为了解决脉冲耦合神经网络(PCNN)在图像分割中存在红外图像噪声适应性差、分割结果精度差和参数确定复杂的问题, 提出了一种结合多尺度高斯核和粒子群优化(PSO)的自适应分割(AGK-PCNN)算法。首先基于简化PCNN模型进行输入图像的全局耦合和脉冲同步, 利用各向异性高斯核的特性设计了权重矩阵, 有效地抑制红外噪声, 且结合粒子群算法自适应调整不同图像的模型关键参数达到最优分割效果。最后同最大类间方差法、自适应高斯阈值分割方法、SCM分割方法等进行视觉效果对比, 使用IoU和Dice得分等对分割图像进行定量比较, 结果表明, 无论是从主观视觉还是客观指标, 本文方法的分割效果均优于其他对比方法。

针对SAR图像与可见光图像融合的特点, 提出一种基于非下采样Contourlet变换(NSCT)的SAR图像与可见光图像融合算法。通过NSCT变换对SAR图像和可见光源图像进行分解, 对低频子图像, 采用以区域熵为测度参数进行邻域融合。对高频子图像的最高层采用区域标准差选大法进行融合; 对高频子图像的其他层采用以邻域相关系数为阈值, 基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到最终融合图像。实验结果表明该方法可以获得较理想的融合图像和更多的细节信息。

针对合成孔径雷达(SAR)图像水体目标的筛选和边缘模糊问题, 根据SAR图像的成像特点, 给出了一种基于区域生长和马尔可夫随机场(MRF)模型的水体目标提取方法。首先, 利用SAR图像中水体表面呈现为均匀的低强度区域特点, 采用分水岭方法进行过分割, 确定具有较大面积的区块作为水体的种子区域; 然后, 利用水体的种子区域统计特征进行区域生长, 得到初始水体目标; 最后, 利用融合观测图像局部均匀性特征的MRF模型对初始分割图像进行精确的目标提取。实验结果显示所提方法能正确地提取SAR图像中的水体目标并精确定位目标边缘。

分割评价是改善算法性能的重要途径。针对当前图像分割评价指标不能很好地反映分割结果的问题,提出组合赋权的灰色评估模型。首先,在现有典型评价准则中选取概率边缘指数、全局一致性误差、变换信息量3个准则来评价图像分割质量。其次,提出结合德尔菲法、强制判定法和熵权法的主客观组合赋权法,使权重既反映观察者主观偏好,又突显图像客观差异。最后,利用所提出的模型对测试图像进行综合评价。实验结果表明,所提出的评价模型更符合主观评价结果与地面真实结果。将此模型用于比较基于花粉算法、遗传算法、蛙跳算法的最大熵阈值算法所得到的分割图,与最大熵的排序结果一致,进一步验证了该模型的有效性。

针对红外与可见光图像融合的特点，提出一种基于非下采样Contourlet变换(NSCT)和混合粒子群算法的红外与可见光图像融合算法。通过NSCT变换对红外图像和可见光源图像进行分解，对低频子图像，采用一种基于区域平均值改进的加权平均法进行邻域融合，对高频子图像的最高层采用区域标准差选大法进行融合；对高频子图像的其他层采用以混合粒子群优化算法选取阈值，基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到融合图像。实验结果表明该方法可以获得融合效果更佳的融合图像。