多偏振方向对低照度伪装目标偏振度提取的影响

基于Stokes矢量和Mueller矩阵,推导了任意偏振方向的线偏振度表达式,实施了多偏振方向的低照度伪装目标偏振检测实验,以多种伪装相关的人材料三波段偏振反射实验数据为依据,采用数值计算方法讨论了上述实验结果,探讨了多偏振方向影响偏振度的误差和稳定性问题。研究表明,探测角在镜面反射方向附近,间隔60°的偏振度图像的清晰度和对比度较高,数值计算结果能合理地解释实验结果,一致性较好;发现当三个偏振方向角A、B、C之间的间隔角度ΦAB∈［40°,80°］和ΦAC平均值为2.06ΦAB时,偏振度标准差较小,低照度条件下获取的偏振信息较稳定。     

LMS颜色空间稳定性在伪装评价中的应用

介绍LMS颜色空间的定义,通过实验验证了LMS颜色空间RG通道的颜色随亮度变化的稳定性,为伪装评价提出新的思路.     

林地背景下伪装目标偏振成像检测算法

综合利用了偏振特征和偏振融合图像的分形特征,提出了一种林地背景下伪装目标偏振成像检测算法.首先通过模糊聚类的方法分割出偏振图像中目标的潜在区域,通过形态学方法去除微小干扰;然后在潜在区域提取分形特征,利用伪装目标与背景分形维数的差异排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的位置和形状特征,从而...     

伪装涂料红外偏振特性的实验研究

以喷涂伪装涂料和普通涂料的金属目标板作为研究对象,利用红外偏振成像系统获取目标的红外偏振图像,提取并分析了图像中目标的偏振信息,并将这些信息与目标的红外强度信息进行了对比.试验结果表明,通过红外偏振成像方法可以有效地减弱伪装涂料在红外波段的隐身能力.     

草地背景中伪装目标偏振成像探测的实验研究

在室内仿真实验平台上对草地背景中的伪装目标和背景在不同观测角度不同波段的偏振特性进行了实验研究。通过分析得到了对伪装目标进行偏振成像探测的最佳角度和最佳波段的范围,并在室外进行了实验验证。实验研究表明,在一定条件下偏振成像可以较好地探测出隐藏于草地背景中的伪装目标。     

基于颜色对立空间的运动目标的阴影检测

利用背景差分法检测运动目标,目标阴影和目标本身均会被当作前景检测出来。针对上述问题,提出了基于颜色对立空间的运动目标阴影的检测方法。该方法首先将提取的前景图像由常见的RGB格式转换成CIELAB颜色对立空间格式,再分别对其L＊、a＊和b＊三个通道进行边缘检测。由于CIELAB颜色对立空间所具有的接近人类视觉的特性,用上述检测出的边缘进行相关的数学形态学的处理,便可检测出阴影。实验结果表明该方法便捷快速,能够有效检测出运动目标的阴影。     

基于HSV颜色空间的运动目标检测方法

针对在目标检测过程中光照变化对检测结果的影响,提出一种基于HSV颜色空间的运动目标检测方法。首先采用帧间差分分离出运动目标区域,将该区域转换为HSV颜色空间,用形态学对区域进行处理,消除噪声影响。然后利用各分量的相互独立性及H分量对光照不敏感的特性,应用自适应阈值分割方法,对运动目标实现准确分割。实验表明,该方法能够实现对运动目标的准确检测,消除帧间差分产生的图像空洞,对光照变化剧烈的目标也能实现准确分割,具有较强的鲁棒性。     

基于偏振特征的目标检测

通常的光电检测系统是根据光的强度差别来区分目标的，但当强度差别不明显时或目标所处的背景很杂乱时，用强度来区分目标是非常困难的．在文中，提出利用光的另一个基本特征一偏振特性来区分场景中的目标，可以克服由于强度差过小带来的目标检测上的困难．经过实验表明，利用光学偏振特征的成像传感器所获得的图像使得目标检测大大简化．     

