基于自适应形态学Top-Hat滤波器的红外弱小目标检测方法

针对红外序列图像中运动弱小目标的检测问题，提出了一种基于自适应形态学Top-Hat算子和改进的自适应门限的弱小目标检测方法，其中形态学滤波嚣的结构元素采用两层前馈神经网络通过大量样本训练优化．将Top-Hat运算作为一个整体当作一层，输出层节点定义为作Top-Hat运算后图像矩阵的最大值，并针对所检测的大多数弱小点目标采用自适应门限进行分割，同时对SNR〉4左右的点目标用固定门限进行分割．实验结果表明，该方法对SNR较低的复杂图像具有良好的滤波效果．     

基于MATLAB的运动目标检测研究①

基于MATLAB工具对运动目标的检测进行了研究,利用改进的帧差算法对获取的图像做帧差并将帧差图像做自适应阈值分割,然后自适应滤波去燥,最后利用逻辑与运算将两幅二值化图像合并成一幅图像,利用形态学腐蚀和膨胀的检测方法,提取运动物体的轮廓达到检测运动目标的目的。     

一种快速实时的低信噪比红外点、斑点目标检测方法

针对红外弱小目标检测的重要性和困难性,首先采用一次门限进行比较预处理,然后根据目标的特点选取合适的高通模板进行图像空域滤波,滤波后进行自适应门限分割,将低信噪比的红外点目标从罱的背景中分割出来,最后点目标检测方法进行点合并,对同时存在的斑点和面目标进行检测,该算法可有效地减少运算量,可对同时存在的点,班,点,面目标进行实时快速检测。     

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。     

基于场景划分的海天线检测方法

提出一种基于场景划分的海天线检测方法,兼顾显著目标较小、海天线相对完整的简单场景和显著目标较大、海天线缺失严重的复杂场景,提高准确率的同时避免了不必要的时间消耗.采用卷积运算,将预处理图像划分为简单场景或复杂场景,根据划分结果,分别选择合适的方法进行检测.对于简单图像,先用基于图像分块的局部Otsu算法做图像分割,提取突变像素作为边缘,然后采用Hough变换检测海天线;对于复杂图像,在分割后,消除显著目标,并采用形态学滤波运算擦除干扰像素,检测海天线.实验证明:提出的方法可以有效提高海天线检测的准确率,具有良好的场景适应性.     

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．     

基于差分法和概率估计方法的运动目标检测

针对视频序列运动目标检测问题,提出根据灰度直方图概率密度函数特点自动确定阈值的方法,以准确地从背景中分割出运动目标.本文以差分法为基础,利用正态分布的经验法则确定阈值,对差分图像进行分割,并用方框标识运动目标.该方法省去了滤波、形态学处理等冗余步骤,缩短了图像处理的时间.实验表明,该方法实时性强,且对面积较大或较小的运动目标都能达到有效跟踪的目的.     

基于ISAR图像的火箭目标尺寸估计方法

火箭目标尺寸估计具有重要的军事价值,可以此推测火箭型号及用途。文章提出了一种基于逆合成孔径雷达(inverse synthetic aperture radar, ISAR)图像的火箭目标尺寸估计方法。该方法通过图像增强、形态学滤波、图像分割等方法提取出火箭目标轮廓,在此基础上基于直线检测方法自动提取并估计火箭长度。采用实测数据对该方法进行了验证,结果表明,该方法可以由ISAR图像估计火箭目标的实际尺寸,具有较高的应用价值。     

移动目标的自动监视报警方法

为了快速准确地从背景中检测出移动目标,并控制云台对目标进行自动跟踪,提出了一种移动目标的自动监视报警方法。该方法充分利用连续图像特性,采用改进的帧间减影法检测运动,并用差分图像的阈值化方法分割出动目标;进而采用光谱滤波等技术提高图像传感器的探测灵敏度,进一步提高了该方法的作用距离。仿真结果表明,该方法可以有效、准确地对移动目标进行检测和跟踪。     

基于Haralick离散正交多项式曲面拟合的弱小多目标检测方法

提出一种红外弱小多目标图像检测方法,图像先经过中值滤波、高提升滤波增强处理,再用基于Haralick离散正交多项式曲面拟合图像,拟合曲面的极大值点即目标点,可以利用导出的二阶方向导数算子与图像进行卷积得到。对天空、地面背景下低信噪比的红外弱小多目标图像能够有效地分割,增强处理能够有效地抑制噪声干扰。描述了对图像的处理过程,并分析了分割结果。实验表明该算法在执行效率和检测概率上能够取得满意的结果。     

一种基于粗糙度估计的红外小目标检测算法

根据红外图像的特点，提出了一种基于红外图像背景粗糙度的自适应小目标检测快速算法，该算法首先通过对背景的粗糙度的估计来自适应调节LOG算子的两个关键参数；高斯分布因子σ及强度因子k的值，用经过参数调整后的LOG算子进行边缘检测，检测出目标的大致轮廓，根据目标轮廓定出目标的中心点（即种子点），然后由中心点开始进行区域生长，最后得到比较理想的目标分割图像，实验结果表明了该算法的有效性及实用性。     

