引导滤波与视觉感知结合的自然场景轮廓提取

为更好地解决复杂背景下非结构化自然场景对象的轮廓提取问题,提出了一种引导滤波与视觉感知机制相结合的方法。通过改进的加权引导滤波方法对输入图像进行预处理,在去除图像中噪声的同时,保留和突出图像中物体的轮廓信息;之后采用基于非经典感受野视觉机制的背景抑制和轮廓增强算法进行处理。给出了完整的处理流程,阐述了各部分算法的实现步骤。通过最后定性和定量的实验对比,所提出的算法在效果上优于以往的同类算法,为进一步自然场景轮廓提取的实用化改进和视觉感受野仿生图像处理提供了一种思路。     

基于目标轮廓特征的SAR图像目标识别

提出了一种基于目标轮廓特征的合成孔径雷达目标识别(SAR ATR)方法,该方法充分利用目标的局部空间结构信息进行识别。利用基于马尔可夫随机场(MRF)的图像分割及形态学处理提取SAR图像目标轮廓,在此基础上使用傅里叶描述子作为目标轮廓的特征量,选择最近邻准则下的模板匹配方法构造分类器,实现了基于轮廓特征的SAR图像目标识别。实验结果表明,本文方法具有优良的识别性能。     

基于分形和背景知识挖掘的红外图像水上桥梁目标识别

针对复杂背景下远距离航拍红外图像中水上桥梁识别的难题,提出一种新的基于分形理论和背景知识挖掘的目标识别方法。根据红外图像水上桥梁上下文描述,利用红外图像的直方图动态阈值法和分形特征检测出图像中的感兴趣区水域,同时基于先假设后检验的桥梁潜在目标被分割出来;然后利用形态学滤波完成目标图像的进一步分割;最后,利用目标特征匹配完成桥梁目标识别。基于TMS320C6416图像跟踪器的实验结果证明:该方法有较高的自动目标识别率和计算实时性。     

前视红外地面待机目标轮廓提取方法

针对前视红外成像制导中地面待机目标的轮廓提取问题,提出一种新的多目标轮廓提取方法。首先利用相对定位分割技术,将待机目标区域从复杂地面背景中分离出来,然后采用灰度阈值法初步检测目标数量和方位,再通过边缘点聚类分割算法将多目标边缘图像进行分割,最后基于距离差分最小提取目标轮廓。实验结果表明,针对复杂地面场景,该方法可以实现对不同数量、不同类型、不同尺寸地面待机目标的外轮廓提取。基本满足前视红外成像制导对轮廓提取算法实时性好、轮廓完整度高、抗干扰能力强等要求。     

基于多源信息融合的巡飞弹对地目标识别与毁伤评估

面向利用多枚巡飞弹对地面高防御移动目标进行打击的任务场景,提出一种基于多源信息融合的巡飞弹对地移动目标识别与毁伤评估方法。基于IoU判定实现红外图像与可见光图像的多源信息融合;提出一种基于YOLO-VGGNet的两阶段紧耦合的巡飞弹对地移动目标毁伤评估方法,利用卷积神经网络深度语义信息提取的优势,引入红外毁伤信息,实现对地面移动目标的在线实时毁伤评估。。实验结果表明：基于多源信息融合的目标识别算法有效提升了巡飞弹对地面移动目标识别的有效性;基于YOLO-VGGNet的在线实时毁伤等级评估方法较传统基于图像变化检测与基于两阶段卷积神经网络的方法评估准确率分别提升19%和10.25%。     

基于分层次模型的自动目标识别方法

由于存在目标结构复杂、类间差异影响、图像发生变化、背景干扰等问题，复杂场景中结构复杂目标的完整轮廓信息难以准确描述。针对该问题，提出了一种分层次模型：低层中引入条件随机场融合多类特征,获取目标存在的候选区域，为高层处理提供外观特性方面的辅助；高层中通过对模型各部分特性统计建模，实现对目标形状特征的描述。实验结果表明，该模型灵活性强，普适性高，识别结果准确稳定。     

逆合成孔径雷达像轮廓提取方法

为了从图像分辨率低且具有明显稀疏性的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像中提取目标的平滑轮廓,在ISAR像建模的基础上,提出了基于形态学方法提取ISAR像目标轮廓并使用小波分析平滑目标轮廓的方法。实验结果表明,该方法有效地消除了由ISAR像稀疏性导致的难以提取连通且完整的目标轮廓的问题,相比其他轮廓提取手段更适于ISAR像目标的平滑轮廓提取。该方法通过对ISAR像进行图像域分析获得了目标的连通、平滑轮廓,使后续ISAR像目标特征提取和识别更易于实现。     

面向图像感知的轮廓力渲染技术研究

随着力觉交互技术的不断发展,力觉感知将在娱乐、助盲、科普等更多领域发挥作用。力觉渲染是实现逼真的力觉感知效果的关键问题。研究面向图像的二维轮廓力渲染技术,使用者操作二维力反馈鼠标与平面图像进行交互,通过鼠标的反馈力感知图像的轮廓形状。首先提取目标图像的边界轮廓,将离散的边界点拟合为有向轮廓线,然后基于虚拟工具和图像轮廓之间的位置关系和最小距离进行碰撞检测。基于轮廓力的连续性特征,提出一种轮廓力渲染算法,使系统获得较好的稳定性。设计了一个通过反馈的轮廓力来识别生肖动物的实验,分析了系统的实时性、稳定性以及对图像轮廓的识别率,验证了文中算法的可行性和有效性。     

