海上小目标检测的视知觉方法

针对海上小目标检测问题，提出采用基于视觉非线性的图像分割方法，同时结合最佳分割区域自动调整算法，获得海上小目标的优良分割结果，并利用目标背景间存在较强反差这一先验知识，从分割所得二值图像中确定真实目标，算法中同时考虑了对亮、暗目标的处理，因而对目标的灰度变化不敏感，大量经上小目标检测的实验结果证实了本方法的有效性。     

结合目标检测的小目标语义分割算法

卷积神经网络(Convolutional Neural Networks,CNN)可以提供比传统分类算法更强大的分类器并且能够自学习得到深层特征,有效地提高了图像语义分割的准确性.然而,基于CNN的语义分割算法依然存在一些挑战,例如在复杂场景中现有较优的方法较难分割小目标.为了解决复杂场景下小目标分割的难题,提出一种结合目标检测的小目标语义分割算法.与现有较优方法不同的是,该方法没有直接利用单个神经网络模型同时分割单幅图像中的小尺寸和较大尺寸目标,而是将小目标分割任务从完整图像的分割任务中分离.算法首先训练一个目标检测模型以获取小目标图像块,然后设计一个小目标分割网络得到图像块的分割结果,最终根据该结果修正整体图像的分割图.该算法提升了语义分割数据集的总体性能,同时能够有效地解决小目标分割的难题.     

航空图像的分割与定位算法研究

通过航空图片的图像分割和特征提取，对几种分割算法进行了比较。通过比较发现，当图像的目标与背景的灰度值相差比较大时，用多阈值的灰度分割方法来获取目标I而当图像的目标与背景的灰度值相差不大时，使用模糊差影滤波算法可获得理想的分割结果。同时，对采用多阈值分割方法后的图像进行目标定位。结果表明，对于复杂航空图像，该算法分割效果好，噪声小，定位算法简单，定位准确，有较好的应用前景。     

基于模型的FLIR图像的多分辨率分割方法

针对低对比度前视红外（ＦＬＩＲ）图像分割问题的特点，将多分辨率图像处理技术与基于模型的前视红外图像分割方法结合起来，提出了基于模型的ＦＬＩＲ图像的多分辨率分割方法．首先建立一金字塔结构的多分辨率图像集，然后在每一固定分辨率级别上使用基于模型的ＦＬＩＲ图像分割方法，并用低分辨率上的分割结果修正高分辨率上迭代的初始概率，最后在原ＦＬＩＲ图像中得到分割结果．该方法能得到更为精确的目标分割结果，并大大减小背景对分割图像的干扰，同时还加快了选代的收敛速度．对实际红外目标图像的分割结果证实了本算法的有效性．     

利用计算机视觉检测家蚕微粒子病的改进研究

在家蚕微粒子病显微图像自动识别图像分割问题中，首先应从显微图像中将微粒子从复杂背景中提取出来．由于显微图像对比度差、光照不均匀及噪音等因素的影响，采用传统的阈值分割方法和边缘检测方法不能顾及到图像局部的实际有用的目标信息，因此很难准确提取微粒子孢子区域．利用数学形态学的方法根据微粒子图像的形状特征来检测微粒子区域，实现微粒子和背景的分割，取得了较好的效果．运用基于遗传算法的BP网络进行了识别和分类，结果证明此方法是有效的．     

基于全景视觉的海上救助机器人

针对海上搜救的背景,研究了基于全景视觉的移动机器人进行海上救助的关键技术。首先,提出了基于颜色模型的图像分割方法,运用区域增长的方法处理分割图像并进行目标定位。然后,配合声纳传感器对目标进行准确的抓取。最后,通过实验检验图像分割和目标定位的精度,验证了该方法运用到海上救助系统的可行性。     

