提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点, 利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率; 根据已有的先验知识构造属性集, 把灰度直方图限定在感兴趣区域, 减少背景的影响; 然后, 利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度, 应用了快速递推算法。实验结果表明, 本文提出的背景抑制算法能更好地抑制背景, 提高图像的整体信噪比; 分割算法具有更好的分割检测效果, 候选目标点分割准确、虚警目标点较少, 运算速度提高了91%。对分割图像进行后续处理, 剔除了大部分虚警目标点, 为后续目标准确检测提供了有力保障。

为了进一步提高红外弱小目标检测的准确性和实时性, 针对红外图像的特点利用修正的Top-Hat算子对目标图像进行背景抑制以提高目标检测概率。根据已有的先验知识构造属性集, 把灰度直方图限定在感兴趣区域, 减少背景和噪声的干扰。利用改进的OTSU算法进行图像分割以检测目标。为了提高分割算法运算速度, 把快速递推算法推广应用到了本文算法中。实验选取了不同类型的红外图像, 将本文算法和其他文献中算法的分割结果进行了比较。实验结果表明, 本文算法具有更好的分割效果, 目标分割准确, 运算速度提高了60%以上。属性直方图可以针对具体问题, 利用已有的先验知识灵活构造, 具有较好的通用性。

提出二维属性直方图的概念。它是一种由先验知识约束的二维直方图,可以使一些图像处理方法得到简化和变得可行。在此基础上提出一种基于二维属性直方图的图像分割方法。该方法步骤是构造图像的属性集,确定相应的二维属性直方图,然后利用二维属性直方图的最大熵法确定灰度阈值。为了说明该方法的性能,将其用于一种海底小目标图像分割。同时,也使用一维属性直方图的最大熵分割法。结果表明该方法比一维属性直方图的最大熵法抗干扰性更强,分割效果更好。二维属性直方图的概念具有理论意义与应用价值。该方法适用于图像有某种先验知识的场合。

利用粗糙集理论进行图像增强,子图的划分是关键.属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法.该方法利用属性直方图的Otsu算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像.将该方法用于一种海底小目标图像增强.实验结果表明该方法处理增益为11dB,明显地增强了图像,且不损害图像的边缘.该方法适用于图像有某种先验知识的场合.