针对红外测量目标图像灰度分布不均衡、边缘灰度梯度小、有效信息范围窄，导致在应用Camshift算法对红外测量目标跟踪时不能准确检测目标区域的问题，文章利用红外测量图像相邻帧灰度分布的连续性，按照目标判读的具体要求，通过目标跟踪结果重定位的方式，解决了此方法在跟踪结果中目标图像范围不稳定的问题，实现了测量图像的连续稳定跟踪。实验结果表明：此方法能够提供准确的目标范围，跟踪稳定，执行效率高，且方法具有较好的自适应性，易于实现。
测量图像 均值漂移 红外 目标 跟踪 measurement image Camshift infrared target tracking
针对灰度测量图像传统量化方法效率低、变换效果差的问题，根据长期的红外测量图像处理经验，依据测量图像的处理要求和不同工作需求，在充分考虑红外测量图像的灰度分布特性、噪声特点等因素后，提出了三种灰度测量图像快速量化方法。这些方法具有变换效率高、算法简单、实现容易、计算量小、对图像质量适应性强的特点，已经在红外图像处理及分析工作中得到了广泛的应用，取得了良好的效果，显著提高了红外测量图像的灰度量化质量。
测量图像 量化 灰度变换 红外 measurement image quantization gray scale transformation CamShift CamShift infrared CCD CCD
由于红外测量传感器具有感应范围宽, 有效信息范围窄的特点, 导致常规灰度变换方法损失目标有效信息, 转换后的图像对比度低, 图像质量较差。针对此问题, 采用反向直方图理论, 根据红外测量图像的灰度分布特性及处理要求, 提出了一种利用反向直方图理论, 进行红外序列测量图像灰度变换的方法。根据目标灰度变化趋势, 扩展了目标灰度范围, 压缩了背景及噪声的灰度级别, 取得了良好的视觉效果。实验结果表明, 该方法能够在增强目标图像细节的同时, 完整的保留了图像背景信息, 图像不失真。
测量图像 红外 反向直方图 灰度变换 目标 measurement image infrared inverse histogram gray scale transformation target
针对采用 FCM聚类进行测量图像分割时, 模糊加权指数难以确定的问题, 通过分析 FCM聚类原理, 依据测量图像分割的具体要求, 根据加权指数对不同模糊聚类过程的作用程度, 提出了一种基于自适应模糊加权指数的 FCM聚类测量图像分割方法。实验结果表明: 该算法可以减少聚类迭代次数, 确保分类的准确性, 提高图像分割质量。
图像分割 FCM聚类 模糊加权指数 收敛速度 测量图像 image segmentation FCM coefficient of fuzzy weight convergence rate measurement image
