基于最佳阈值分割的舰船目标检测方法

提出了一种基于最佳阈值分割的舰船目标检测方法,该方法通过构造分割阈值集合,并搜索特征约束条件下的最佳分割阈值进行目标分割,从而实现目标与背景区域的成功分离.使用该方法对不同卫星来源、不同分辨率的24 523幅光学遥感图像和516幅SAR图像进行了实验,对于1 155个目标图像的检测率高于95.0%,同时虚警率保持在较低水平,表明该方法对于遥感图像中的海上舰船目标检测效果较好、适应性强.     

边缘强化的无需重新初始化的水平集分割模型

对Chan-Vese模型和Li等提出的不需初始化的基于变分的几何活动轮廓模型在水平集框架下的物理机制进行了分析,在考虑两种模型优缺点的基础上,提出一种新的基于水平集框架的图像分割模型.该模型整合了图像边缘的局部信息和区域的全局信息,数值计算过程中水平集不需要重新初始化.为了防止边缘信息深入到分割目标的内部,新模型利用Laplacian修正算子加大边缘信息在方程中的权重.实验表明,与CV模型相比,所提出的新模型分割效果和分割时间与初始轮廓线的位置和形状选取基本无关;在处理噪声图像、灰度值渐进多目标图像和边缘复杂图像等效果也优于CV模型和Li模型.     

多先验形状模型变分水平集建筑物检测

提出了针对城市遥感影像中建筑物目标分割的一种新的方法。该方法在简化Mumford-Shah模型的水平集方法(Chan-Vese模型方法)的基础上,加入建筑物先验形状模型信息,并引入标记函数来动态选择先验形状,最后通过推演新的模型更好地实现了多个建筑物目标的分割。     

基于船头特征提取和轮廓定位的港口舰船检测

针对高分辨率光学遥感图像中靠岸舰船目标难以检测的问题,提出一种新的舰船自动检测方法.首先利用支持向量机（support vector machine,SVM）对变换到极坐标系下的疑似船头目标进行分类,得到候选舰船的船头位置和舰船方向;然后利用舰船周围区域内的直线信息校正舰船方向;最后结合灰度和边缘信息检测船身,用以确定舰船目标.结果表明,该方法能够准确检测靠岸舰船,具有较好的鲁棒性.      

改进的先验形状模型构造及其人脸图像分割

在处理分割被遮挡、背景与目标灰度相似或数据丢失的目标时,需在CV(Chan and Vese)模型的基础上引入先验形状信息。传统的先验形状项只具有旋转、缩放和平移不变性,针对表情丰富、易产生遮挡的人脸图像,分割结果很不理想。结合形状统计的水平集图像分割做了如下两点工作:(1)在CV模型基础上加入局部剪切和X、Y方向拉伸不变两种特性上,建立了新的数学分割模型;(2)构造新的先验形状能量项,对全局变化和局部变化的人脸图像都能进行平滑快速的演化。实验结果表明本文方法对复杂背景下姿态变化较大的人脸图像,具有较好的分割效果。     

基于局部直方图信息的相似图像组分割模型

针对ACGS模型不能有效分割具有纹理变化的相似图像组问题,提出一种基于图像局部直方图信息的协同分割模型.该模型能量泛函分为两项,一项为基于图像直方图信息的数据项,反映了图像组中每张图像的纹理信息;另一项为用形状矩阵的秩表示的相似性约束项,用来控制待分割图像之间目标形状的相似性,其中形状矩阵中每个列向量代表图像组中一幅图像的目标轮廓.同时,在SUN显著图上演化CV模型实现轮廓的初始化,提高了ACGS模型对初始轮廓位置的鲁棒性.实验表明,该模型对具有纹理变化的形状相似图像组分割效果优于ACGS模型.     

一种结合CV与GAC 模型的物体轮廓提取方法

提出一种结合CV模型和GAC模型的方法,通过CV模型中长度项的权值调整,得到图像的两类分割.在此基础上,定义图像新的梯度,让GAC模型在新的梯度值空间搜索,从而得到物体的外部轮廓.在真实彩色图像上的实验结果表明,本算法能够大大改善CV模型在提取目标轮廓时的过分割问题,对物体内部不进行分割,并大大减少物体外部零星的小区域,收敛到目标物体的外部闭合轮廓.     

