基于区域生长的前视红外图像分割方法

红外成像制导技术以其优越的性能成为当今精确制导技术发展的主流。红外图像的精确分割是实现目标识别的基础。针对地面目标前视红外图像的特点和成像制导技术中图像分割的目的,提出了一种基于区域生长的前视红外图像分割算法,它首先在全局阈值分割的基础上选择出种子点所在区域,并在区域中定义局部灰度信息统计准则和策略选取出种子点;然后以目标模板面积作为参考,通过对分割效果的判断自动调整生长阈值进行区域生长以得到分割图像。实验结果表明,本方法分割出的目标完整准确,分割结果对基于边缘特征的目标匹配识别非常有利。

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法 .该方法将图像分为目标和背景 ,并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性 ,进而给出图像模糊熵的描述 .采用遗传算法对图像模糊熵的各个参数进行优化组合 ,根据最大模糊熵准则确定区分目标和背景的最佳门限 .实验结果表明该方法效果良好 ,大大提高了计算速度 .

低对比度前视红外坦克目标图像检测方法研究

将分形几何学用于低对比度前视红外图像的分割，分析研究了自然场景与人造物体的分形特性随尺度的不同变化，提出并构造一种新的多尺度分形特征矢量，通过Ｋ－均值算法在特征空间中对其进行类聚。

基于模板的前视红外图像建筑物分割方法

针对前视红外地面建筑物图像目标分割问题,在传统方法的基础上提出了一种基于模板制备的改进C-V模型分割方法。首先通过DSM数据制备目标二维形状模板;然后对图像进行高斯滤波去噪,并采用模板尺度相关的结构元素对图像进行灰度形态学增强;最后引入模板形状先验信息的概念,利用水平集方法表达轮廓先验信息,在C-V模型的基础上增加目标轮廓先验信息能量项,使分割曲线进化同时受到图像数据与形状先验信息驱动,实现目标分割。实测数据显示该方法能在复杂背景条件下精确分割前视红外建筑物目标。

前视红外图像质量评价指标研究

实时图像质量严重影响景象匹配性能,但目前尚无通用可行的评价标准来衡量其质量,而且不同匹配算法对各种图像特征的敏感性有差异,需要根据算法对图像质量评价问题展开分类研究。文中首先给出了图像质量评价的工作方式,然后从成像质量和目标凸显程度两个方面进行指标分析,提出了包括信噪比、模糊度、目标局部凸显程度和全局凸显程度在内的指标体系。实验表明,各指标与匹配性能之间具有单调一致关系。

前视红外目标匹配中的图像质量建模

针对前视红外图像质量预测的指标和建模方法进行了研究。通过分析两种典型的目标匹配算法的执行过程,提出了描述图像满足匹配需求的三项准则,即目标均匀性准则、目标局部凸显准则和目标全局凸显准则,进一步提取目标灰度熵、目标背景对比度、目标背景熵差、目标所占面积比例和归一化积相关峰个数这五个图像特征作为质量指标。传统图像质量建模一般采用线性回归方法,但考虑到前视红外图像质量预测模型中二分类因变量的特点,线性回归方法不再适用,因此采用了Logistic回归方法建立模型。测试样本的预测分类表显示,两个模型综合预测准确率均超过80%,证明模型对图像质量具有良好的预测效果。

一种新的前视红外图像分割方法

为实现复杂背景下的前视红外图像分割。针对图像特点，综合利用背景抑制、互信息及数学形态学的方法和理论，提出了一种新的图像分割方法。首先，采用中值滤波对图像进行背景抑制；然后，将图像配准的方法用于图像分割，利用互信息量确定最佳分割阚值；最后，对得到的二值图像进行形态学变换，得到精确的目标分割区域。实验结果表明，该方法能有效分割出复杂背景下的目标区域，有利于下一步的目标识别与跟踪。

