1 梧州学院电子与信息工程学院,广西 梧州 543001
2 桂林电子科技大学机电工程学院,广西 桂林 531004
3 中国矿业大学信息与控制工程学院,江苏 徐州 221116
4 阿尔伯塔大学电子与计算机工程系,阿尔伯塔 埃德蒙顿 T6G 1H9,加拿大
5 青岛农业大学理学与信息科学学院,山东 青岛 266109
海上红外目标识别在海事搜寻中发挥着重要的作用,针对逆光海况下出现的目标反向对比度特点及其目标淹没于背景的问题,结合其直方图呈现的局部尖峰特点,提出了修正灰度占比的新直方图均衡化并融合边缘信息的增强算法。该算法可以有效地提升目标区域的对比度,从而提升海上红外图像的质量。在海上红外目标识别与检测中,建立了目标与背景的多尺度“九宫格”搜索框,演化了局部对比度显著性量化的数学模型,实现了符合人眼视觉特性的红外目标的准确定位与检测。在海上红外图像增强测试中,所提算法可以使原图像的平均梯度提升两倍以上,使局部对比度增益因子提升两倍以上。在目标识别的算法测试中,所提多尺度局部对比度目标检测算法可以使目标检测率达到99%以上。
测量 红外成像 海上红外目标识别 红外图像增强 直方图变换 局部对比度显著性 逆光海况
沈阳理工大学 装备工程学院, 辽宁 沈阳 110159
在红外成像过程中,目标边缘模糊化是影响红外目标识别效果的关键因素,也是红外目标识别算法的研究重点,故在光谱图像中合理补偿目标几何特征信息成为研究热点之一。结合包含目标几何特征信息的包围盒作为约束条件,对红外光谱图像进行分层限定滤波,降低原有图像数据中目标几何外形数据的丢失,提高目标可识别性。设计了在包围盒约束条件下的光谱聚类算法,设置参数η表征待测军用车辆目标的几何信息,设置参数m表征待测军用车辆目标的光谱特征信息。实验采用TEL-1000-MW型红外成像光谱仪获取多光谱图像,通过改变m和η值调整光谱特征值个数与包围盒范围,从而获得不同的目标识别图像。并与传统方法对同一幅红外目标图像的识别效果相比较,结果发现采用包围盒约束的待测目标图像几何边界信息保留效果明显优于传统方法,当m=10、η=0.7时,红外图像的目标识别效果最好,同时算法收敛速度也最优。由此可见,该算法在提高红外目标识别能力、避免误判伪目标和漏检目标方面具有很高的实用价值。
红外目标识别 光谱聚类 包围盒约束 军用车辆 infrared target recognition spectral clustering bounding box constraints military vehicles 红外与激光工程
2021, 50(11): 20210085
1 第二炮兵工程大学精确制导仿真技术实验室,陕西西安 710025
2 清华大学计算机科学与技术系,北京 100084
针对红外目标识别问题,提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法。该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征,并采用 Log-Euclidean度量进行特征相似性计算,通过高斯核函数将协方差描述子映射到高维空间,最后在新的特征空间上进行稀疏编码。实测数据实验结果表明,与传统的 KNN(k-nearest neighbor,k最近邻)以及 SVM(support vector machine,支持向量机)等分类算法相比,基于核稀疏编码的红外识别方法在识别准确率上有很大的提高。
协方差描述子 核稀疏编码 红外目标识别 covariance descriptor kernel sparse coding infrared target recognition
1 西北工业大学航天学院, 陕西 西安 710072
2 96361部队, 青海 西宁 810100
采用 SURF算法对地面背景下红外目标识别。采用具有实时性的自适应中值滤波器和小波分频与直方图均衡的图像增强方法, 对图像进行预处理, 拉开目标与背景的灰度差异, 从而突出目标, 以便识别。对预处理完的图像采用 SURF特征提取匹配的方法进行红外目标识别。仿真实验中重点对 SURF特征匹配阈值和匹配特征点的数量进行了研究。实验表明, 文中方法对地面背景下红外目标识别效果较好。
红外目标识别 图像预处理 SURF SURF infrared target recognition image preprocessing
1 北京理工大学机电学院, 北京 100081
2 军械工程学院导弹工程系, 河北 石家庄 050003
红外图像复杂度度量方法不仅可以用于描述目标识别面临的复杂场景变化, 而且在红外成像系统性能预测与评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也有广泛而重要的应用。给定了红外目标识别图像复杂度的定义, 对该领域近年来最新出现的和部分经典的度量方法进行系统的归纳总结和对比分析, 提出了度量方法选择的依据, 指出了现有度量方法的缺点和不足, 并指出红外目标识别图像复杂度度量未来将向着融合多种特征或者综合多种度量方法的趋势发展。
红外目标识别 图像复杂度 度量方法 infrared target recognition image complexity metric