可见光遥感图像中舰船目标检测的多阶阈值分割方法

针对遥感图像中海洋复杂背景下的海上舰船目标检测,提出了基于自适应多阶阈值分割舰船目标检测方法.使用该方法对Spot,Quickbird,Ikonos,Landsat等不同卫星数据来源、不同分辨率、不同内容的12 704个样本进行了试验,成功检测了1 104个目标中的1 098个,检测率达到99.5%,同时虚警率保持在较低水平.实验证明,该方法对遥感图像中的海上舰船目标检测适应性强、检测率高、稳定性好.     

一种基于区域动态轮廓的交互式目标分割算法

研究了以用户与系统之间的交互信息为先验知识的目标分割算法,提出一种基于区域动态轮廓的交互式目标分割算法.采用基于区域动态轮廓的CV模型及形状先验引导进化思想,并引入了基于滤波后图像梯度和Laplace的分段自适应加权算法.为了克服由于对先验差值区域加权而产生的目标轮廓萎缩问题,对所构建的进化模型引入了面积激励项.实验结...     

一种基于DTSVM的遥感图像分割方法

文章针对城市遥感图像的目标分布特点,提出一种基于改进DTSVM的遥感图像分割方法.实验引人样本的聚类特性改善DTSVM模型分类精度,对城市遥感图像中的区域进行语义标注并提取特征,通过训练改进分类模型得到分割结果.实验结果表明,该方法能比较准确地分割出关注语义的目标区域,并有效避免了遥感图像的过分割问题.     

基于改进CV模型的高原鼠兔图像分割

针对CV模型无法分割灰度不均图像的问题,提出改进CV模型.在CV模型能量泛函中引入前景灰度不均抑制项,使CV模型能够对前景灰度不均图像进行分割.此外,在图像预处理阶段引入四叉树方法和大津法,缩小CV模型分割图像的搜索范围,减少分割时间;弥补CV模型须要手动设置初始轮廓的问题.实验结果表明:改进CV模型能够实现对前景灰度不均图像的精确分割,且耗时少,在背景抑制、目标区域轮廓定位等方面效果好.     

基于snake模型的目标检测

研究了snake模型在目标检测中的应用.分析了传统目标分割方法的不足和snake模型在目标检测中的优势,即在目标检测中能充分利用已知的目标形状信息;研究了传统snake模型在用于目标检测时存在的难以收敛到凹陷区域的问题;提出了适合目标检测的新的snake算法.在新snake模型中,能量函数的外力项用傅里叶描述子来构成.实验结果表明新的snake模型能使轮廓收敛到凹陷区,可以实现目标的检测.这一结果丰富了目标检测的方法,拓宽了snake方法的应用范围.     

局部自适应Chan-Vese图像分割模型

经典的Chan-Vese(CV)模型不包含图像的边缘信息,当图像的目标或背景较为复杂时,分割效果并不理想.针对该问题,本文通过结合图像的局部信息对CV模型进行改进,并运用K均值聚类方法计算图像目标和背景区域的灰度均值.其次,在本原对偶理论(primal dual scheme)框架下,本文提出了模型的一个等价形式,并使用半隐式梯度下降法快速求解.实验结果表明,本文模型对合成图像和自然图像都有较好的图像分割效果.     

结合BV-L2分解的CV变分水平集模型

Chan-Vese(CV)模型基于图像的全局信息,对噪声有一定的鲁棒性,但是对于强噪声污染图像,CV模型并不能取得好的分割效果。笔者结合变分图像分解和CV模型,提出了一个新的图像分割变分模型。该模型结合BV-L~2分解和CV模型,可以实现噪声图像的同时去噪与分割。采用交替迭代算法对新模型进行求解。以人造图像和自然图像为实验对象验证了研究模型分割的有效性和鲁棒性。此外,对比实验结果显示对于强噪声污染图像,与经典的CV模型和VFCMS模型相比,研究模型在分割质量上有一定优势。     

基于改进CV模型的目标多色彩图像分割

针对Chan-Vese(CV)模型无法完整分割目标包含多色彩及色彩具有突变性图像的问题,通过K-means聚类对图像演化曲线内部像素进行处理,得出聚类中心点,用聚类中心点值与均值滤波后图像的灰度信息构造CV模型内部拟合值,从而提高模型对复杂目标图像分割的适应性.此外,用矩形脉冲函数代替CV模型能量泛函中的正则化脉冲函数,可将水平集演化方程的计算限定在零水平集附近,从而避免图像背景干扰物对分割结果的影响.实验结果表明:改进模型可准确、快速地分割目标包含多色彩及色彩具有突变性的图像.     