粗糙集在前视红外图像质量指标约简中的应用

为了对因子分析之后保留的前视红外图像质量指标作进一步约简,把目标是否正确匹配的决策问题抽象成决策信息系统,运用粗糙集理论中的属性约简方法去除了对图像质量影响不显著的指标,得到了包含5个指标的一种约简。由于粗糙集属性约简在原理上防止了属性之间的强相关性,所以直接采用粗糙集理论再次约简最初的15个指标,得到了包含5个指标的另一种约简。对比实验表明,无论是与因子分析结合使用,还是单独直接使用,以粗糙集约简结果为输入的BP神经网络图像质量评价模型在收敛速度和预测精度上都具有优势。

成像降质效应对前视红外图像质量的影响分析

前视红外图像质量对于目标检测与跟踪算法能否准确定位目标具有十分重要的作用。目前对自动目标识别领域前视红外图像质量的研究大都与场景内容相关,而忽视了成像降质效应对图像质量的影响。本文通过分析噪声和模糊两种降质效应的成因,结合前人的模拟方法,得到了高性能前视红外成像设备获取的图像中噪声和模糊模拟的新方法。将该方法用于分析不同程度噪声和模糊对图像质量的影响,结果显示,噪声对于图像质量有害,而模糊对于图像质量并不一定有害。基于这一结论,采用去噪方法对前视红外图像进行预处理。对比实验结果表明,该方法比去模糊方法能更有效地提高匹配概率。

基于深度学习的跑道前视红外图像轮廓线提取

针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法。算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO(You Only LookOnce) V2检测算法提取候选目标,寻找跑道所在位置;然后在已经获取跑道所在边框的基础上,在神经网络最后一层采用多尺度线段检测器(Line Segment Detector,LSD)进行精确的线段检测;最后对所检测的线段进行融合,提取轮廓线。真实实验数据表明,该算法基本上能满足机场轮廓提取实时性好、提取精度高、抗干扰性强等要求。

前下视红外图像中复杂地面背景下的目标定位

对于地面背景较复杂条件下的目标定位问题,目标模板匹配算法是一种有效的方法。将隐马尔科夫统计模型引入到目标模板匹配,并结合离散余弦变换,给出了一种图像相似性测度。采用真实的中波红外图像验证了该相似性度量的性能。实验结果表明,该测度适用于红外图像的模板匹配问题;且该相似性测度对噪声不敏感,优于常用的以相关系数为测度的方法。

前视红外图像中海岸线与海天线的通用检测方法研究

海岸线与海天线检测作为前视红外成像型反舰导弹末制导技术中的关键技术,通常会受到岛岸、云层、亮带、条状波浪等多种因素干扰。为解决这一问题,提出了一种海岸线与海天线的通用检测方法。对原始图像构建积分图像,采用箱式滤波器来增强海岸线与海天线的边缘特征;逐行滑动统计矩形区域内像素的梯度显著性来确定海岸线与海天线潜在区域,通过潜在区域内逐列寻找显著性最大值点,并对所有的最大值点进行多项式迭代拟合,获得海岸线与海天线的准确位置;基于实际采集的前视红外海面场景图像对该方法进行了验证和分析。结果表明,通用检测方法能够克服岛岸、云层、亮带、条状波浪等复杂背景的干扰,实现海岸线与海天线的检测,场景适应性强,实时性好。

多波段前视红外图像融合的海面杂乱背景平滑方法

为了有效地克服单波段前视红外图像中存在的点状杂波、条状波浪以及局部高亮区域等随机杂乱背景的影响,开展了基于多波段前视红外图像融合的海面杂乱背景平滑方法的研究。充分利用多波段前视红外图像之间的互补性和差异性,通过融合多波段红外图像的信息,旨在平滑抑制海面杂乱背景并保持舰船目标的特征信息,为舰船目标检测提供一幅优质的图像。首先利用离散小波变换将多波段源图像分解为低频子带和高频子带,其中,高频子带主要包含了图像中背景以及舰船目标的细节信息,低频子带主要包含了图像的亮度以及对比度信息;对于高频子带,在基于高频系数取绝对值最大法得到高频融合图像后,计算每个像素的区域能量来对高频融合图像进行调制以抑制图像背景的细节信息而保留舰船目标的细节信息;对于低频子带,通过平均法融合低频子带并利用导向滤波对低频融合图像进行平滑滤波处理;最后对高频融合图像和低频融合图像进行小波逆变换得到的重构图像即为融合图像。对实际采集的多波段前视红外图像进行仿真实验,将该方法与双边滤波、导向滤波、梯度最小化、相对全变分、双边纹理滤波和滚动滤波共6种图像平滑滤波方法进行对比。结果表明:所提出的方法通过有效地融合多波段图像的信息,将空间域的平滑处理转换到频率域中进行,能够很好地平滑海面随机杂乱背景并较好地保持舰船目标的结构、灰度以及对比度信息,大大增强了舰船目标的可分离性,其图像平滑性能优于作为对比的6种方法。

