传统的基于过渡区域提取的目标分割算法存在噪声敏感问题, 从而会影响到过渡区域提取的准确性。 与可见光图像相比, 红外图像特别是红外光谱图像, 受到探测器无法消除的热噪声影响, 传统的目标提取算法准确率普遍降低。 此外, 虽然通过边缘能够精确定位目标, 但是无法获取目标完整边缘。 而过渡区域的灰度分布特点是可以解决基于边缘的目标提取难题。 因此为了提高目标提取的抗噪性和准确性, 提出了一种将过渡区域提取与边缘检测结合的自适应红外目标提取方法。 首先利用像元空间邻域信息构造密度, 以此有效降低噪声影响和获取图像边缘信息。 然后基于像元密度信息最大分离目标边缘与背景, 得到有效边缘和过渡区域, 进而以此生长出目标。 将边缘与过渡区域结合, 可以很好地抑制噪声, 多幅复杂场景实验评估了该方法的抗噪性能, 结果显示, 提出的方法在噪声的干扰下能较好的提取目标。

针对气动光学效应以及噪声等先验信息不明带来的图像模糊退化, 从而使图像过渡区域不易进行细化的问题, 提出了一种大气湍流退化图像的过渡区域提取及细化算法。首先, 对退化图像进行了基于局部方差的区域分割；然后, 对过渡区域进行噪声疑似度和边缘疑似度判断, 以获得更贴近区域中心线的较窄区域；最后, 进一步对过渡区域跟踪细化完成了轮廓提取。大量仿真实验结果表明, 算法较好地提取了退化图像的轮廓信息, 同时, 算法具有较好的区域分割效果、抗噪性能、细化效果以及实时性。