红外序列图像中运动小目标的检测

研究了红外图像运动小目标检测及跟踪问题．首先利用向量小波的优良性质对运动图像进行预处理,然后经Fisher算法分割出可疑目标,再根据红外小目标的运动特性,采取邻域分析并结合对运动目标在速度平面上的拟合直线分析的方法,可以准确提取和跟踪运动小目标．模拟实验表明了算法是有效的,并且适用于目标遮掩或某一帧偶尔丢失目标的情况．     

基于OTSU分割的云层背景下弱目标检测算法研究

在各种背景的弱目标检测算法研究中,采用了最大类间方差(OTSU)分割的检测算法,对于不同大小的目标提出了两种不同的处理方法.在背景简单的小目标的预处理中利用中值滤波和OTSU相结合的方法;对于背景相对复杂的大目标的检测采用自适应门限、拉普拉斯(Log)滤波和OTSU分割的检测算法,把目标提取出来.自适应门限用于增强图像,使图像的背景灰度变得均匀;Log高通滤波器可以有效地去除背景;OTSU是经典的非参数,无监督自适应阈值选取方法,对图像经过阈值分割后,图像将变成包含少量可能目标点的二值图像.仿真实验表明:该算法能够有效地去除背景天空的强浮云,具有计算量小等优点,能够很好地检测出目标.     

基于最佳阈值分割的舰船目标检测方法

提出了一种基于最佳阈值分割的舰船目标检测方法,该方法通过构造分割阈值集合,并搜索特征约束条件下的最佳分割阈值进行目标分割,从而实现目标与背景区域的成功分离.使用该方法对不同卫星来源、不同分辨率的24 523幅光学遥感图像和516幅SAR图像进行了实验,对于1 155个目标图像的检测率高于95.0%,同时虚警率保持在较低水平,表明该方法对于遥感图像中的海上舰船目标检测效果较好、适应性强.     

一种新的红外舰船图像分割方法

为了能够较好地分割出舰船目标，实现后续的目标检测和识别，提出一种基于显著性检测的红外舰船图像分割方法。首先利用AC算法和FT算法对图像进行处理，将两种方法处理后的显著图合并，提高目标轮廓亮度，然后利用选大恒虚警检测的原理对图像进行二值化分割。通过对比其他几种分割算法，证明此算法有更强的抗干扰能力，分割效果更好。     

基于局部密度聚类的雷达目标散射中心区域分割

散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅SAR图分解为多个包含散射中心的小区域,对每个小区域分别进行特征提取和参数计算。根据雷达目标散射中心的特点,本文提出了一种基于局部密度聚类的雷达目标散射中心区域分割技术。首先,首先对雷达图像进行Frost滤波、LSM图像分割和面积滤波的一系列图像预处理获得目标ROI区域,然后对预处理后的图像利用局部密度聚类算法检测散射中心并进行区域分割。实验中,采用模拟数据和真实数据对本文方法和传统图像分割算法展开数值实验,实验结果验证了本文方法在雷达目标散射中心区域分割的有效性和优越性。     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

基于视觉感知的模糊C均值聚类算法

针对传统模糊C均值聚类算法对结构复杂图像分割效果不理想的问题,提出一种基于视觉感知的模糊C均值聚类算法.首先,在分析视皮层神经元感受野性质的基础上,建立视神经元细胞响应函数来计算图像的结构特征.其次,定义一种斜坡函数从仿生学的角度来模拟人眼对相对亮度变化的感知,用来计算图像中像素点与聚类中心点之间的差异.所提模型充分考虑了邻域刺激对中心神经元影响的方向性、位置相对性和周期性,比较精确地描述了图像的结构信息,有效地抑制了噪声和复杂纹理的干扰.实验结果表明,本文算法克服了传统模糊C均值聚类算法的缺点,实现了具有复杂背景图像的精确分割.     

