自适应双极性红外舰船目标分割算法

红外舰船目标分割是红外海面场景中舰船目标自动识别的关键技术之一,通过阈值方法分割舰船因具有诸多优点而被广泛应用。已有阈值算法假设已知舰船和目标的能量强度关系(一般假设舰船亮度高于背景),但实际中波红外探测器所采集的图像易受环境影响,导致成像后舰船目标呈现双极性,使得已有的阈值方法难以自适应的分割舰船目标。为解决双极性舰船目标的自适应分割问题,该文提出一种新的最大化2维熵分割算法。算法首先利用图像的多尺度局部方差-熵变化量和梯度方向方差两个指标构建2维直方图,然后使用粒子群优化算法寻找最大化2维熵的最优阈值来对图像进行粗分割,随后在粗分割的基础上进行迭代精分割获得准确的目标分割结果。实验结果表明,该文算法能够在舰船目标呈现双极性的情况下均获得较好的分割结果。

基于Harris算法的自适应双极性红外舰船目标检测

红外舰船目标检测是舰船目标自动识别与跟踪的关键技术之一。针对现有方法在舰船目标成像灰度呈现"双极性"(舰船亮度高于或低于背景)或多极性(舰船目标灰度分布不均匀)的情况下适应能力不足,提出了一种新的红外舰船目标检测方法。为抑制海空杂波干扰提高检测概率,对图像进行均值漂移滤波,利用行垂直方向梯度投影获得感兴趣区域,通过检测区域内目标角点实现舰船目标的自动检测。实验结果表明,该算法能够克服传统算法基于舰船亮度高于背景的假设,在舰船灰度呈现双极性或多级性的情况下获得较好的检测结果。

一种改进的利用背景检测弱小目标的方法

提出一种基于背景检测弱小目标的改进算法.该算法通过双重预测窗,分别用来预测当前像素的背景灰度和真实灰度,不仅能解决传统预测算法的边缘模糊问题,而且适用于双极性目标的检测,运算速度更快,是背景预测算法的一个重要改进.在导弹视频实时跟踪中,检测的可靠性和稳定性要求目标检测算法既要克服边缘模糊问题,又能保证导弹在亮、暗背景下都能正常工作.针对导弹跟踪系统提供的实际图像的试验表明,提出的算法能快速准确地检测出目标.