基于Gabor变换的雷达图像滤波及无监督分割

提出了一种基于Gabor小波变换的多尺度、多方向的SAR图像去除斑点噪声及纹理分割算法．根据SAR图像的特点设计一组Gabor滤波器，对SAR图像进行二维Gabor变换，得到一组滤波后多分辨率、多方向的图像．通过对滤波后的图像分别进行非线性变换，再用非相干均值平滑滤出斑点噪声，并计算每个像素在选定窗口内的能量，以此检测出纹理特征，用均方误差聚类方法得到分割的图像．给出对SAR图像进行纹理分割的满意实验结果，对照试验表明，该方法优于空间灰度共现矩阵方法．     

基于冗余表达的CT图像中金属伪影校正

针对CT图像中存在的金属伪影,提出了一种新的基于冗余表达的校正方法.首先分割出CT图像中的金属区域,将其投影得到金属投影区域;然后从原始投影数据中去除金属投影区域部分的投影数据;最后利用冗余表达的算法恢复金属部分的投影数据,经过滤波反投影后,重建出校正后的图像.校正结果显示,本方法对含有多块金属模体的重建图像的金属伪影有较好的校正效果.     

一种新的棉花根系图像阈值分割方法

为了方便实现棉花原位根系的检测,提出了一种自动全局阈值分割方法,用于棉花根系图像分割.采用无损的数码设备成像法对棉花原位根系图像进行采集,使用自动全局阈值分割方法分割图像.该方法首先将采集到的原位根系图像进行空间转换,使采集到的图像在HSV空间下进行分割;然后,通过全局阈值分割的方法选择阈值将图像进行二值化处理,采用闭运算方法对二值图像进行初步降噪;最后,通过形状特征的筛选过滤图像中所有噪声,并筛选出图像中细长的根部特征.本算法可以有效抑制噪声和土壤杂质的影响,能够对根系进行准确地分割,是快速检测作物根系图像的有效办法.     

基于模糊融合技术的图像恢复方法研究

研究了利用模糊融合技术对白高斯噪声图像进行恢复的方法。分别用均值滤波器和自适应维纳滤波器对噪声图像进行滤波，然后用Sobel算子和形态学中的膨胀操作提取滤波图像的边沿，把所提边沿部分的均值滤波图像和自适应维纳滤波图像利用模糊融合技术进行融合，得到融合图像。理论分析和仿真实验证明本文所提算法得到的恢复图像较清晰。     

基于边缘检测与分裂合并的多区域分割研究

为了使多区域分割后的图像边缘更加清晰，提出了一种将边缘检测与分裂合并法相结合的多区域网像分割方法，其基本思想是用边缘检测算子与分裂合并法分别对同一幅图像进行分割，然后应用信息融合技术将经过上述处理后的两幅图像融合，得到新的图像，在进行图像融合时，采用了像素级和特征级两种融合方法．实验结果表明，该算法可将图像明显地分割成多个区域，且边缘清晰，分割效果令人满意．     

一种有效的运动目标辨别方法

提出了一种利用图像序列中两帧相邻图像从分割所得二值图像的各个候选目标块中确定真实目标的有效算法．背景配准后，可获得背景噪声分布的直方图，同时获得具有对应关系的候选目标块间的噪声分布直方图，通过比较它们与背景噪声分布直方图之间的差异性，即可准确地辨别出真实目标．通过对实际图像序列进行实验，证实了本方法的有效性．     

无限靶位重叠图像有用信息提取方法

研究一种无限靶位重叠图像的引入反常位移算子去伪处理方法。从无限靶位重叠图像中提取有效信息是非常困难的。传统的无限靶位重叠图像处理方法采用图像单帧处理的方法,对恶劣重叠情况下的处理结果较差。提出一种无限靶位重叠图像的引入反常位移算子去伪处理方法,采用引入反常位移算子去伪处理的方法,对无限靶位重叠图像在多个维度进行相关信息融合和识别实现,提取图像的多维综合信息,通过引入反常位移算子去伪处理,实现无限靶位重叠图像信息的去伪处理。采用一个重叠非常严重的靶位图像进行实际的去伪测试实验。结果显示,采用引入反常位移算子去伪处理方法,无限靶位重叠图像中的有用信息被很好的提取出来,去伪效果明显,方法将在运动循环靶射击训练和瞄准仪开发等方面具有很好的应用价值。     

基于改进的大津方法与区域生长的医学图像分割

提出了一种自动分割边缘模糊图像的新方法.该方法利用小波变换对图像进行压缩与多解像度分解,通过强调各解像度上高周波成分的极值进行图像锐化;利用邻域平均与中值滤波方法对图像进行平滑;利用改进的大津方法与多种子投票机制的区域生长方法进行图像的自动分割;根据分割效果对阈值进行迭代控制;通过自动分割的区域与影像医生手动分割区域的误差、平均最短距离进行自动分割效果的评价.将本方法应用于实际的30幅边缘模糊的腹部MRI图像,证明了其对复杂图像分割的有效性.     

基于图像不变矩特征和BP神经网络的车型分类方法

文中提出了一种基于图像分析的车型分类方法。首先,根据视频序列图像建立路面背景,利用背景差分将图象中的车辆区域分割出来,计算车辆区域的不变矩特征量。为了加快特征的提取,利用Canny算子检测车辆区域的边缘,提取出车辆轮廓,直接计算车辆轮廓的矩不变量作为车型分类的特征量。然后建立具有3层结构的BP神经网络,将不变矩特征量作为神经网络的输入,根据神经网络的输出实现车型的分类。试验证实了该方法的有效性。