基于聚类融合的中波红外图像目标提取方法

为了提升目标提取效果、降低环境因素的干扰,提出基于聚类融合的中波红外图像目标提取方法。首先对中波红外图像实施小波阈值去噪及增强处理,加强中波红外图像的清晰度;其次采用多模态特征融合方法提取图像中目标物的对比度特征及熵特征;然后通过聚类融合多种特征实现对目标的准确提取。实验结果表明:应用该方法后,去噪后的峰值信噪比最大值可达到118 dB,且可以完成地提取出中波红外图像中的6处目标,证明本方法具有准确率高、有效性强的应用优势。

基于红外图像目标检测与温度特征提取的变压器套管发热缺陷识别

针对变压器套管发热缺陷人工检测方法效率低下的问题,设计基于红外图像目标检测与温度特征提取的变压器套管发热缺陷诊断系统,以实现发热缺陷的自动诊断。首先,采用YOLOX目标检测模型对红外图像中不同电压等级套管进行分类识别,使用结合Mish激活函数的快速空间金字塔池化(spatial pyramid pooling-fast,SPPF)结构替换主干特征提取网络的空间金字塔池化(spatial pyramid pooling,SPP)结构,并在特征融合网络中添加高效通道注意力(efficient channel attention,ECA)模块以提高检测准确率;其次,设定所检测套管电压等级类别,根据预测框信息对同电压等级套管进行定位裁剪;最后对套管图像做加权均值法灰度化处理并进行区域划分,提取不同区域温度特征信息进行发热缺陷诊断,并以报表形式展示。实验结果表明:目标检测模型识别准确率达到98.41%,模型对图像的平均检测速度达到46.80帧/s,所设计系统能准确诊断出变压器套管发热缺陷,提高缺陷检测效率。

基于多尺度特征提取的红外图像多目标分割研究

红外图像由于分辨率过低,导致多目标分割效果较差,为此研究基于多尺度特征提取的红外图像多目标分割方法。通过子带分解多尺度Retinex算法利用增强处理红外图像;利用Linberg尺度空间理论构建增强处理红外图像的多尺度空间,通过二阶自相关矩阵提取红外图像特征点。依据所提取到的特征点,构建红外图像多目标分割聚类的目标函数,采用自适应的进化模糊聚类算法求解红外图像多目标分割聚类问题,实现红外图像多目标分割。实验结果表明,该方法可以有效分割红外图像中的多目标,红外图像分割的信息熵高于5,多目标分割效果较好。

基于AS-YOLOv7的红外目标检测算法

为解决传统目标检测算法在红外场景下的目标识别精度低、检测速度差等问题,提出基于AS-YOLOv7的红外目标检测方法。首先针对红外图像的特性,对YOLOv7模型中的特征提取网络进行重构并构建卷积块CBH,保证模型的稳定性和计算速度;然后改进金字塔池化(SPPCSPC)模块,使模型在不增加任何参数的同时提高模型性能;最后将原模型中的损失函数替换为具有动态非单调的WIoU损失,解决红外数据集中质量较好和质量较差的样本间的不平衡问题,提高模型的泛化性。本文实验在自行采集的数据集上进行训练和验证,与原模型相比,AS-YOLOv7的平均精度提升了0.2%,参数量降低了79%,计算量降低了85%,推理时间降低了32 ms。改进后的模型在保持准确度的情况下提高了模型的推理速度。