复杂背景下结合颜色和分形特征的多目标检测

针对复杂自然背景下的多目标检测,提出了结合颜色和分形特征的多目标检测算法.将RGB颜色空间转换到Lab颜色空间,采用改进K-means聚类算法,去除大片背景区域,计算区域分形维数和分形拟合误差.两种分形特征相结合能够准确排除小面积背景奇异区域的干扰,检测出待测图像中的多个目标.仿真结果表明:该算法能够正确检测出复杂自然背景下的多个目标,对彩色图像分割后的保留区域求分形特征,避免了搜索目标带来的计算量.相比于对全图提取分形特征的方法,本算法在时间上缩短约80%.     

基于显著图的遥感图像多分辨区域生长分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,本文提出一种基于显著图的遥感图像多分辨区域生长分割方法.该方法利用亮度、颜色、方向三个特征金字塔生成显著图,通过视觉选择注意模型自动选择注意区域作为种子区域.从能分辨种子区域的最大尺度开始区域生长,直到0尺度,从而分割出对遥感图像中感兴趣的区域.实验结果表明该方法能有效地从遥感图像中分割出视觉注意的区域,且有较快的速度.     

基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP(Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。     

一种改进的PCB板缺陷检测分割算法

针对PCB板缺陷检测分割中存在分割效果差、运行速度慢以及适用范围小的问题,提出一种改进的基于遗传算法的二维最大类间方差法的快速迭代算法。首先利用改进的遗传算法来确定分割中的最优阈值,再将这个最优阈值应用到二维最大类间方差法快速迭代算法中来确定最终的阈值最优解,从而完成分割。仿真实验表明,该算法分割的PCB图像,更加接近于人工标注的结果,最终的精度和Kappa系数达到了98.68%和0.9706。具有广泛的应用前景。     

红外序列图像中运动小目标的检测方法

研究红外图像中运动小目标的检测和跟踪问题．根据红外图像中背景干扰和噪声的特点,采用梯度倒数加权低通滤波器对图像进行滤波．在目标分割和标记后,沿目标轨迹进行能量积累以搜索和跟踪小目标．实验结果表明,该方法能极大地提高实际红外目标图像的信噪比,改善目标分割效果,能有效地进行小目标的检测和跟踪,尤其适用于目标遮掩或偶尔出现目标丢失的情况．     

融合边缘检测的 3D 点云语义分割方法研究

针对点云分割中分割目标不明确,边缘不清晰,全局特征与边缘特征未能有效融合等问题,提出 了一种融合边缘检测的 3D 点云语义分割算法。 首先,通过 3D 点云语义分割网络对点云数据进行初步提取 区域内的全局语义特征;然后,采用引入了注意力机制的语义边缘检测网络,能够更好地对点云数据中的物 体进行特征提取增强,抑制非边缘信息的产生,得到了具有丰富的语义信息的边缘特征;最后,通过融合模块 将属于同一物体的语义特征融合起来进行分割细化处理,使得分割目标更精确;此外,使用了双重语义损失 函数,使网络产生具有更好边界的语义分割结果。 通过搭建实验平台和使用 S3DIS 标准数据集进行测试,改 进后的算法在数据集上的平均交互比为 70. 21%,在精度上较 KPConv 语义分割算法有所提高。 实验结果表 明:该算法能够有效改善物体边界分割不清晰、边缘信息模糊等问题,总体分割性能良好。     

弱可视环境下象素级多传感器图像自动分割方法研究

象素级多传感器图像分割容易受到外界环境的干扰,在弱可视环境下将丢失大量分割图像的边缘信息,导致分割效果差,分割效率低。为此,提出一种新的弱可视环境下象素级多传感器图像自动分割方法,通过Retinex算法对弱可视环境下象素级多传感器图像进行增强处理。介绍了PCNN图像分割方法的基本原理,通过PCNN方法对输入原始图像进行迭代,对输出结果和输入图像进行“与”运算,获取PCNN一次迭代的象素级多传感器图像,求出迭代后图像的最小方差比,计算出该次最小方差比与上次迭代最小方差比的差值,依据该差值判断是否继续迭代,将最终的输出结果看作象素级多传感器图像的最佳分割结果。实验结果表明,所提方法具有很高的分割效率,且分割效果佳。