足,造成故障区域欠分割或者过分割的问题,提出一种改进的萤火虫算法（glowworm swarm optimization,GSO）与二维OTSU的融合算法来提高电气设备红外图像多阈值分割的实时性与准确度。寻优过程中,将局部寻优扩展到全局寻优,并引入非线性递减步长及新的移动策略对GSO进行优化改进。实验结果表明:该融合算法在分割结果上较二维OTSU及未改进GSO与二维OTSU融合算法更能准确分割运行电气设备图像异常区域,分割速度分别提高19倍、1.28倍,为红外图像早期故障的有效识别与定位奠定基础。     

基于新型阈值选择方法的变电站红外图像分割

为增强电气设备红外热图像的视觉效果,对其运行状态进行准确检测,提出了一种新型阈值选择的图像分割方法。该方法首先对原始图像进行傅里叶滤波处理形成自动梯度图形,然后针对每种特定类型的目标图像,拟合具有N个相邻点的线性模型计算斜率差的变化趋势,在斜率差分布谷值中挑选适合不同类型故障区域的最佳阈值,最后通过形态学迭代腐蚀,将目标区域与噪声斑点分开,得到清晰的分割图像。该方法可监测各种类型故障,只需校准参数N和确定分割案例,其余部分自动处理。实验结果显示:该方法对目标区域分割的准确率为82%,误分率为0.0182%。通过使用不同类型的红外热故障图像进行测试对比,验证了所提方法的有效性和通用性。     

复杂海洋环境下目标的红外辐射特征分析研究

分析研究了复杂海洋环境下点目标的红外辐射特征,从红外警戒探测系统应用的角度出发,给出了海洋环境下迎面攻击目标的红外辐射特征模型的建立、计算与分析方法。利用大气透过率计算软件计算并分析了特定条件下三个海域的目标红外辐射的大气透过率。给出了迎头攻击目标红外辐射特征的简化计算模型,并分析了特定区域下目标的红外辐射特征。     

复杂天空背景下的红外弱小目标跟踪

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标,从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因,引入高斯曲率滤波,提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理,在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声,从而获得准确的红外弱小目标置信图,利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验,并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明,算法在主观视觉和客观评价指标方面均优于其他三种算法,具有更高的目标跟踪精度与较好的实时性,可以实现对复杂天空背景下红外弱小目标的有效跟踪。     

复杂地面背景下的红外目标检测算法

提出一种静态场景下的基于帧差光流的随机采样均值漂移聚类检测算法.该方法首先通过隔帧差分法提取运动目标区域,并对运动区域进行光流计算,采用自适应光流阈值分割法准确提取出运动目标;然后运用连通区域标记算法对运动区域进行初步划分,得到若干个连通域子集特征向量样本点,通过提出的随机采样策略来确定对子集空间中样本点的抽样次数;最后利用均值漂移算法对每个子集中的样本点进行若干次抽样计算并分析聚类收敛结果是否相同,从而完成对连通域标记结果的检验.该策略通过减少对标记结果所有样本点的采样次数,提高了目标的检测速度和精度,在不同红外测试场景中的实验结果表明:与传统红外多目标检测算法相比,该方法具有良好的局部抗遮挡性、准确性和实时性,并且检测率能达到95.27%,每帧处理时间达到39.12ms,满足实时处理需求.     

最大化背景模型用于检测红外图像中的弱小目标

提出一种基于最大化背景模型的背景预测算法,用于红外弱小目标检测.算法通过"区域最大化背景模型",来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的.算法适用于强对比度云层的空背景、具有人造干扰物的背景和空地背景的红外图像中,具有较强的抗噪音特性,是背景预测算法的一个重要扩展.针对实际红外图像的试验仿真表明,提出的算法是有效的.     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

红外小目标图像的背景杂波量化方法

分析了背景杂波对红外小目标检测的影响,研究了一种针对红外小目标图像的背景杂波定量描述方法.提出了背景杂波定量描述方法需要满足的三个条件:与主观判断的结果一致、对于不同的红外图像具有适应性和能够辅助改进目标检测算法.综合考虑了目标与背景的特征,融合了4种特征,提出了一种新的红外背景杂波量化方法.首先采用支持向量机对背景杂...     

基于改进迭代阈值的白细胞图像分割方法

人体外周血五类白细胞数量和所占比例反映了人体的健康状态,人工检查白细胞消耗医务人员的大量精力,如何用智能方法快速、准确进行白细胞智能分类是一个亟待解决的问题,其中白细胞分割的准确性是正确分类的关键。提出了一种改进的迭代阈值图像分割算法,对恢复有丝分裂连线的最小距离方法进行了基于数学和数模分析的预处理改良,提升了白细胞图像分割的精度和效率,解决了血小板粘连、白细胞边界不分明等问题。将白细胞从复杂的血液环境中分离出来,对有丝分裂细胞的多叶核进行最小距离判定并连线,然后定位到每个白细胞,制作数据集,最后用CNN分类。经测试,分割正确率达到了96%以上。实验结果验证了所提分割方法的准确性、高效性和实用性。     

复杂背景下红外弱小目标检测算法研究

复杂背景下低信噪比弱小目标的检测是红外预警系统中的重点和难点。为解决红外图像中杂波干扰多、目标信噪比低等问题,提出一种非线性空间滤波的目标检测方法。该算法在传统线性空间滤波算法的基础上,通过对预测点周围4个象限的背景灰度值进行计算,并动态地调节阈值,以达到突出小目标的目的。试验结果表明:当背景包含较多复杂因素时,采用非线性空间滤波的检测方法可有效地抑制杂波,实现弱小目标的提取,与线性滤波算法结果相比较,虚警数降低了3/4,且易于工程实现。     

基于改进Otsu法的遥感图像油罐目标分割研究

为了对可见光遥感图像中油罐目标进行快速分割,在前人工作的基础上提出了一种快速的方法。对可见光遥感图像灰度值分布特点进行分析,用数组对满足先验知识的像素进行统计,使图像中缺失的灰度值不再参加计算,大大减少了冗余计算。以类间方差函数的代替函数(二者在同一位置取得最大值)进行分段处理,提高了运算速度。实验证明,这种方法可以应用到可见光遥感图像油罐目标的分割中,且分割效果优于Otsu法,实验所用图像的处理速度是前人改进方法的5倍以上。