基于分形和模糊滤波的红外烟幕背景中人造目标的识别

章分析了红外烟幕图像中背景与目标特征的差别，采用分形维数和分形拟合误差作为烟幕背景与人造目标的区分特征，用模糊滤波的方法确定分割门限，实现了分形识别算法并对目标图像进行了处理，结果表明能够较好地从烟幕背景中检测出人造目标。     

一种基于多尺度分形新特征的目标检测方法

研究复杂自然背景下单帧图像的小目标检测问题.根据人造目标的分形特征随尺度变化比自然背景剧烈这一特点,提出一种多尺度分形新特征.该特征比标准分形维数更好地突出自然背景中的人造目标,对三种图像不同的背景干扰起到了较好的抑制作用.在多尺度分形新特征图像中采用局部直方图统计方法进行目标检测.实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和普适性,能从单帧图像中较好地检测定位小目标,检测准确率达95%以上.     

结合SVM和分形维数的多特征红外人造目标提取

研究了红外图像中人造目标的提取.首先,通过计算红外图像目标的分形维数确定红外目标和背景的大致区域;然后,分别提取目标图像和背景图像的灰度级特征(邻域中心像素亮度、邻域中值亮度和邻域平均亮度),再利用支持向量机(SVM)进行训练,并尝试用不同的核函数及其参数建立最适当的区分目标和背景像素点的模型,进而把红外图像像素点分成目标和背景2类;最后,利用构建的模型实现红外图像中人造目标的提取.实验结果表明,用该方法建立的分类模型可以有效地提取红外图像中的人造目标.     

基于小波变换及分形特征的目标检测与识别

提出在对图像进行小波变换的基础上提取图像的分形特征，即通过小波变换对图像进行频域上的分割，使得对图像的描述更丰富，对各频段上的细节图像分别求分形维数组成联合特征矢量，有利于迅速准确地将目标从复杂的自然背景中分离出来，实验结果表明，这种方法能够有效地区分人造物体和自然背景，但计算量较大。     

基于小波多尺度扩展分形特征的目标检测方法

研究复杂自然背景下的小目标检测问题,对Kaplan的扩展分形特征进行改进,使其对目标尺寸具有一定的适应性·考虑自然背景和斑点状人造目标在水平、垂直方向特性,利用小波分析良好的方向选择性,通过多级小波分解互能量交叉,在两个方向上有效地增强目标、抑制背景干扰,从而提出一种基于小波分析的多尺度扩展分形特征·实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和适应性,能从单帧图像中较好地检测出小目标,具有检测速度较快、易于实现的特点·     

基于二维直方图变换的红外烟幕遮蔽下目标图像增强

根据红外烟幕遮蔽条件下目标热像的特征,就利用一维直方图均衡化增强方法的对比度和清晰度不高以及损失图像细节的缺点,提出了一种基于二维直方图变换的目标热像增强方法;该方法充分利用了热像的高相关性特点,得到了较好的对比度和清晰度,保留了图像细节。采用该方法可以有效地改善目标红外像,使烟幕遮蔽目标的帧数减少10帧以上,显著减少了烟幕背景对目标的遮蔽时间     

基于分维像的红外弱小目标检测方法

针对红外图像的特点及分形分维的特性,提出了基于分维像的红外弱小目标检测方法.用滑动窗口在红外图像上滑动,根据分形布朗运动计算出窗口分维作为该窗口中心像素的分维,这样就可以计算出图像每一像素的分形分维,并以此为元素构造成分维像.在分维像中,人造目标的分维值小于自然背景的分维值,适当地选取阈值就可以把目标检测出来.实验结果表明,用分维像的方法检测红外目标可以取得很好的效果.     

基于分形的人造目标与自然物体区别

提出一种基于物体分形特征的人造目标与自然物体的区分方法.该方法根据人造目标和自然物体的固有差异,将分形维数作为估计表面粗糙度的一个重要参数,结合“毯子”维算法来计算物体表面粗糙度.该算法快速、简单、有效.实验表明,人造目标的分形维数较低,自然目标的分形维数较高,用此算法计算物体分形维数区别人造目标和自然物体是可行的.     

