光学测量中椭圆圆心定位算法研究

提出了一种椭圆圆心定位算法。先对图像中的椭圆目标进行粗定位,获取椭圆的粗定位信息,再用Canny算子对图像中的感兴趣区域进行边缘检测。根据椭圆的粗定位信息以及图像的边缘灰度分布特征,用高斯曲线拟合的方法求得精确的亚像素边缘点的坐标。针对亚像素边缘点中出现的“孤立点”以及噪声点,分别用曲率滤波和均值滤波的方法加以滤波,将滤波后的亚像素边缘点用最小二乘法加以拟合,求得精确的椭圆圆心数据。实验证明了该算法的定位精度和抑制噪声能力,通过测试算法运行时间,证明该算法具有很好的实时性。     

图-谱结合的压缩感知高光谱视频图像复原

针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点,提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先,通过前景目标检测获得运动前景目标的高光谱图像,实现运动前景目标与背景区域分离,并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后,基于高光谱图像空间维、光谱维相关性,对静止区域进行字典学习获得稀疏先验信息,结合压缩感知理论用于运动区域恢复,得到完整的背景区域高光谱图像。最后,将运动前景目标高光谱图像与背景区域高光谱图像相结合,得到高光谱视频图像。实验结果表明:本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法,峰值信噪比平均提高5 d B以上。     

复杂场景下基于条件随机场的视觉目标跟踪

目标模型更新中存在的模型漂移问题,是影响视频跟踪结果的一个重要因素。针对这一难题,提出了一种新的基于前景分割的目标跟踪算法。算法通过引入条件随机场(CRF)模型对跟踪区域和非跟踪区域的时空关系进行建模,实现对图像序列中像素点的标记,标记为跟踪目标或背景,并使用在线学习方法,根据场景的变化调整CRF模型的参数。跟踪过程中,通过对CRF模型的求解,得到最优的标记场和目标像素的置信图像;利用置信图像,结合目标模型的相似性度量定位整个目标;根据目标区域内的标记结果,使用一种选择性采样的方式更新目标模型,从而解决更新中的漂移问题。通过在多个典型的复杂场景中进行实验,验证了该算法的有效性。     

基于图像处理的指针式仪表智能识别方法研究

针对仪表的智能识别方法在电力系统的工程应用,利用图像处理的方法对指针式仪表的智能读数进行研究。首先,针对摄像头多视角、多距离的安装问题,利用定向二进制描述符ORB（Oriented FAST and Rotated BRIEF）算法求解仪表模板图像与待测图像的透视变换矩阵,用于定位指针旋转区域;然后根据表盘灰度特征信息,提出基于圆周区域的累积直方图法（Circle-based Regional cumulative Histogram,CRH）对指针进行定位,由指针偏转角度得到读数。实验结果表明,该方法对指针读数识别十分有效,达到了实用化要求,且具有实时性好和精度高的特点。     

基于自适应频域滤波的红外弱小目标检测技术

研究复杂背景下弱小目标检测问题对提高靶场光电设备探测能力具有重要意义.根据红外图像的背景复杂程度,提出一种自适应高斯高通滤波算法.该算法利用改进中值滤波器对图像进行降噪,采用图像方差加权熵,定量描述红外图像背景复杂程度,根据图像背景复杂程度自动调整滤波器截止频率,实现不同背景下红外弱小目标自动检测,并利用靶场实测光电图像对算法进行了验证.实验结果表明该算法能够有效地在不同图像背景下检测到弱小目标.     

基于人眼灰度分布特征的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。提出了一种基于人眼灰度分布特征的虹膜定位算法,该算法利用形态学运算实现瞳孔圆心粗定位,采用划分区域求灰度均值隔项差值最大值的方法实现外圆半径的粗定位,并通过分层聚类的方法实现内外边界的精确定位。实验结果表明．与经典的虹膜定位算法如Wildes算法、Daugman算法相比,该算法定位结果更加准确,定位速度大幅度提高。     

星空观测图像目标拖尾的自动消除

为了实现对星空观测图像中高亮目标产生的拖尾现象进行自动消除,建立了目标拖尾自动消除系统,对该系统所采用的图像背景高斯噪声分布参数估计、目标拖尾检测以及图像灰度值校正等算法进行研究。利用直方图最小二乘曲线拟合估计星空观测图像背景高斯噪声的分布参数;利用观测图像中目标拖尾现象的特征提出一种基于统计信息的拖尾检测算法;在确定目标拖尾位置的基础上对被污染的像素进行灰度值校正;利用Visual Studio 2005开发出一套星空观测图像目标拖尾自动消除系统。实验结果表明:针对16 bit,1 0241 024的星空观测图像,单帧图像处理时间约为300 ms,拖尾现象得到消除,恒星和目标等有用信息未被破坏。本文算法基本满足后续观测图像中弱小目标检测稳定、可靠、精度高等要求。     

前景与背景分离的直方图重调整乳腺图像增强的新方法

提出了前景与背景分离的直方图重调整乳腺图像增强的新方法。首先利用高阶统计特征,并结合数学形态学方法检测出钙化点的感兴趣区域,得到了可靠性较高的前景图像,剩余部分设定为背景图像;然后分别对前景和背景的直方图进行重调整,得到了对比度增强的钙化点图像。通过与常规的增强方法进行比较发现,所提出的方法目标明确,能够较好的抑制非目标区域的影响。该方法在支持向量学习钙化点检测的预处理中得到了应用,较好的检测性能证实了算法的合理性。     

