1 中国科学院西安光学精密机械研究所,陕西,西安,710068
2 中国科学院研究生院,北京,100039
提出一种基于阈值分割技术和形态学相结合的图像目标边缘提取方法,用Top-hat变换后的图像与原始图像相加再减去Bottom-hat变换后的图像以得到最大对比度的图像,继而进行自动图像阈值分割,再用圆形模板执行形态学闭合操作提取边缘,完全去除内部不感兴趣的细节,并保持边缘的连贯性.仿真结果表明,该方法能很好地提取目标边缘,而实际计算量只有传统方法的44.6%～70.2%,且具有较好的抗噪声能力.
计算机图像处理 边缘检测 二值形态学 阈值分割
军械工程学院光学与电子工程系,河北,石家庄,050003
时域递归最大值滤波是一种较易实现的红外小目标检测方法,但是在递归过程中存在目标膨胀的缺陷,影响了该方法的应用.通过研究分析,提出了条件最小值滤波替换最小值滤波抑制目标膨胀,较好解决了目标膨胀问题.结合空域最大中值滤波预测背景,将点目标和强噪声保留在预测残差中,再通过递归最大值滤波对预测残差进行时域递归处理,以完成能量累积提高信噪比,设计完成的算法实现了对尺度为1个像素,运动速度小于1像素每帧的点目标的可靠检测.
点目标检测 最大中值滤波 递归最大值滤波 红外目标
华中科技大学,图像识别与人工智能研究所,湖北,武汉,430074
为了解决低对比度红外序列图像中运动小目标的检测问题,提出了一种基于多级滤波的检测方法.首先,对具有一定空间分布范围(≤5×5)的小目标,可根据目标/噪声/背景的灰度分布模型具体分析其频谱特性范围.由Fourier变换定义可知,噪声能量主要集中在高频段,背景能量主要集中在低频段,而目标能量则主要分布在中频段,所以可以根据目标的大小,由门函数的Fourier变换估算出各种尺寸目标所处的频段,然后选择不同级数的滤波器将不同大小的候选目标从复杂背景中分离出来.经过多级滤波处理后,再对得到的包含候选目标的图像进行图像分析图像分割等适当的后续处理，就可以检测出真正的目标.
红外图像 低对比度 运动小目标检测 多级滤波 目标/背景/噪声频谱特性 Infrared images Low contrast Moving small targets detection Multilevel filter Target background and noise frequency character
在人脸正面图像中,下颌轮廓线是一种相对稳定的形状特征,但是如何提取和有效利用这个特征是一个难题.提出一种在识别中有效利用下颌轮廓特征进行人脸分类的方法.根据先验知识将人脸分为圆脸、尖脸和方脸,据此建立下颌形状模板:尖下巴、圆下巴和平下巴.对事先得到的下颌轮廓上的点进行模板匹配,根据匹配结果进行轮廓线分类.该算法采用了基于先验分布和局部判别的方法,先得到可能的轮廓点,然后进行滤波去除伪下颌点,得到真正位于下颌轮廓上的点,再通过模板匹配进行分类.试验表明,该方法分类效果良好,可以有效提高大库人脸识别的速度和识别率.
下颌提取 人脸识别 特征分类 Chin contour extraction Face recognition Feature classification
国防科技大学,ATR实验室,湖南,长沙,410073
建立了红外小目标图像的场景模型,分析了小目标情况下图像预处理的特点,根据这些特点对预处理技术进行了分类描述.为了评价预处理结果,定义了两个评价参数-- 信噪比和背景抑制因子.实验结果表明,不同的预处理方法具有不同的应用范围,只有根据图像特点选择合适的预处理方法,才能取得理想的预处理效果.
小目标 场景模型 信噪比 背景抑制因子 预处理 Small target Scene model Signal-to-noise ratio Background suppression factor Pretreatment
中国科学院,沈阳自动化研究所,辽宁,沈阳,110016
给出了从自然景物背景中提取人造目标的一种方法.基于图像灰度的差分方向算子将一幅图像分离成不同灰度差分方向的直线线段子图像,再对每幅子图像做直线段的后处理,最终将几幅子图像构建成一幅不同差分方向的直线线段集合.基于直线段集合图像给定区域内直线线段的结构文法及其所含几何基元数目和几何基元种类将人造目标从自然背景中提取出来.此算法可开发成实时硬件跟踪器应用于自动目标捕获.实验结果说明,对复杂的背景及低对比度情况下的红外目标图像,该方法提取人造目标的准确率达95%以上.
人造目标 几何基元 直线抽取 结构文法 Manmade objects Geometry element Extract line Structure grammar
西安电子科技大学,电子工程学院,陕西,西安,710071
提出了一种红外图像序列中运动弱小目标检测的新方法.该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标.利用实测数据进行了仿真,实验结果表明了该方法的有效性.
弱小目标检测 红外图像序列 数学形态学 Dim small target detection Infrared image sequence Mathematical morphology
华中科技大学,图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室, 湖北,武汉,430074
针对低信噪比下红外小目标的特点,提出一种改进的实用动态规划算法,通过适当的预处理抑制背景噪声、多帧图像灰度累加以提高信噪比,并由虚警和检测概率确定分割门限,检测出小目标位置及状态.详细地叙述动态规划的计算过程及分割门限的确定方法,以简单的步骤实现对低信噪比小目标的检测.实践证明,改进的动态规划算法不仅能完成检测的任务,而且并行性好,易于硬件实现,为下一步的目标跟踪打下了良好的基础.
动态规划 低信噪比 红外图像 小目标 Dynamic programming Low signal to noise rate Infrared Image Small target
1 北京理工大学,光电工程系,北京,100081
2 二炮装备研究院,北京,100085
3 中国航天科工集团公司,第二十五研究所,北京,100854
当成像系统与反舰导弹的运动方向在同一条直线上时,无法采用基于运动轨迹分析的时间滤波算法.针对这一问题,提出了一种基于小波变换的空间滤波与基于像素灰度值变化检测的时间滤波混合算法进行点目标探测.试验用的图像采用实际的背景图像与模拟的点目标信号相结合.试验表明该算法具有良好的探测精度和灵敏度以及低虚警率.
点目标 探测 时空滤波 小波分析 反舰导弹 Point target Detection Spatio-temporal filtering Wavelet analysis Antiship cruise missile
1 上海航天技术研究院,第八○三研究所,上海,200233
2 上海航天技术研究院,上海,200233
针对红外图像弱小点目标检测中遇到的难点,即信噪比低、帧间相对运动和强噪声干扰等问题,给出了一种帧间膨胀累积提高信噪比的方法,并且提出将1/f噪声白化和白噪声去除同步处理的新思路,大量的仿真实验证明,该方法能够很好地抑制噪声对图像的影响,大大提高信噪比,降低误检率.
红外图像 小波变换 弱小目标 1/f噪声 信噪比 形态膨胀 Infrared image Wavelet transform Weak small target 1/f noise SNR Morphological dilation
