自适应多方向灰度形态学图像边缘检测算法

针对传统的多方向灰度形态学边缘检测算法存在计算量大、效率低的缺点,提出了一种基于自适应噪声抑制的多方向灰度形态学图像边缘检测算法。根据图像所含噪声的种类,采用不同尺度的结构元素对图像进行分类滤波,再根据像素点间灰度值的变化确定边缘方向,由相应方向的结构元素进行边缘检测。实验结果表明,与传统的多方向灰度形态学边缘检测算法相比,检测到的边缘重构相似度和边缘置信度更高,边缘连续性更强,且计算量低,运行效率高。     

基于背景自适应预测的星点提取算法

在分析星图中的星点目标和背景特性的基础上,提出了一种基于背景自适应预测的星点提取算法。为准确预测背景并兼顾算法的速度,只在背景边缘处使用区域最大值背景预测法,其余部分直接使用固定权值进行预测。分割残差星图,提取各星点的目标区域,阈值采用自适应的取值方式。利用质心算法求取各星点目标的精确位置。实验结果表明,基于背景自适应预测的星点提取算法性能优于现有的星点提取算法,是一种有效的星点提取算法,可以降低大量由于强边缘而引起的虚警,能够更准确地预测背景。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

基于多特征的双模板自适应更新跟踪算法

针对均值漂移算法中采用单一颜色特征以及缺乏必要模板更新方法的缺陷,提出一种基于多特征的双模板自适应更新目标跟踪算法。引入像素点邻域灰度均值差和分层空间信息加强目标特征的鉴别性,再通过对目标与背景区域双模板相似度系数的综合分析,准确地判断跟踪干扰因素的来源,并以当前帧目标区域的相似度系数为权值对目标模板进行加权更新,使得模板更新速度与其目标特征变化相适应的同时抑制模板过更新,较好地解决了模板更新时机和更新速度等问题。仿真结果表明,所提算法在不同跟踪场景下均具有较强的鲁棒性。     

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明:与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.     

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明：与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.     

基于核各向异性扩散的红外小目标检测

为了减少红外图像中背景边缘对检测的影响,提出了一种具有鲁棒性的弱小目标检测算法,该算法利用核各向异性扩散模型进行背景预测,再与原图像差分实现弱小目标检测。为了提高算法的自适应能力,提出了一种鲁棒性扩散系数,能够根据图像背景的起伏程度自适应调整扩散系数曲线的陡峭程度。实验结果表明,与现有的检测算法相比,该算法能够在不同类型的复杂背景下有效抑制背景及其边缘,保留目标大小,降低虚警率,具有更强的鲁棒性。     

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。     

超像素分割约束的自适应SAD与Census融合立体匹配算法

为提高立体匹配精度,提出一种超像素分割约束的自适应SAD与Census融合的立体匹配算法。针对SAD在匹配过程中无差别使用窗口内像素点灰度值引入的误差,首先用简单线性迭代聚类(SLIC)超像素分割方法对待匹配图进行处理,将分割结果结合窗口内邻域像素点和中心像素点的距离给SAD立体匹配过程中窗口内像素点灰度值赋予适当的权重;进行Census立体匹配过程,并对两种算法的匹配结果进行自适应融合;对初始视差图进行左右一致性检测和遮挡点填充等后处理过程。实验表明,提出算法与传统算法相比,匹配效果显著提高,可以很好地适应细节丰富的图像并且对于有垂直位移的图组也有较好的适应性,对于图像对比度及光照变化具有鲁棒性。     

基于引导滤波的自适应红外图像增强改进算法

在红外图像处理中,细节增强和噪声抑制尤为重要,重点在于将高动态范围的红外图像压缩至低动态范围的同时保留细节信息、抑制图像噪声。以引导滤波的自适应红外图像增强算法为基础,提出一种基于引导滤波的自适应红外图像增强改进算法。通过引导滤波平滑初始输入图像,将初始输入图像与平滑后的图像做差获得包含大动态温度信息的基础层图像和小动态温度信息的细节层图像,分别对基础层图像、细节层图像进行压缩处理和噪声抑制;以不同的融合比例将处理后的基础层图像、细节层图像进行融合获得输出图像。为了减少算法运算时间、突出图像细节信息的同时减小细节层噪声对输出图像的影响且达到自适应场景的效果,利用可用于筛选有效灰度值的自适应门限参数和直方图分布信息设计出一维压缩数组对图像进行压缩,并将图像融合中的定值比例系数更改为自适应融合比例系数。通过直方图分布信息中的最大值、最小值确定自适应门限参数,同时利用直方图分布信息设计出一维压缩数组对图像进行压缩;获取直方图中有效灰度值个数,通过有效灰度值个数与总灰度值个数之间的比值对图像的场景信息进行判断,根据不同的场景信息确定基础层图像与细节层图像的自适应融合比例系数,实现图像融合。实验结果分别与直方图均衡算法、基于引导滤波的高动态红外图像增强算法、基于引导滤波的自适应红外图像增强算法进行比较,选用四种不同的场景从主观、客观两种层面进行分析。对比结果从主观分析得出该算法处理后的图像可突出细节轮廓信息、减少细节层噪声对融合后输出图像的影响。从客观评价得出该算法在四种场景下的平均计算时间为0.753 5 s,低于对比算法计算时间;并且使基础层图像和细节层图像的融合比例系数达到自适应场景的效果。