不均匀光照下的合作目标图像分割方法

针对复杂光照条件下目标测量中,合作目标图像很难被快速、准确分割这一难题,将模糊积分引入图像分割领域,改进传统的局部自适应阈值算法。首先,采用面积求和表(SAT)算法求出合作目标图像的积分图像;其次,根据模糊测度和所选择的离散模糊积分公式计算模糊积分图像;最后,根据模糊积分图像计算每个像素点的阈值,对原图像进行二值化。实验结果表明,改进后的基于模糊积分的局部自适应阈值算法分割的平均结构相似性(SSIM)指标相较于改进前普遍提升了10%~30%,分割效率大幅提升,最终成功地分割合作目标图像。

基于模糊递归和最优硬阈值的局部投影降噪算法

针对原始局部投影降噪算法的局部邻域选取问题和子空间划分问题,提出了一种基于模糊递归图和最优硬阈值准则的局部投影降噪算法。首先,利用模糊递归图确定局部邻域范围;然后,再对邻域矩阵进行奇异值分解,并利用最优硬阈值准则对局部邻域的信号子空间和噪声子空间进行划分;最后,进行投影去噪。Lorenz信号的仿真结果表明,所提方法能够提高信噪比并降低均方误差,恢复原始吸引子的形态结构。对实测含噪心电图信号进行处理后,信噪比显著提高,验证了本方法的有效性。

基于局部方差的模糊小波阈值图像去噪

针对小波阈值去噪中的VisuShrink阈值(统一阈值)“过扼杀”细节系数和SUREShrink阈值(Stein无偏估计阈值)“过保留”噪声系数的特点,提出了一种新的模糊小波阈值去噪方法。该方法根据小波系数局部方差能体现信号受噪声影响程度的特点,在局部方差之间引入模糊区域,通过模糊区域内局部方差的大小来计算相应小波系数的噪声隶属度。根据不同的模糊隶属度在VisuShrink阈值与SUREShrink阈值之间选取去噪阈值,并用软阈值函数消减。实验结果与仿真表明,提出的模糊阈值方法有较好的去噪效果。

基于区域模糊阈值的前视红外目标识别

针对用前视红外(FLIR)目标法识别复杂地面时,存在无直接可用基准图、背景干扰严重、目标与背景灰度差异小等问题,提出了一种基于区域模糊阈值的目标识别方法。首先,在建立多尺度空间的基础上,设计多阈值算法,生成显著图;其次,引入基于图像模糊率的区域模糊阈值方法,改进Itti模型,构建候选目标筛选模型;最后,对检测结果运用积分归一化积相关(Nprod)算法进行精匹配,确定识别目标。实验结果表明,与Hausdorff距离算法相比,该识别算法匹配率提高了近20%,花费时间缩短了3/4;与积分Nprod算法相比,提出的算法匹配率提高了近40%,时间缩短了1/2。结果显示,对于复杂背景的前视红外目标,该方法具有匹配率高、速度快、精度高等优点。

基于局部模糊方差的过渡区提取及图像分割

为取得良好的图像分割效果,利用局部模糊方差区分过渡区与背景区的差异,提出了一种基于局部模糊方差的图像过渡区提取方法并用于图像的分割.首先将利用模糊集构造模糊方差的方法拓展到二维图像的情形,进而利用局部模糊方差构造过渡区.在此基础上通过多阈值的选择方法在过渡区上确定阈值,最后将其用于图像分割.实验结果表明所提方法具有较强的鲁棒性,并能取得良好的分割效果.

一种提高距离扩展目标检测性能的新方法

针对传统二进制积累的硬阈值滤噪性能的不足,提出了一种基于局部模糊阈值的距离扩展目标检测新方法.新方法对积累器的阈值设置进行了改进,使用局部模糊阈值抑制高分辨雷达距离像的噪声散射单元并保持目标散射单元,通过距离维和脉冲维能量积累实现多脉冲积累来提高检测性能.与目前广泛使用的基于散射点分布密度的广义似然比检测方法相比,新方法不需要目标的任何先验信息,易于实现恒虚警检测.实验结果表明:新方法相对于基于散射点分布密度的广义似然比检测方法的增益提高约2 dB,相对于二进制积累的增益提高约4 dB.

