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．     

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．     

图像分割方法在焊缝跟踪过程中的应用

为提高焊缝超声波探伤的实时跟踪,提出将图像分割方法应用于白线跟踪法和激光跟踪法两种不同焊缝跟踪系统中。一种是采用Hough变换边缘检测法对检测图像中的目标边缘进行提取,另一种是利用区域增长法对检测图像中的目标区域和背景区域进行有效区分,这两种方法都能很好地提取出图像中的目标特征信息。仿真结果表明,两种图像分割算法在焊缝跟踪过程中能够准确地识别出焊缝的特征信息,确保跟踪系统的实时性。     

基于Hough变换的红外图像的目标分割

红外图像是根据目标与背景的温度差异而形成,不受光照等其他条件的影响,可全天工作,被广泛应用在各个领域中.但是由于目标和背景的热辐射所造产生的红外图像的分辨率低,对比度差等特点,使红外图像的分割变得较为困难.Hough变换具有对图像中直线的残缺部分、噪声以及其他共存的非直线结构不敏感的特性,具有较强的抗干扰性和鲁棒性.本文提出一种基于Hough变换的红外图像规则目标的检测方法.通过观察红外图像中目标分布情况,估计出目标边界的曲线方程,对该方程进行Hough变换,从而检测出目标并进行分割.利用该方法避免了由于红外图像的目标与背景对比度差、边缘模糊、视觉效果较差等原因造成的不易检测边缘曲线的问题.经实验证明,基于Hough变换的规则的红外目标的检测方法具有可行性,且检测效果好.     

基于灰度分布的概率密度实现实时图像分割

针对实时图像质心跟踪的问题，提出了一种目标分割的算法。对相邻两帧图像的跟踪框和背景框的灰度分布统计，加入滤波因子，再根据Bayes判别规则构造判别函数，把背景像素和目标像素进行分类。实验结果证明，该方法克服了由于图像序列中某一帧图像灰度分布发生突变产生的影响，能较好的分割出图像中的目标。在电视跟踪系统中有效的保证了跟踪的稳定性。     

红外弱小目标图像预处理及分割方法的研究

针对红外弱小目标检测,给出了一种常用的图像预处理方法。重点讲述了一种红外弱小目标图像分割方法,它是用一个回形窗口和对比度阈值进行分割图像。对天空背景下低信噪比的红外弱小目标图像序列能够有效地分割,抑制噪声干扰。描述了对图像的处理过程,将该方法与传统的图像分割方法做了比较,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。     

基于自适应目标图像恢复的红外弱小目标检测

提出一种自适应参数目标图像恢复算法,实现对红外小目标的检测.首先,提取红外图像的稀疏特征,同时计算图像的复杂度,并设计一种融合机制生成自适应加权参数;然后,将原始图像重组为具有低秩稀疏特性的运算矩阵,采用上述的自适应参数非精确拉格朗日乘子法求解鲁棒主成分分析(RPCA)最优化问题还原出低秩矩阵(背景图像)和稀疏矩阵(目标图像);最后,对目标图像进行阈值分割并标定目标.实验结果显示:该算法能有效检测出小目标,同时具有较低的误检率.     

基于向量小波变换的小目标检测方法

研究红外图像中的小目标检测总是将小目标考虑为二维图像中具有相对连续小块区域的灰度信号突变,用向量小波变换来增强目标,抑制噪声,从而提出了一种由粗到精的小目标检测和分割方法,实验结果表明,对一般噪声条件下得到的红外目标图像,该方法能准确地检测、定位和分割小目标,而且,该方法鲁棒性好,简单实用。     

红外序列图像中运动点目标的检测

针对在云天背景下运动红外小目标的分割,对目标在图像序列表现出来的特性进行了分析.根据目标不仅在单帧图像中有自己的灰度分布特性,而且在相邻图像中也具有灰度反相性,提出一种新的分割方法.该方法将单帧处理结果与相邻图像滤波结果相结合,提高了目标的检测概率.实验证明了该方法的正确性和有效性.     

