针对被动式太赫兹安检的检测需求, 提出一种基于最大二维熵的隐蔽目标分割方法。该方法设计了一组适用于被动式太赫兹图像的滤波器组, 实现噪声过滤和图像增强; 设计了一种待检区域自生成的算法, 实现对重点检测区域的自动覆盖; 同时, 引入二维熵的概念, 实现对待检测区域内的隐蔽目标的轮廓分割。在 0.2 THz频段的被动成像下开展了评估和对比实验, 实验表明本文方法具有较好的分割效果和实时性能。

针对ViBe算法在静态背景下检测效果较差和检测目标存在“鬼影”的问题,结合哈希算法和图像二维信息熵的知识提出一种改进的ViBe算法。首先,采用哈希算法对选取的三帧图像进行差分运算,对差分后得到的目标区域进行背景填充以得到背景图像,再对背景图像进行背景建模,从而消除鬼影现象。然后,根据背景的复杂程度得到自适应阈值与更新速率,使用自适应阈值进行前景检测,使用连通域信息进行二次检测以得到目标图像。最后,对目标图像进行形态学处理与背景更新。由实验数据可知,改进算法对草地、树叶和雪景等静态场景下的行人与车辆目标进行检测后,图像的F-measure值在0.8以上,比ViBe算法和高斯混合模型有所提升且较为稳定。实验结果表明,改进的ViBe算法可以消除鬼影现象,抑制背景的干扰,较好地检测目标信息。

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先, 分析了二维熵阈值分割原理, 将二维熵单阈值分割扩展到二维熵多阈值分割。然后, 引入萤火虫算法的思想, 研究了萤火虫算法的仿生原理和寻优过程; 提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后, 使用该方法对典型图像进行阈值分割实验, 并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明: 该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍, 1040.32倍和8128.85倍; 另外, 在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示, 基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。