基于灰度级分组的X光行李图像增强改进方法

针对低对比度X光手提行李图像在机场安检中容易产生高虚警或高漏警的问题,提出了一种基于灰度级分组的X光行李图像增强改进方法。首先应用离散小波变换对低、高能图像进行融合,然后通过分频处理得到低、高频图像,再分别采用基本灰度级分组和可选择灰度级分组方法实现增强。将本文方法与基于灰度级分组的增强方法、传统的直方图均衡方法进行比较,实验结果表明,本文方法能够有效地改善图像质量,提高图像的清晰度。     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,通过对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果。     

冲压发动机试验面内小位移高精度摄影测量方法

针对冲压发动机试验滑动密封段受噪声和背景强光干扰导致标记或散斑图像相关性损失,而传统的DIC算法不能很好工作的问题,提出了一种面内水平和垂直位移的高精度、高鲁棒且高效的测量方法。首先,采用Canny算子对标记图像滤波后进行拉格朗日插值;然后,对插值后图像进行亚像素阈值分割,并取ROI区域进行形态学闭运算寻找标记轮廓,实现了亚像素级边缘检测;最后,采用一阶中心矩法计算相对位移,得到了精确的亚像素位移值,并基于卡尔曼滤波法提升了位移测量的精度。结果表明：该方法保持了空域亚像素图像的测量速度,在当前配置计算机上获得了较好的鲁棒性和150帧/s的执行效率,使用卡尔曼滤波后测量精度提高了约3倍。     

基于加强模糊聚类的航空行李图像超像素分割

在自助行李托运系统拍摄的行李图像库中检索错误运输的行李时,图像背景会严重影响检索精度。针对该问题提出了一种加强模糊聚类算法（EnFCM）的超像素分割方法,实现了行李目标区域的提取。通过多尺度形态学重建梯度图像,设计了自适应上限尺度的分水岭超像素预分割算法,得到多个独立的超像素区域。对超像素图像进行直方图统计,并结合分水岭分割参数和实际行李图像内容的类别数量进行超像素的加强模糊聚类,得到行李区域。通过多个实际行李图像的分割实验验证了算法的有效性,平均分割精度达到93%,超过多个典型的分割算法。     

固体发动机CT检测中的一种缺陷识别方法

提出一种图像不变矩法和直方图分析法相结合的缺陷识别方法.首先,利用图像不变矩方法,通过形状识别,将裂缝从固体发动机缺陷中提取出来;然后,利用直方图分析法,计算出气泡和夹渣像素值所在的灰度区间,将气泡和夹渣区分.从而实现固体发动机缺陷的自动分类识别,解决了现有技术中通过人工判决缺陷而导致的识别效率低、准确性差的问题,保证了固体发动机的性能.      

基于Gibbs-Markov随机场与连通聚类的SAR图像恢复

在传统的马尔可夫随机场(MRF)的图像建模方法基础上利用合成孔径雷达(SAR)图像的固有特性对Gibbs-MRF模型进行改进复原SAR图像,并进一步提出用数字形态学中连通性理论进行图像分割。在SAR图像像素空间的邻域内,估计最大后验概率(MAP)时引用Gamma分布代替传统的瑞利分布恢复数据,同时利用像素强度值相关性的连通模型将目标较好地提取出来。充分利用了SAR图像的数字形态信息和像素强度之间的相关性,得到了更好的分割效果。仿真实验说明本文方法是有效的。     

基于改进型CFAR的SAR图像目标检测算法

针对传统的双参数恒虚警率(Constant False Alarm Rate,CFAR)算法存在的虚警率高、实现过程繁琐、算法执行效率低等问题,提出了一种改进型的CFAR检测算法。该算法根据SAR图像的统计直方图,对可疑的目标像素进行预筛选,再用2个滑动窗口对像素进行判别。改进型的CFAR检测算法简化了原检测算法的结构,降低了检测结果的虚警率,提高了算法的计算效率,并在国际公开的雷达数据集上进行软件与DSP硬件的应用验证,测试表明该算法的有效性。     

一种基于改进核主成分分析的SAR图像识别方法研究

针对传统核主成分分析方法识别SAR图像时,存在图像像素之间关联性差、对目标姿态角依赖性强等局限性,研究了一种基于改进核主成分分析的SAR图像识别方法。其研究思想是,结合SAR图像的特点提出了一种基于局部特征核主成分分析的特征提取方法,并设计了一种基于灰关联分析的双分类器对提取特征进行分类。NSTAR仿真实验表明：该方法不仅可以增强图像像素之间的相关性,而且对目标姿态角不存在依赖性,仿真结果验证了方法的有效性和可行性。     

基于图像与电子侦察的云模型运动目标检测

运动目标检测是分析特定目标行为的基础。提出一种立足图像特征分析,通过构建图像本身的梯度方向直方图特征完成图像初始建模,采用电子侦察结果对目标位置进行纠正,而后采用云模型的概念模型进行特征合并,完成目标的检测。实验结果表明:与其他类似算法比较,该算法在检测速度和检测准确性方面具有一定的提高和优势。     