基于邻接图的面向对象遥感图像分割算法

为解决高分辨率遥感图像自动化处理程度不高的问题,提出一种基于邻接图的面向对象遥感图像分割方法.综合利用遥感图像的光谱信息和区域形状信息进行图像分割,并采用了一种新的异质性度量准则.与经典软件eCogniton在QuickBird图像分割的效率和效果方面的对比分析表明,该算法在运算效率上较eCognition的多尺度分割方法可以提高近1倍.     

基于改进Mask R-CNN的可见光图像中舰船目标检测方法

针对基于卷积神经网络的目标识别方法中经典的矩形检测框在检测舰船目标时会框出很多无关区域,易出现漏检、误检等问题,提出基于改进Mask R-CNN （mask region-based convolution neural networks）的舰船目标检测方法,在Mask R-CNN网络的基础上通过增加判别模块、类别预测分支和语义分割分支对视觉系统采集的可见光图像中的舰船目标进行目标定位和类别预测,同时获得舰船目标的边缘轮廓并实现对军舰目标的语义分割,为海上无人作战系统提供更精确的信息.实验结果表明,该方法在保持较高检出率和运行效率的同时误检率较低,舰船目标的平均检测精度较高,具有良好的舰船目标检测性能.      

基于边缘信息和先验形状的水平集图像分割方法及其在病原菌识别中的应用

研究从多目标图像中自动提取单个目标的图像处理方法.从分析曲线的水平集表示入手,首先探讨了水平集动态轮廓分割和配准模型构建的统计思想和变分方法,然后针对多目标粘连图像的特点,提出了含边缘信息和先验形状的水平集图像分割模型,并将其应用于病原菌的识别.由于引入边缘信息改进对分割的约束,加强了目标边缘对分割轮廓的吸引,同时消除了一些由噪声、阴影和杂质造成的影响.实验表明,改进后的先验形状水平集图像分割方法能直接从多目标粘连图像中提取单个目标,进一步完善了依据显微镜图像识别病原菌的图像处理方法.     

结合全局信息的LIF模型图像分割方法

针对LIF模型对初始轮廓敏感,CV模型对初始轮廓具有较强的鲁棒性,并且2种模型对噪声污染的图像不能取得令人满意结果的问题,在原先模型能量函数基础上,构造新的能量拟合项,增强对噪声的抗噪性.采用新的CV模型,使用图像全局信息得到粗分割结果.以粗分割轮廓作为新的LIF模型的零水平集,利用图像局部信息得到精确分割结果.同时使用一种新的边缘检测算子,重新定义边缘停止函数,进一步提高了模型的抗噪性.实验结果表明,它比CV模型、LIF模型、Chen模型和Qi模型更具优势,具有更强的抗噪性.     

基于区域生长和水平集的肝脏提取分割算法

为了克服传统的以单幅图像作为信息来源的水平集模型分割复杂背景图像的局限性,结合区域生长法和水平集方法各自的特点,提出了一种新的由多幅图像信息构建的水平集分割算法模型。在运用水平集方法分割人体腹腔图像前,首先运用本文提出的一种有效的区域生长法在腹腔图像中得到肝脏的粗略分割结果作为先验形状图像。通过先验形状图像在Chan-Vese模型下控制水平集的演化,使活动轮廓的先验形状信息融合到水平集分割算法模型中,同时,利用Li模型在人体腹腔图像中进一步获取肝脏的边缘信息。这种融合多幅图像信息的复合水平集分割算法模型能够充分利用图像信息,有效地描述水平集方法中活动轮廓与目标区域肝脏的关系。通过实验验证,提出的算法模型能够很好地从人体腹腔图像中提取出肝脏区域。