基于前视红外图像的边缘特征检测算法评估

随着技术的发展和实战需求的提高,基于前视景像匹配的制导方式成为了新一代精确制导武器中的研究热点。针对前视红外实时图匹配预处理中边缘特征检测的四种典型算子(Roberts,Sobel,Log,Canny)进行了研究。结合实际采集的前视红外图像数据,对四种算子的可识别性和处理的快速性进行了仿真验证,给出了评估结论。

图像运动对前视红外成像的影响

本文讨论了图像运动对前视红外成像的影响,用光学传递函数理论推导出图像运动OTF的数学表达式,并计算了在正弦振动条件下的结果,分析表明红外前视仪平台抖动将造成图像严重模糊。

前视红外热像系统贸易（上海）有限公司FLIRT系列热像仪

FLIR开辟了将Wi—Fi接入Androjd、iPad、iPhone和iPod Touch设备的先河。只需从Android或APP应用程序商店上下载新的FLIR ToolsMobile应用软件．就可以查看、捕捉和导出红外图像，并从选定FLIR热像仪中获取实时视频。

人造目标红外前视阈值分割技术

针对人造目标的前视红外（ＦＬＩＲ）图像，以错分概率、相对均匀、形状测度为评价准则，对几种经典的整体阈值分割方法进行了性能比较，并定量分析了分割精度与目标大小、干扰因素之间的关系，最后，总结了各种方法的特点和应用范围．

前视红外系统中复杂背景下典型地物目标跟踪

前视红外系统主要处理复杂地物背景下的典型地面目标,如桥梁、机场跑道、大型建筑物等。跟踪地面背景较复杂的目标常用的是目标模板匹配的方法。而模板匹配相关跟踪的关键是对实时模板的更新及替换策略。针对前视目标跟踪问题,采用模板相关匹配的方法搜索目标;采用Kalman滤波的方法更新实时模板中的每个像素,以达到更新实时模板的目的,采用Kalman滤波的方法校正跟踪结果坐标位置数据。为了减小运算量同时又不影响跟踪精度,采取了隔若干帧更新一次模板及跟踪位置数据的策略。仿真实验证明,跟踪效果较好。

一种基于连续跟踪的前视红外基准图制备方法研究

针对飞行器前视红外连续跟踪导航任务,对一种实用的匹配区选取与基准图生成方法进行了研究。分析了连续跟踪导航基本原理,以图像方差、连续特征检测和Frieden灰度熵为分析指标,设计了一种粗选与精选结合的匹配区选取方法。以线特征作为连续跟踪匹配区选取参数之一,利用实时图大小方格逐行扫描的方式,以图像方差为指标进行粗选,选取合适的区域进行直线特征检测;用Hough变换直线检测进行二次精选,用Frieden灰度熵进行稳定性分析,以确定可用于连续跟踪匹配区,得到跟踪导引线,并给出其定义及其参数组成。对某航拍图用所提方法获得了具备连续特征的前视红外连续跟踪导航基准图,验证了该方法在连续跟踪匹配区选取中的有效性、实用性和适应性。

基于多尺度局部对比度的前视红外舰船目标增强

前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题,为了更好地突出目标、抑制背景,提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容,然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM),通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM),最终得到了尺度不变局部对比度图像。实验结果表明,所提方法可以适应前视红外图像中多类型多尺寸的舰船目标,显著提高目标信号的信噪比(SNR)和信背比(SBR),与其他方法相比,所提方法的舰船目标增强效果更好,尤其是对于暗弱目标区域;另外,所提方法运算速度快,并且可以借助并行处理和积分图像进一步加速运行。