基于特征完整描述的部分遮挡目标识别算法

有效的轮廓分段对于准确识别遮挡目标是十分重要的。针对现有识别算法存在轮廓划分不合理的问题,提出了基于特征完整描述的部分遮挡目标识别算法。首先利用局部轮廓曲率分布划分目标轮廓,接着对初步轮廓分段进行多级分段合并处理。为了完整描述目标特征,提出了评价轮廓分段所描述特征重要程度的参数,得到一组完整描述多级目标特征的轮廓特征分段。同时,为了减少轮廓分段误匹配造成的分类错误,还提出了评价轮廓特征分段反映其真实目标可信度的参数。最后将可信度与轮廓特征分段之间的相似度联合起来共同得到识别结果。仿真结果表明,该算法能够完整描述目标特征从而提高了目标识别准确率。     

基于机器学习参数选择的交通图像编码方法

将图像压缩与ITS交通路况图像电传视讯相结合,提出了一种基于机器学习参数选择的多项式拟合图像压缩编码方法.我们定义了两类指标来度量数据扫描方法对多项式拟合方法的影响;还研究了用机器学习方法选择得到的参数对图像扫描数据进行单调化处理;进而研究了用多项式拟合预处理数据的方法进行图像数据压缩.该法简单方便、快速高效,并已针对小幅复杂交通路况图像在中低信噪比取得了良好的结果.该法还可以推广到感兴趣区位于图像中心的一类图像.     

基于模糊Renyi熵和区域增长的图像目标分割方法

为了实现快速精确的航空侦察图像目标分割,提出基于模糊Renyi熵和区域增长的分割方法。首先在Renyi最大熵分割的基础上,应用模糊隶属度函数,引入模糊Renyi熵,提高图像分割效果。然后为了获取种子点,提出了基于双金字塔和特征融合的显著性检测方法,并通过形态学重构开运算和区域极大值生成目标核心区域。最后,增长准则设计为将图像分割结果进行二值标记,然后选取与目标核心区域重叠最多的区域块为目标分割结果。实验结果表明,所提方法可实现复杂场景航空侦察图像舰船目标的快速和精确分割。     

基于灰度分布模型的声呐图像目标检测算法

针对声呐图像目标检测问题,提出了一种基于声呐灰度图像像素点的灰度分布模型的目标检测快速算法。该算法利用图像中各像素点处滑动窗内像素点的灰度分布模型的参数和拟合误差为特征量,构造声呐图像的特征图,并采用自适应阈值算法进行目标特征区域检测处理。最后将该算法的检测结果同分形特征以及扩展分形特征检测结果进行了比较分析。仿真结果表明该算法具有实时性好、准确度高的特点,并且可有效地克服背景中演示等自然景物的影响,实现人造目标的准确提取。     

复杂背景下红外小目标检测技术研究

在复杂红外背景中如果红外点目标所占的像素少,通常的检测方法就很难将目标检测出来,且往往会含有较多假目标。首先对图像进行预处理,利用图像本身的灰度级别对小目标进行初步筛选,然后利用可能目标点的信息对假目标进行剔除。实验结果表明,此方法对复杂背景中小目标检测有较好的效果。     

改进的分形算法在弱小目标检测中的应用

针对单帧图像中的弱小目标检测问题,提出了一种改进的基于分形的快速检测方法。该方法首先利用图像的局部熵信息对目标进行粗定位,以得到一个包含目标的感兴趣区域,然后利用分形理论构造该区域的分维像,最后对分维像采用自适应阈值分割即可将弱小目标精确检测出来。与传统分形算法相比,提出的改进算法包含粗定位和细定位两部分,它将分形算法要处理的区域缩减到局部熵所估计的小范围内,从而克服了传统分形方法计算量大、抗噪性差的缺点。仿真实验结果表明,该方法能够稳健、快速、有效地检测弱小目标。     

基于ROEWA算子局部活动轮廓的SAR图像分割算法

针对经典可变区域拟合(region scalable fitting,RSF)模型无法分割合成孔径雷达(synthetic aperture radar,SAR)图像的问题,提出了一种基于指数加权均值比(ratio of exponentially weighted averages, ROEWA)算子的改进RSF局部活动轮廓模型。算法首先以SAR图像目标边缘的ROEWA算子的负指数函数为边缘指示函数,对区域可伸缩能量项和弧长项进行加权,消除了原模型中梯度算子对于乘性相干斑满布的SAR图像边缘检测失效的弊端,还防止了目标弱边界的泄漏,避免了边界缺失;其次在零水平集演化的偏微分方程中加入权系数可变的面积项,提升了算法在目标边缘处的自适应捕获能力,同时也提高了算法对目标多层轮廓的检测能力,并且最大化地保留了目标的外轮廓;面积项的可变权系数可根据目标的ROEWA算子的模值来自动调整大小,很好地保持了目标的边缘细节。改进算法不受初始轮廓的影响,对相干斑噪声不敏感,且实验证明算法的计算复杂度仅与图像的尺寸有关。通过对合成与真实的SAR图像数据进行实验,验证了所提方法的直观性和有效性。     

复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题,提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

基于漫水填充的图像骨架提取方法

针对当前图像骨架提取存在毛刺现象和骨架冗余的问题,提出基于漫水填充的图像骨架提取方法。对目标图像预处理,得到阈值化二值图像,分割出前景和背景;构建掩模图像和轴线图,为后续运算过程提供数据来源和判断依据;通过遍历水平面灰度直方图,模拟漫水过程,收缩掩膜图像的前景轮廓,根据邻域连通分量变化,确定是否为骨架特征点,待轮廓收缩完毕,得到图像骨架。实验验证表明,该方法可以有效地提取图像骨架,毛刺现象和冗余结构明显减少,执行速度快。