基于超像素信息反馈的视觉背景提取算法

针对经典视觉背景提取算法长时间存在鬼影、动态背景导致的高频噪声以及背景模型误更新等问题,提出一种改进的视觉背景提取算法。该算法将原始图像分割为若干个超像素区域,在超像素分割区域,对视觉背景提取算法检测结果进行像素点再分类,在目标检测的初始阶段实现鬼影信息的准确检测,并更新鬼影区域像素点的背景模型,从根本上解决了全局范围内鬼影检测的难题。根据运动目标的超像素对前景目标内的空洞进行快速纠正,实现前景目标的小范围填补,同时完成对背景超像素内高频噪声的检测和滤波,并增强检测结果的稳健性。利用数据集进行的测试实验结果表明,与传统算法相比较,该算法的精确率和识别率等指标均显著提高。     

自动选取辅助目标的建筑物目标间接定位方法

针对序列图像中目标因不显著、被遮挡等情况而出现的虚警或丢失问题，提出一种基于自动选取辅助目标的建筑物目标间接定位方法，提高目标跟踪稳定性。该方法首先自动选取红外图像中形状稳定、灰度显著的区域作为辅助目标。定位建筑物目标后，提取其与目标相对位置关系, 之后利用该相对位置间接定位，最后融合直接识别及间接定位结果定位目标，并能实时更新辅助目标，保证其时刻处于视场中。实验结果表明:通过间接定位能解决目标虚警或丢失问题，提升目标定位过程中算法的准确性及鲁棒性。     

舰船目标红外图像特性研究

针对成像型反舰导弹所获红外图像的特点,分析了舰船目标和海天背景的红外辐射特性,得知舰船目标红外图像有一重要特征-海天线,它可以确定目标的所在区域。为了舰船目标的跟踪定位,对舰船目标红外图像中的海天线特征进行研究,提出一种基于预处理和直线拟合法提取海天线特征的算法,首先对图像进行边缘检测得到梯度图像,进而二值化并细化,最后利用Hough变换提取海天线。结果表明,在低对比度和有云团干扰的情况下,该算法与改进的直线拟合法相比,能够有效地、准确地提取舰船目标红外图像中海天线特征。     

基于稳定矩阵的动态图像运动目标检测

为了对视频序列中的运动目标进行快速、准确地提取,提出了一种自适应背景模型估计方法.利用背景与前景图像在时域中不同的变化特性,构造图像的稳定矩阵函数,通过稳定矩阵元素的变化自动区分背景点和前景点,并对稳定矩阵设置上、下饱和值,使算法能在短时间内自动感知背景的突变,从而快速地建立背景图像模型并对其实时更新.同时还分析了动态图像序列的配准问题,选取局部特征模板图像,采用投影匹配原理简化计算,快速估计出全局运动矢量.实验证明,背景估计算法收敛速度快,只需10 frame图像即可建立稳定背景,对于500 pixel×200 pixel动态图像序列,整个算法时间只需35 ms,完全满足工程上25 frame/s处理能力的要求.     

单通道光学相关实现击中与否运算

给出了一种单通道光学相关实现击中与否运算的算法和光学装置，此法基于形态学中的腐蚀运算和光学相关的关系及阈值操作，在非相干光学相关器中，将前景结构核元素编码为１，背景结构核元素编码为ａ（ａ满足一定条件），只需用原图像与前景和背景结构进行相关，然后对相关结果取阈值的Ｋ（前景结构核元素的像素数）即可得到击中与否运算，击中与否运算可以光学并行一步实现。     

A New Threshold Selection Method for Separation of Objects and Background

A new threshold selection algorithm for objects and background separation using a histogram of the number of foreground regions was proposed. This method used a human separation method for objects and background, examined the changes in the number of foreground regions in the image with varying threshold and determined a proper threshold value. The proposed technique was applied to several images and was compared with other histogram-based segmentation methods. The possibility of extension to multi-level thresholding was also examined.     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

一种合成孔径声纳图像线目标提取方法

本文研究了针对高分辨率合成孔径声纳图像中常见的管道、线缆等重要水下设施的线目标提取方法。基于图割理论的Grab Cut算法相比其他迭代算法具有较快的收敛速度,但需要人工辅助选定前/背景区域的初始化条件;为此,本文设计了基于尺度放缩后进行Radon变换的感兴趣区域提取环节,作为Grab Cut的初始化步骤解决方案,使之可以快速自动解译;此外,该优化方案还缩小了模型训练的样本容量,提升了直线目标的提取精度和效率。经实验验证,该方法可以快速准确地提取直线目标,且具有相对较强的鲁棒性。     

A novel evaluation metric based on visual perception for moving target detection algorithm

Traditional performance evaluation index for moving target detection algorithm, whose each index’s emphasis is different when it is used to evaluate the performance of the moving target detection algorithm, is inconvenient for people to make an evaluation of the performance of algorithm comprehensively and objectively. Particularly, when the detection results of different algorithms have the same number of the foreground point and the background point, the algorithm’s each traditional index is the same, and we can’t use the traditional index to compare the performance of the moving target detection algorithms, which is the disadvantage of traditional evaluation index that takes pixel as a unit when calculating the index. To solve this problem, combining with the feature of human’s visual perception system, this paper presents a new evaluation index-Visual Fluctuation (VF) based on the principle of image block to evaluate the performance of moving target detection algorithm. Experiments showed that the new evaluation index based on the visual perception makes up for the deficiency of traditional one, and the calculation results are not only in accordance with visual perception of human, but also evaluate the performance of the moving target detection algorithm more objectively.