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域（包括运动目标、投射阴影）从场景中提取出来;最后,采用局部二元图（Lo-cal Binary Pattern,LBP）来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。     

基于红外偏振成像的目标检测技术

红外偏振成像技术是利用物体偏振度上的差异来对复杂背景下的目标进行探测的。在战场上,由于人造物体和自然景物在偏振度上存在差异,红外偏振成像技术能够提高人们对自然景物及伪装的辨别能力。首先介绍了偏振成像理论及其系统的结构组成,然后对基于偏振图像处理的目标特征提取过程进行了分析,并对偏振图像像质评价方法以及图像融合、分割和特征提取方法进行了研究。最后给出了国外基于偏振成像目标检测技术的应用研究情况,并指出了该技术在军事领域中的应用价值。     

基于偏振融合的伪装目标识别方法研究

为了提高对伪装目标的探测能力,结合偏振成像信息可以反映不同物体表面的纹理等特点,提出一种新的图像融合算法。先融合线偏振度与偏振角两个参量图像得到能量特征图像;然后,对能量特征图像使用直方图均衡化算法进行增强;最后,使用非下采样轮廓波变换(NSCT)将增强后的能量特征图像与光强度图像进行融合。实验结果表明:融合后的图像比光强度图像平均梯度提高了80%,目标与背景的对比度则提高了92%,表明融合图像更能反映图像的细节,更有利于伪装目标的识别。     

基于偏振权重局部对比度的目标检测

分焦平面红外偏振探测器输出的是红外偏振马赛克图像,传统处理流程需要进行去马赛克恢复出四个偏振通道的完整图像,然后再实现后续的任务。然而,去马赛克过程会引入误差,而且计算复杂度高、耗时长。针对如何直接在红外偏振马赛克图像上进行目标检测的问题,本文提出了一种偏振权重局部对比度的目标检测方法。首先分析了目标与背景的偏振特性差异;然后设计了红外偏振马赛克图像的斯托克斯矢量计算卷积核;在此基础上提出了基于偏振权重的偏振度显著图,在偏振度显著图上利用自适应阈值操作实现目标检测。此外,利用边缘检测方法进一步优化目标检测结果,得到更加完整的检测结果。最后,使用采集的红外偏振马赛克数据集验证了所提出的目标检测算法在复杂背景以及恶劣天气影响下的鲁棒性。     

基于YCBCR空间颜色传递的融合图像目标检测算法

针对融合图像采用帧间差法检测目标时会出现背景噪声的缺陷,在红外与可见光图像利用小波变换融合后,将彩色参考图像与融合图像在YCBCR空间进行颜色传递的基础上,提出了一种采用帧间差法和形态学相结合的运动目标检测方法.该算法得到的目标轮廓清晰、更易于识别,并且其中热目标呈红色,冷目标呈蓝色.同时实验结果表明在目标检测的过程中,该算法能消除图像融合产生的背景噪声,适应复杂场景的检测,在性能上满足实时性的要求.     

基于分形可变步长LMS算法的海杂波中微弱目标检测

该文主要研究了基于Hurst指数与可变步长LMS算法相结合的分析方法在海杂波微弱目标检测中的应用。一直以来,分形理论与统计理论是分别应用到目标检测中的,该文将分形可变步长LMS算法引入到海杂波微弱目标检测中,并在此基础上提出一个海杂波中的微弱目标检测模型,初步实现了基于LMS算法的检测方法与基于单一分形特征的检测方法的结合。最后,采用X波段雷达实测海杂波数据进行验证,结果表明该检测模型具有良好的检测海杂波中微弱目标的能力。     

基于偏振信息融合的海洋背景目标检测

针对海洋背景目标检测,提出了一种基于偏振信息融合的海洋背景目标检测方法。该方法根据目标与水体偏振信息的差异性以及偏振图像能很好弱化背景噪音的特点,设计了一组图像融合规则,并通过该组规则来融合强度、偏振度和偏振角等各分量图像。最后,对融合结果采用基于轮廓层次树的目标检测方法进行测试。实验结果表明,融合后的图像能很好地抑制海面波纹噪音,同时增强了目标的边缘轮廓和纹理细节信息,以及提高了目标与背景的对比度,使目标更易于被检测出来。     