基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。

一种改进型局部检测器决策门限确定算法

分布式检测系统中局部检测器的决策信息会影响融合中心的决策结果。在先验概率和代价函数处于不确知的模糊状态下,提出了一种新型的局部检测器判决阈值算法。在相同案例下进行的计算机仿真结果表明:采用阈值确定算法得到的融合中心的Bayes风险值和Bayes风险隶属度函数更接近真实情况。

一种利用距离脉冲二维局部特性的距离扩展目标的检测方法

针对传统的二进制积累检测器阈值设置的不足,提出基于距离维和脉冲维二维局部模糊阈值函数来获取精炼脉冲距离二维图像从而进行积累检测的新算法。该算法将单脉冲距离维的距离扩展目标检测问题推广为多脉冲距离脉冲二维图像的目标检测问题,并积累精炼图像的能量作为检测统计量从而实现目标检测。新方法不需要关于目标的强散射点密度信息,并且易于实现恒虚警检测。实验结果表明本文方法超越了传统的能量积累检测方法、基于散射点分布密度的广义似然比检测方法以及顺序统计检测方法。

基于局部空间信息的可变类模糊阈值光学遥感图像分割

阈值法分割在光学遥感图像分析中被得到广泛的应用,然而传统阈值法也存在诸多局限性,如对噪声敏感,需人为设定类别数,计算复杂度高等.针对传统阈值法的局限性,提出一种基于局部空间信息的可变类模糊阈值光学遥感图像分割方法.首先,以图像光谱的一阶矩为初始类中心,利用二分法原理和区域间最大相似度准则来快速确定类别数及其中心.然后,通过岭形模糊隶属函数计算各像素点对不同类的隶属程度,同时考虑到像素点的隶属度局部空间信息,在隶属度域中定义一个模糊加权滤波器对各类的隶属度矩阵进行滤波,以滤波后的隶属度集合为依据,按照最大隶属原则确定图像的标号场.最后,对标号场中的局部异常标号进行替换,将修正后的标号场由对应的类中心赋色得到分割图像.视觉和统计分析评价结果表明,与传统阈值法相比,该方法能在减少计算时间的同时获得更好的分割结果,可适用于光学遥感图像的多阈值分割.

基于模糊理论的图像分割方法

在图像信息隐藏研究领域,图像分割技术得到了广泛的应用。常用分割技术主观性较强,对图像的分割不够精确,利用模糊理论对图像进行分割可以有效解决这一问题。首先构造了图像的局部方差矩阵,然后根据模糊理论定义了平滑区、纹理区和边沿区3个模糊集,随后选取了适当的隶属函数并确定了其相关参数,科学、客观的确定了图像的分割阈值,进而实现了对图像的精确分割,最后通过实验数据验证了算法的有效性。

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE(Gray Level and Local Entropy)二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.

基于模糊聚类回归的人脸特征点定位研究

传统基于回归的人脸特征点定位算法存在忽略人脸局部结构信息、姿态偏转较大时定位精度差等问题。为此,提出一种基于模糊聚类回归的定位算法。利用人脸特征点之间的局部结构信息对人脸训练集进行聚类,并根据阈值判决结果适度扩充训练样本。分别训练所有子训练集的回归结构,在测试过程中加入多次形状约束以自动调整每次聚类的结果和回归结构的选择,由此提高人脸特征点定位的精度。在300-W数据库上的实验结果表明,与形状回归算法和鲁棒姿势回归算法相比,该算法明显提高了姿态偏转较大情况下的定位精度。

基于自适应阈值的均匀局部二值模式

针对均匀局部二值模式的编码方式存在不同类像素干扰的问题,提出一种基于自适应阈值的均匀局部二值模式。采用基于直觉模糊集理论相似度量的方法计算图像前景与背景的分割阈值,通过引入该阈值参数改进均匀局部二值模式的编码方式,使得改进后的编码方案能有效降低不同类像素间的干扰。将改进的均匀局部二值模式应用于现勘图像检索,实验结果表明,该模式可以在一定程度上降低不同类像素间的干扰,增强算法对现勘图像纹理特征的描述性能,且使得检索算法取得较好的检索结果。

基于改进FCM聚类的网孔织物图像分割算法

网孔织物疵点检测的关键在于将网孔从复杂的背景中完整分割,网孔分割粘连和残缺都会导致网孔分割正确率较低。针对网孔织物图像对比度低和织物经线交界处存在阴影导致分割结果中出现网孔粘连和残缺等问题,本文提出一种改进的FCM(fuzzy C-means)聚类分割算法。首先,为了解决直方图均衡化算法处理图像后信息熵减少和对比度不足等问题,建立灰度变换曲线提高图像质量。其次,建立十字滤波器使织物像素点选择性地沿着织物经线方向取灰度平均值以增加织物经线交界阴影处像素点的灰度值。最后,为了再次提高网孔分割精度,利用FCM算法提取的隶属度矩阵和双阈值分类法对分割不确定性较高的像素点重新分类。实验结果表明:本文算法分割效果良好,有效增强网孔交界处像素点的灰度值并解决分割结果中网孔粘连和残缺等问题,网孔分割正确率约为96%。