基于支持向量机的红外小目标分割和聚类方法研究

目标图像的分割与聚类是检测和识别红外小目标过程的预处理部分。通过映射最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,再通过聚类分析提取出可能的小目标。并以混合核函数为例导出了极值点估计所需的二阶方向导数算子。对模拟和实际的海空红外图像进行了实验验证。研究表明,基于支持向量机的小目标分割和聚类算法具有较强的适应性。

基于支持度变换的几何活动轮廓模型轮廓提取方法

提出了一种新的轮廓提取方法,该方法将几何活动轮廓模型与映射最小二乘向量机(mapped LS-SVM)相结合。首先用映射最小二乘向量机推导出支持度滤波器,通过在基本支持度滤波器中填充零的方法得到一系列的多尺度支持度滤波器。然后通过支持度变换(SVT)计算出支持度图像。在此基础上,用支持度图像计算几何活动轮廓模型的边缘指示函数,使得曲线演化快速地收敛到期望位置。实验结果表明该方法的轮廓提取效果较好,收敛速度更快。