基于框架的远距红外桥梁目标识别

针对远距红外图像中桥梁目标的特征,提出了一种基于知识框架的桥梁目标识别算法,由于远距红外桥梁图像背景复杂,干扰大,同时目标在图像中所占区域小,采用基于整幅图像的全局算法是不现实的,因此,依据桥梁的特征,先检测潜在的桥梁点区域,然后对这些局部区域进行考察分析,根据其与预先建立的知识框架实例匹配程度的不同赋相应的置信度,从而去除虚假目标,找到真正的桥梁,实验证明这种局部的处理算法对远距桥梁目标的识别是有效的。     

基于视觉注意机制的红外弱小目标检测

提出了一种基于视觉注意机制的红外小目标检测算法.通过形态学Top-hat算子对图像背景进行抑制,并根据目标与周围背景的对比度不同生成显著图后分割出目标感兴趣区,在感兴趣区域内对每帧图片在尺度空间采用Dog算子处理提高图像信杂比,获得具有较大信杂比的点.为避免目标在帧中消失,采用PID算法跟踪目标点,在可疑目标点周围小区域内采用视网膜皮层理论(Retinex)算法对图像局部区域增强再重新分割出目标.实验证明:该算法能有效对红外小目标进行检测,算法在不同背景的图像检测性能都趋于稳定,当目标融于背景时,能很好地将红外目标检测出来.     

红外图像序列运动小目标的图像流检测法

提出了一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法，首先利用两步分离法对图像进行预处理，筛选出少量的候选运动目标，然后利用图像流模型建立目标的运动约束方程，在多帧连续图像中检测出真正的目标运动轨迹，实验结果表明，该算法能够对小目标甚至是点目标的运动进行可靠检测。     

基于红外图像的绝缘子串自动提取和状态识别

为解决目前绝缘子低零值检测方法漏判率高、操作繁琐的问题,提出了一种新的绝缘子串红外图像中绝缘子盘面和铁帽区域自动提取方法和状态识别模型.首先将现场拍摄的绝缘子红外图像进行灰度化处理、去噪、二值化;然后从二值图像中提取反映绝缘子的特征点集合;通过特征点对二值图进行角度校正;最后通过区域提取中的特定算法提取出绝缘子的盘面和铁帽区域.通过提取该区域内的绝对温度、纹理和相对温差率作为绝缘子状态识别的特征集.将用电压分布法测得的绝缘子状态信息作为输出向量,通过训练得到优化的识别模型,用于绝缘子状态识别.该方法经过了220kV试验验证,证实了模型的有效性和实用性.     

基于不变矩的前视红外图像机场目标识别

根据远距离前视红外图像中机场跑道的成像特点,提出了一种基于仿射不变矩的红外序列图像机场目标识别方法.该方法对图像进行多次双阈值分割,搜索分割图像中各潜在目标区域轮廓链,计算其仿射不变矩和目标背景梯度特征,并利用前后帧目标大小的约束关系等先验知识,对各候选目标区域进行识别,最终获取机场目标.试验结果表明:该算法对复杂背景下的远距离前视机场目标的正确识别率优于96%,误识率低于2%.     

基于目标提取和小波变换IHS图像融合算法

针对传统的IHS(Intensity-Hue-Saturation,强度-色调-饱和度)融合算法会使部分光谱信息丢失,提出一种基于目标提取和双正交小波变换的IHS图像融合算法,主要应用于红外图像与可见光图像的融合.算法首先采用基于区域能量的算法在红外图像进行目标提取,将目标图像与可见光图像进行IHS融合.对融合后的图像进行小波变换,变换得到的高频分量与低频分量分别提出适合的改进融合规则.通过实验数据分析,该算法得到的图像包含的信息更多,图像的清晰度更高.     