基于向量小波变换的小目标检测方法

研究红外图像中的小目标检测问题 .将小目标考虑为二维图像中具有相对连续小块区域的灰度信号突变 ,用向量小波变换来增强目标 ,抑制噪声 ,从而提出了一种由粗到精的小目标检测和分割方法 .实验结果表明 ,对一般噪声条件下得到的红外目标图像 ,该方法能准确地检测、定位和分割小目标 .而且 ,该方法鲁棒性好 ,简单实用     

基于模糊距离的红外图像小目标的精准匹配算法研究

提出了一种基于模糊距离的红外图像小目标的精准匹配算法.该算法从红外图像中获取特征点,以特征点为中心选取参考模板,利用特征模糊距离熵对小目标特征进行扩展,克服由于目标滑动造成的定位误差较大的弊端.实验结果表明,该算法很好的解决了红外图像特征目标跟踪技术中的跟踪点滑动和漂移问题,并满足实时性要求,鲁棒性稳定.     

基于动态规划的红外小目标检测与识别

研究了天空背景下红外运动小目标的检测与识别,对序列红外图像进行增强处理,通过模板滤波去除弱噪声;运用分割算法和聚类分析把目标和强噪声从背景中分离出来。根据所定义的一种距离运用动态规划的方法找出目标,并得出目标的运动轨迹,给出整套处理方法的实验结果和分析。     

一种改进的红外小目标检测与识别方法

研究天空背景下红外运行小目标的检测与识别,对序列红外图像进行增强处理后,通过形态学滤波去除弱噪声,再用分害虫算法把目标和强噪声从背景中分离出来,最后用RMTI算法找出目标,并得出目标运行轨迹,实验结果表明,该方法能有效地检测定位运行小目标。     

结合灰度熵变换的PCNN小目标图像检测新方法

为了自动地进行小目标图像分割检测,从含单一弱小目标图像的特征出发,提出了一种结合灰度熵变换的脉冲耦合神经网络(PCNN)小目标图像分割检测新方法. 该方法在对有随机噪声和复杂背景图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值灰度图在满足先验概率目标背景比条件下,选择包含单一小目标局部窗口作为处理图像区域,并在局部最小交叉熵判据下,进行改进型PCNN迭代分割检测处理. 实验结果表明,该方法不仅能可靠地检测出复杂背景及随机噪声干扰下弱小目标,并且在PCNN运行处理过程中,可自动地完成最佳分割检测.     

活体细胞图像斑点的自动提取和跟踪方法

采用基于小波分解多尺度系数乘积的方法检测图像中的斑点,同时提出了基于贪婪思想的可以自动处理目标分裂和合并的模型,综合目标信息对轨迹进行跟踪.对Adaptor和Clathrin图像分割取得了比较理想的结果,Adaptor图像中的目标识别率98.61%,Clathrin图像中目标识别率达到97.65%.新的跟踪算法在处理轨迹合并和分裂方面有明显优势,对斑点跟踪效率达到为98.05%.结果表明,新的算法能有效地识别和跟踪图像中的斑点.从生物学角度,更有效的识别有助于更好地理解质膜的通道运输机制以及因为其不正常工作引起的疾病.     

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.     

基于动态规划的红外小目标检测与识别

研究了天空背景下红外运动小目标的检测与识别．对序列红外图像进行增强处理,通过模板滤波去除弱噪声;运用分割算法和聚类分析把目标和强噪声从背景中分离出来,根据所定义的一种距离,运用动态规划的方法找出目标,并得出目标的运动轨迹;给出整套处理方法的实验结果和分析．     

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．     

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。     

图像分割与平稳小波变换法融合红外与可见光图像

为改善红外与可见光图像融合后的视觉效果,提出一种基于图像分割和平稳小波变换的图像融合方法。首先,结合最大类间方差方法与边缘检测方法,将红外图像分割为背景部分和目标部分;然后利用平稳小波变换对红外图像的背景部分与可见光图像分别进行多尺度分解,低频部分采用区域空间频率取大融合准则,高频部分采用绝对值取大融合准则,对多尺度分解后的各层进行融合,再利用平稳小波逆变换得到融合结果;最后,对该融合结果与红外图像的目标部分采用加权求和的融合准则进行融合,得到最终的红外与可见光融合图像。实验结果表明,通过提出的方法进行红外与可见光图像融合,不仅很好地突出红外图像的目标信息,还较好地体现可见光图像的场景细节信息,视觉效果明显改善;其标准差、信息熵、互信息均优于拉普拉斯金字塔变换和小波变换等传统的融合算法。实验结果验证了方法的有效性。