基于K-mean的车辆伪装涂料漆膜颜色选取算法

提取背景代表色是进行迷彩伪装图案设计的基础,对军用车辆实施迷彩伪装,需使代表色满足国军标规定的军用车辆伪装涂料漆膜标准色要求。文中提出两种基于K-mean聚类算法的车辆伪装涂料漆膜标准色选取算法。利用CEI1976 L^*a^*b^*颜色模型描述图像颜色特征。第一种算法是随机选取标准色作为初始聚类中心,每经过一次K-mean聚类迭代都将聚类中心更新为标准色;第二种算法是将选取的背景颜色空间值作为初始聚类中心进行迭代。提出了优化的标准色选取决策,解决了聚类结果易出现标准色重复的问题。结合提取标准色数量不同,共提出4种标准色提取方案,用均方根误差函数作为评价函数进行融合效果比较。仿真结果表明,两种算法均能较好地满足迷彩伪装设计要求,从最小均方根误差和收敛速度上比较,第一种算法优于第二种,其提取三种标准色的方案优于五种标准色方案。     

基于红外偏振的特征提取与小目标检测方法

针对红外目标探测所面临的杂波干扰问题,提出了一种基于红外偏振的特征提取与小目标检测方法。首先,利用人工目标和自然背景偏振特性的差异,建立了目标与背景的红外偏振信息模型,分析了其中强度信息和偏振信息的构成以及目标偏振信息的提取与增强办法。然后,将斯托克斯矢量、部分偏振光分解、变偏振理论相结合实现了目标偏振特征的提取与背景杂波抑制及随机噪声消除,进而实现了红外小目标的检测。仿真数据实验结果及与现有方法的对比证明了该方法的有效性和可靠性。该方法可用于对抗红外伪装隐身及红外诱饵技术,提升红外目标的探测能力,富有应用价值。     

有监督的高光谱图像伪装目标检测方法

针对伪装目标检测问题,提出了一种有监督的高光谱伪装目标检测方法。以植被型伪装目标为研究对象,在分析伪装材料与绿色植被光谱之间特性的基础上,先通过光谱重排、光谱微分以及光谱差异性增强处理,对植被型伪装材料与真实植被（背景）之间的光谱差异进行放大,然后利用主成分分析（PCA）变换进行降维,从而实现了一种适用于大面积植被型伪装目标的高光谱检测方法。实验结果表明,该检测方法在检测时间和检测效果上要优于基于加权的约束能量最小化法（WCM-CEM）和基于非监督目标生成处理的正交子空间投影法（UTGP-OSP）。     

基于HSV颜色空间的自适应性运动目标检测

格拉斯曼尼(Grassmannian)算法是一种可以由高度不完整信息追踪子空间的在线学习算法,它在视频运动目标跟踪时具有鲁棒性和低复杂度等优点,可以应用在视频前景与背景的实时分离的情况.针对格拉斯曼尼算法在前景分离中,面对室内全局光线突变会产生大量噪声的问题,提出了一种优化的预处理方法.通过HSV色彩空间变换对视频进行阴影检测,根据阈值判断光线变化情况并自适应调整前景内容,最终实现在光照变化情况下的运动目标检测,并有效去除了原格拉斯曼尼算法在光线突变会产生的大量噪声,提高了对光照变化的鲁棒性.     

于Ohta颜色空间的火焰检测

为了提高火焰检测算法的准确率和满足实时性的要求,在分析火焰颜色特征的基础上,提出一种基于Ohta颜色空间并利用最大熵阈值分割法改进的火焰颜色特征模型.该模型可有效提取疑似火焰区域,然后通过光流法分析火焰运动方向特征,进一步判断是否有火灾的发生.实验结果表明,该算法具有较好的实时性,能够有效地提高火灾识别的准确率,降低误检率,在日常消防系统中具有重要的应用价值.