基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义,给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法,同时利用分割后目标和背景区域的灰度信息和局部熵信息,设计了一个判断是否得到正确分割的准则,通过迭代循环,完成对图像的自动分割。实验结果表明,本文算法自适应性强,可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

一种多像素图像边缘提取方法

提出了一种基于相邻像素间的灰度差异来提取图像多像素边缘的方法.对一幅256×256大小的图像进行边缘提取需要的时间约0.22 s,分别比Prewitt算子和Robert算子少了26%和34%.算法改进后,较完整地提取了图像的竖直边缘和水平边缘,这些边缘在Prewitt算子和Robert算子的提取结果中是不可见的.经细化算法后,得到了图像清晰、位置精确的单像素边缘图像.研究表明,本文的多像素边缘提取等诸方法具有模型简单、实时性强等特点,且便于实现.     

弱小目标跟踪中利用样条曲线逼近的数据处理算法

弱小目标检测获得的量测数据由于各种不可预知因素的影响,包含了大量的误差和野值.同时由于系统和算法的敏感,微小的数据跳变就可以对目标信息的预测结果造成严重影响,引起跟踪偏差.针对这个问题,提出了一种利用样条逼近的分段多项式拟合思想和目标运动连续性的递推差分更新预测方法.首先根据样条函数和目标运动模型对已有数据进行平滑和预测,然后利用预测结果处理后续数据.这种方法能够实时地对目标信息数据的变化趋势进行更新,削弱误差和野值的影响,并根据此趋势预测后续数据.实验结果表明:此方法对存在突变的目标坐标数据具有很好的修正预测效果.     

Off型感受野研究及在红外图像处理中的应用

论证了感受野(RF)学说和侧抑制(LI)理论的本质一致性，引入医学领域眼球微动现象，在视觉瞬间，指出物象斑将不可避免地交替出现在On型感受野(On-center RF)和Off型感受野(Off-center RF)之间，据此提出了新的视觉机理假说，描述了Off型感受野的特征，并建立描述Off型感受野的数学模型，基于此模型探讨了新的边缘检测算法，应用于军事红外图像处理，显示了该算法的快速性以及对目标几何特征的放大能力。     

一种快速的目标骨架提取算法

提出了一种已知骨架点邻域骨架点的判别准则,首先确定邻域骨架点的大致位置,根据图像离散化的特性在大致位置附近进行骨架点的精确判断,据此可以直接判别初始骨架点邻域的骨架点,以此生成目标的整个骨架结构.同时利用曲线演化与最大圆弦长的方法进行骨架的多尺度控制.算例研究表明:该算法保证了目标骨架的连通性与单像素性,而对骨架的多尺度控制能较好地表示图像中的视觉重要成分,且算法的运算复杂度是骨架点数级的,大大提高了运算速度,为将目标骨架应用于实时目标识别提供了支持.     

形态学增强的连接相对熵在自动目标检测中的应用

提出了一种基于多尺度形态学和连接相对熵的红外图像自动目标检测方法;它首先对目标红外图像进行多尺度形态滤波,消除背景和杂波的影响同时增强目标的对比度,然后采用连接相对熵准则确定区分目标和背景的最佳门限,最后对得到的二值图再进行形态滤波,得到精确的目标分割图像.实验结果表明该方法具有一定的鲁棒性和自适应性,能够实现目标的自动、非参数化的有效检测,且效果良好,便于下一步的目标识别和跟踪.     

对数极坐标变换在景象匹配制导中的应用

针对成像制导中对实时性和准确性的要求,提出了一种基于对数极坐标变换的图像抗旋转和尺度变化的LMA算法。在图像匹配过程中用LMA算法对两幅图像透视变换矩阵的8个未知参数进行拟合。匹配过程中用多分辨率金字塔法对图像进行分解,采用由粗到精的搜索策略,减少计算量并避免了误匹配。通过对照片进行匹配测试,证明了这种方法的有效性和实用价值。     

一种新的红外焦平面阵列盲元检测方法

提出了一种基于滑动窗口的自适应阈值盲元检测方法.该方法首先以某一像元为中心进行加窗,计算加窗后的均值与标准差,然后通过比较窗口中心像元灰度与均值的偏差是否大于3倍标准差来判断其是否为盲元.仿真结果表明,该方法查找速度快、定位准确,是一种比较实用的现场盲元检测方法.     

一种改进的图像中脉冲噪声滤波方法

提出了一种估计脉冲噪声强度的方法,并针对传统中值滤波(MF)法在去除脉冲噪声时存在的不足,给出了一种由噪声检测和噪声滤波2个阶段组成的图像滤波方法.实验结果表明,采用本文估计方法获得的噪声强度偏差较小,噪声滤波方法能在有效去除噪声的同时保持图像的边缘.     

侧抑制在红外噪声图像配准中应用

图像特征配准主要使用边缘,而红外图像边缘呈渐变性,且信噪比低.首先提出了使用非循环侧抑制网络对图像进行增强处理,并改善了侧抑制模板系数矩阵,提高了红外图像信噪比.其次对使用欧氏距离进行相似度度量函数进行了改进,最后使用了蚁群算法对配准参数寻优.仿真试验表明了算法的有效性.