复杂背景下序贯显著性特征海面目标检测算法

根据人眼视觉显著性注意机制，提出基于序贯显著性特征的目标识别算法，把复杂背景下的目标识别问题转化为多特征的融合识别，将目标识别过程分成感兴趣区域检测和感兴趣目标检测两个子过程，并建立序贯显著性特征目标识别算法模型，序贯提取复杂图像区域的显著性特征，逐步缩小感兴趣区域范围，然后以基于D-S证据理论的多特征数据融合方法，通过多特征综合置信度的估计与分析，完成可靠的目标识别．试验研究表明，针对复杂背景下海面舰船目标，在相同的虚警概率下，该算法的检测概率比单一的不变矩算法和基于纹理特征算法平均要高20％．     

红外图像序列运动小目标的图像流检测法

提出一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法．首先利用两步分离法对图像进行预处理,筛选出少量的侯选运动目标,然后利用图像流模型建立目标的运动约束方程,在多帧连续图像中检测出真正的目标运动轨迹．实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠检测．     

基于灰度共生矩阵和区域生长算法的红外光伏图像分割

随着光伏产业的迅速发展,这种光伏新能源在各个方面正扮演越来越重要的作用,因此对光伏面板的维护和状态监测就变得尤为急切。而对光伏面板红外图像的分割是后期对光伏面板故障检测的基础。因此,针对红外光伏图像对比度低、信噪比低等特点,本文提出一种改进的区域生长算法结合灰度共生矩阵(GLCM)的纹理特征和图像的梯度特征对红外光伏面板图像进行分割,该算法通过图像的梯度特征和灰度共生矩阵的熵特征对原始红外光伏图像进行预处理,获得梯度特征和熵特征图像加权叠加后的预处理图像,然后再利用红外图像灰度直方图分布集中的特点,针对需要人工干预进行种子点的选取,实现自动进行种子点的选取,同时对区域生长准则进行改进,使其能够自动的调整生长阈值,从而可以分割出光伏面板区域。实验结果表明,本文算法相比OTSU和K-means聚类算法分割效果更好且更接近手动分割的目标区域。     

基于参考点的图像可变目标快速检测方法研究

提出一种基于参考点的改进的滑动窗目标检测算法.采用不同的分割方法对图像进行分割,使某一分割接近真实目标位置,并将左上角点标定为参考点,然后将分割区域的模型作为底层检测器,并只在参考点上进行模型的训练和测试,以期缩短检测时间.对来自互联网的图片实验表明,在超过60%的检测类别上,改进的方法检测正确率都优于穷举法.     

复杂背景下改进的红外弱小目标检测

许多研究者关注红外弱小目标检测领域并进行过种种探索，然而复杂背景下检测的难题始终未得到满意的解决。复杂背景下的杂波难以消除，目标检测无法得到显著结果。为此，本文提出了一种基于高升压滤波器的加权三层窗口目标检测算法HB-WTLLCM（High-Boost Weighted Tri-Layer Local Contrast Measure），针对复杂背景的目标检测进行目标增强，从而提高检测率。本文算法首先利用改进的高升压滤波器对红外原始图像进行预处理，再利用三层嵌套窗口，根据目标形状进行局部对比度增强。最后引入一种基于复杂度评估的加权算法，进一步进行目标增强和随机噪声抑制。实验数据显示，本文提出的算法相比于主流算法在多建筑、多树木的复杂背景下目标增强能力更强，检测率更高。上述结果提示，本文提出的HB-WTLLCM算法对于复杂场景下红外弱小目标进行检测具有一定优势。     

基于视觉注意机制的实时红外小目标预检测

在红外小目标检测中引入视觉注意机制,以计算机量较小的预检测为代价减少了目标检测的区域,在注意机制中采用 非线性采样模型,并利用相邻采样点形成显著性图,实验证明基于注意机制的预检测能有效地提高系统的计算效率,同时也具有一定的抗噪能力,可用于噪声环境中的小目标检测。     

实时红外小目标预检测中注意机制分析

针对用于红外小目标预检测的基于局部对比度的注意机制,分析了其非线性采样模型参数与预检测生成的显著性图中目标／背景信噪比的关系,为模型的参数选择提供了理论依据。同时,在分析预测算法计算量的基础上,比较了采用该预检测算法和不采用预检测算法的小目标检测之间的计算量差异,证明了采用预检测算法可以大大提高小目标检测的计算效率。     