基于Walsh基和二值离散余弦基单像素成像的对比分析

为提升单像素成像的测量效率,对Walsh基和二值离散余弦基单像素成像进行了对比研究。针对Walsh变换和抖动二值化后的离散余弦变换,提出了一种借鉴机器学习的排序方法,即通过分别统计80000幅图像的Walsh测量基和离散余弦测量基各自相应测量权重绝对值,按权重由大到小排序得到了两种具有先验知识的测量基优化排序。按两种测量基优化排序,研究了在相同压缩采样下的单像素成像。利用随机选取的500幅图像,定量分析了成像的峰值信噪比和结构相似度。研究发现,两类测量基在压缩采样为5%时,500幅图像平均峰值信噪比可达20dB,平均结构相似度达0.5以上;在采样率1%~10%的区间,二值化的离散余弦基重建结果占优;在采样率10%~20%的区间,两种测量基效果相当;在采样率大于20%时,Walsh基占优。该结论为单像素成像技术实现快速、高信噪比成像提供了一种方法,对推进单像素成像测量基的选取具有较好的参考价值。     

经纬仪测量图像中目标缺损区域的恢复

根据电子经纬仪序列测量图像的特性，充分利用缺损帧前后数帧图像的相关信息，采用C-均值模糊聚类技术，提出了一种测量图像缺损部分恢复方法，对恢复帧前后数帧进行聚类，并剔除噪声帧，采用有效聚类中心灰度值对缺损区域进行恢复。经试验证明：此方法恢复的目标区域图像准确，灰度变化平缓，不失真。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法。首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习。其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复杂度。此外,设计了一种基于融合系数最大绝对值的融合规则,并根据过完备字典和融合后的局部约束线性系数实现融合图像的重建。最后,利用圆周滤波器提取舰船图像的候选区域。大量试验结果表明,在融合图像质量方面,所提方法在保留高频细节的同时将图像中的舰船目标有效增强了,MI、Q_w、Q^AB/F等客观评价指标优于同类算法;在实时性方面,所提算法的计算速度相比于采用匹配追踪算法的图像融合方案有明显提升。     

一种新的目标跟踪特征融合方法

在粒子滤波目标跟踪框架下,给出一种基于颜色直方图和边缘直方图的新特征融合算法．该算法是一种通过颜色和边缘直方图的特征波和熵实现特征之间粒子数重分配的方法。通过实验比较本文算法与单特征跟踪算法的跟踪误差,结果表明本文方法较传统依靠单一特征进行目标跟踪的粒子滤波方法,在运算时间增幅不明显的情况下,实现了更为准确的目标跟踪,并可稳定的应用于运动背景下的动目标跟踪、背景光照变化下的多目标跟踪以及多目标发生相互遮挡等情况。     

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.     

夜间成像光测数字图像增强技术研究

分析夜间成像的光测数字图像灰度范围、对比度和信息量等主要特点,为图像增强的策略选择和效果评价提供依据。针对夜间成像光测数字图像灰度范围较窄等特点,提出局部灰度修正的增强方法适当增强图像对比度,又避免细节损失,同时,利用拉普拉斯锐化突出目标轮廓和边缘,并利用人眼对彩色敏感的特点,采用伪彩色增强提高对图像中模糊目标的分辨能力。通过上述3种增强技术,提高了对夜间成像暗图像的目标识别能力,有利于后续判读处理。     

融合背景图像信息和多特征压缩的相关滤波跟踪算法

针对相关滤波类跟踪算法目标背景图像信息利用率较低、目标特征表达能力较弱的问题，提出了一种融合背景图像信息的多特征压缩跟踪算法。首先，在上下文感知滤波器的基础上，将背景图像信息加入位置滤波器。其次，提取颜色名(Color Name, CN)特征与梯度直方图(Histogram of Oriented Gradient, HOG)特征，使用最大响应因子及平均峰相关能量(Average Peak-to-Correlation Energy, APCE)评估跟踪结果的可信度，实现两种特征的自适应融合。最后，利用特征降维简化模型的复杂度，实现算法运行速度的提升。实验结果表明，改进后的算法在遮挡、形变、尺度变化等复杂环境下均具有较高的鲁棒性，其跟踪精度和成功率指标均优于DSST及其他主流的跟踪算法，并且仍保持了实时性。     

基于伪彩色的感兴趣目标检测方法

若获取的灰度图像中含有较大噪声时,传统Itti算法经常会出现漏检以及错检的情况。为此,提出了基于伪彩色的感兴趣目标检测方法。首先对灰度图像添加相应的彩色信息,生成一幅目标细节较为清晰的伪彩图;其次根据Itti算法进行显著性计算;最后通过模板匹配检测出感兴趣目标。实验结果表明：算法能够达到补偿由于噪声问题引起的显著性目标无法检测的问题。     

基于数学形态学的图像边缘检测技术

边缘检测通常是用类似于素描图的图像表达出物体的要素和特征。实际图像中,边缘由灰度突变的象素点组成,在数字图像处理和分析中具有重要的作用。本文综合国内外最新文献资料,分析了多种基于数学形态学的边缘检测技术:基于多尺度形态学的边缘检测、基于数学形态学多极平均的图像的边缘检测、基于偏微分方程的形态学的边缘检测、基于均衡化和数学形态学的组合边缘检测、基于坐标逻辑的多结构元图像边缘检测等技术,并综合比较了其优缺点,探讨了其发展方向。