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%.     

一种计算图像分形维数的有效方法

分形维数是一个很有价值的特征,可用来描述粗糙的、具有自相似特征的图像.这些特征已经被用在纹理分割、图像压缩、形状分析以及其他方面.文中提出了一种有效的局部盒维数的计算方法,并用它来提取图像的局部分形特征.用人造图像和自然纹理图像做实验,把它与其他5种计算分形维数的方法比较,结果显示该方法既精确又有效.     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

小波域分形预测视频编码

把２Ｄ小波域分形预测编码原理扩展到３Ｄ视频,首次将方向性零树小波概念应用到视频压缩编码,提出了基于方向性零树小波的分形预测视频编码算法,给出了具体的编码／解码结构、实现方法、实验结果。     

基于内容的分形视频压缩方法

在小段视频播放中背景经常都是不变的,而只有前景对象在变动.针对视频这种特性,把视频压缩新标准MPEG-4中基于内容的概念与分形视频压缩编码相结合,提出了一种新的压缩方法———基于内容的分形视频压缩方法.该方法先将视频序列分割出前景对象与背景对象,然后分别针对分割出来的前景对象与背景对象进行压缩,而此时背景就可以只压缩一帧或者关键几帧.实验结果表明针对大背景的视频图像,该方法能够在保证压缩质量的情况下大幅度地提高压缩比.     

基于迭代技术的图像轮廓提取方案的研究与实现

图像轮廓提取算法通过识别每个像素在其邻域内灰度的变化而检测出图像的边缘;但由于图像的复杂性和随机性,特别是自相关性强烈的图像,其微结构往往是十分复杂的。典型的轮廓提取算法已经无法直接用于其图像轮廓的提取,而且几乎无法从图像中提取到较为清晰的目标轮廓。对此,提出一种新的基于迭代技术的图像轮廓提取方案来改善;并通过VC++6.0软件进行验证。首先使用分形技术方法对图像进行了处理,噪声干扰因素得到了有效的降低;通过这样的办法净化了图像背景并增强了图像元素之间的差异度。然后对图像进行微分提取算法的轮廓提取。结果表明:传统图像边缘提取技术与分形迭代技术结合起来的新方案能够有效的区分图元颗粒的形态,可以从自相关性强烈的图像获得比较清晰的轮廓,从而更清晰地揭示图像组成元素的图元结构。该方法对图像处理范畴的拓展以及图元微结构的识别判定都有积极的指导意义。     

双波段红外图像融合的小波分维算法

针对双式红外(中红外和长红外)提出了一种基于小波的分维融合算法.通过小波变换,分别对中波红外和长波红外的两幅图像进行小波分解,在小波变换域低频部分对小波系数用能量融合,高频部分采用分形分维进行融合,得到变换域中各个频带的融合图像,然后反变换进行重构,获取融合后的图像.实验结果表明,根据用分维进行数据融合的方法来确定两幅不同原图像在融合图像中所占的信息比例,可以有效地保留两幅原图像的边缘和纹理特征,避免融合图像平均化而出现的模糊现象,融合后的图像综合了两幅原图像的不同特征,使得处理后的图像更容易识别.因此,提出的双波段红外图像的小波分维融合算法是有效的,并且可以取得较好的效果.     

基于多尺度分形维数的汉语语音声韵切分

针对低信噪比环境 ,提出一种汉语语音声韵母切分新方法。以语音信号非线性产生机制中存在混沌特性为依据 ,将普通分形维数扩展为多尺度分形维数 ,用于考察语音信号在不同最大观测分辨率下的局部自相似性。利用稳定声韵母段及其之间过渡段在多尺度分形维数上的不同特性能较好地区分二者。由此针对汉语音节“声母 +韵母”的结构特点设计了一种简单而高效的汉语语音声韵母切分方法。在干净语音测试集下测试 ,切分正确率为 95 .2 % ;在信噪比为10 d B的噪声环境下 ,正确率达到 82 .3%。