一种动态融合的目标识别与跟踪算法

针对红外图像序列的特点,提出一种动态融合的目标识别与跟踪算法。由图像序列中的运动信息对目标进行提取,得到自适应波门所需的起始波门和灰度双阈值,以及匹配算法所需的基准模板,其后的跟踪, 融各算法为一体,分时机、分场合地给予灵活运用。最后,以实测的红外图像序列对文中提出的算法进行仿真实验,结果表明该融合算法的可行性与有效性。     

基于多重检测及双权值的椒盐噪声自适应滤波算法

提出一种针对椒盐噪声的扩大窗口多重检测及使用双权值的自适应滤波算法.采用对可疑噪声扩大窗口进行多次重复检测来提高对噪声的判别,采用基于图像整体相似度和像素相似度的两种权值构造加权滤波函数,采用噪声剪切和自适应窗口实现滤波.实验表明,算法对不同密度的椒盐噪声具有良好的适应性,在高密度噪声下去噪效果有明显改善.     

基于多重检测及双权值的椒盐噪声自适应滤波算法

提出一种针对椒盐噪声的扩大窗口多重检测及使用双权值的自适应滤波算法。采用对可疑噪声扩大窗口进行多次重复检测来提高对噪声的判别,采用基于图像整体相似度和像素相似度的两种权值构造加权滤波函数,采用噪声剪切和自适应窗口实现滤波。实验表明,算法对不同密度的椒盐噪声具有良好的适应性,在高密度噪声下去噪效果有明显改善。     

基于虚警识别与空-频域显著性映射的红外弱小目标检测算法

为了提高复杂背景与低信杂比率环境下的弱小目标检测准确度,有效控制虚警的干扰,考虑真实目标与背景的差异,设计了虚警识别耦合空-频域显著性映射的红外弱小目标检测算法。首先,根据红外中心像素在不同方向的强度,基于中值滤波器,构建了新的噪声滤波方法,充分抑制红外背景中的噪声干扰。随后,考虑中心像素与其邻域像素间的强度差别,设计背景抑制滤波机制,消除背景信息。根据初始红外图像与背景抑制结果,在空域内计算灰度映射。基于Fourier变换的相位谱,在频域内提取红外目标的显著性映射。利用背景的均值与方差,通过一个滑动窗口,建立候选目标检测方法,从灰度映射与显著性映射中确定候选目标。最后,利用真实目标位置的相关性,建立虚警识别方法,从候选目标中消除虚警,以保留真实弱小目标。实验数据表明:较已有的弱小目标识别技术而言,在复杂干扰背景下,所提方案可准确定位出真实目标,拥有更大的信杂比增益值与背景抑制因子,以及更好的ROC(receiver operating characteristic curve)特性曲线。     

基于目标检测的红外和可见光动态图像融合

提出一种基于运动目标检测的红外和可见光动态图像融合方法，通过对红外序列图像中的运动目标进行检测，将运动目标信息融合到可见光序列图像中。试验结果表明，文中算法所得到的融合图像能够综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息，有利于安全监视人员进行目标识别和情景感知。     

红外序列图像点目标检测的一种方法

针对红外图像中点目标的特点和实际应用条件,提出了一种基于红外序列图像和过抽样小波变换的点目标检测方法,它先对单帧图像进行预处理,提取可能的目标点,然后根据序列图像的帧间相关性和目标运动的连续性来实现运动点目标检测,实验结果表明,此方法对检测红外图像中的点目标效果较好。     

一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究

针对基于视觉注意模型的检测算法只能检测到图像中的感兴趣区域,无法准确地提供目标的轮廓和位置的不足,提出了一种基于改进视觉注意模型和图像局部自相似性的目标自动检测算法。通过增加运动速度和运动方向特征改进了经典的Itti视觉注意模型。利用改进的视觉注意模型提取感兴趣区域,提高了视觉注意模型的检测能力。再利用图像在边缘处具有良好的局部自相似性,实现了基于图像局部自相似性的目标检测算法。实验表明,算法能快速检测到图像中的目标感兴趣区域,并对其进行精确分割和定位。