基于特征增强的模糊红外刑侦目标提取算法研究

本研究旨在解决红外图像刑侦场景中目标边缘模糊和轮廓不完整等问题。提出了一种基于特征增强的模糊刑侦目标提取方法。首先,设计模糊刑侦目标边缘提取网络模型(Blurry Criminal Investigation Target Edge Extraction Network Combined with Spatial Channel Attention,BCES-Net),并利用空间通道关注模块(Spatial and Channel Attention Module,STCAM)获取具有强语义信息的特征图像。接着通过建模提取来获取包含语义类别信息的边缘特征和模糊刑侦目标特征。在训练过程中,基于特定损失函数和多种特征融合技术,通过反复监督学习和训练校正,提高了边缘和模糊刑侦目标分割性能。在手部热痕迹数据集上,与DeeplabV3+、U-Net、HRNet、PSPNet等模型相比,BCES-Net模型在均交并比(mean Intersection over Union,mIoU)、平均精度均值(mean Average Precision,mAP)、准确率等评价指标上显著优越,mIoU达到88.3%,mAP达到94.35%,准确率达到95.5%。本研究创新性地提高了模糊红外刑侦目标提取的准确度,为实际应用提供了技术支持。

基于目标提取的红外与可见光图像融合算法

分析红外图像与可见光图像融合时,目标信息丢失或减弱的潜在原因,提出一种红外与可见光图像融合算法。该算法根据红外图像与可见光图像的特点,利用灰色关联理论检测并提取红外图像目标,采用替代法对获得的目标信息与可见光图像的背景和细节信息进行融合。实验结果表明,该算法得到的融合图像具有与红外图像相同的目标,且具备可见光图像的细节信息。

结合目标提取和压缩感知的红外与可见光图像融合

针对红外与可见光图像融合易受噪声干扰从而使目标信息减弱的问题,提出了一种基于目标区域提取和压缩感知的融合算法。首先,在频率域上对红外图像进行显著区域检测得到其对应的显著度图,并在显著图指导下结合区域生长法提取红外图像的目标区域,有效抑制噪声与复杂背景的干扰。然后,用非下采样剪切波变换对待融合的图像进行分解,采用不同的融合策略分别对目标与背景区域的高、低频子带进行融合。针对背景区域提出一种新的基于多分辨率奇异值分解和压缩感知的融合规则,最后,进行非下采样剪切波逆变换得到融合图像。与其他算法的对比实验结果表明,本文算法能更好地突出目标区域,保留图像细节信息,抑制噪声干扰;图像质量评价指标中的信息熵、标准差、互信息、边缘保持度分别提高了3.94%,19.14%,9.96%和8.52%。

基于形态学和改进管道滤波的红外小目标检测

红外小目标的正确检测是图像处理领域中的一个重要课题,现有方法没有充分挖掘小目标的特征导致目标容易淹没在复杂的背景中.此外,目标的运动轨迹信息没有完全利用也使得目标和孤立噪声不易区分.为了解决该问题,设计了一种基于多属性形态学和改进管道滤波相结合的算法.对红外图像构建最大树,并通过面积、高度和对角线属性综合提取小目标的多种特征达到目标增强背景抑制的目的,融合多属性形态学得到的结果确定候选目标,通过改进的管道滤波利用目标运动轨迹的规律性进一步去除类目标噪声.将所提出的方法在4个数据集与4种方法进行比较,实验结果证明所提出的方法能在最大程度上抑制背景杂波的同时增强目标,对多种复杂场景下的不同类型、尺寸不一和亮度差异大的目标检测效果鲁棒.

采用目标提取和NSCT的红外与可见光图像融合

针对目前红外图像和可见光图像融合中,融合图像信息量不足的问题,将目标提取和NSCT方法相结合,对其中的高频目标区域提出了基于局部信息熵的融合规则。将其与小波变换法、拉普拉斯法、NSCT法、提升方向波变换法作比较,并通过熵、标准差、相关系数等参数对融合后的图像进行定量分析。实验结果表明,该方法不但较好地提高了融合图像信息量,而且能够更加有效、准确地提取源图像中的特征,在主观视觉效果与客观评价指标上均取得了较好的融合效果。

基于免疫模板聚类的模糊中波红外图像目标提取

借鉴生物先天性免疫与适应性免疫的协调作用机制,综合考虑中波红外图像的光谱成像机理和频域模板统计特征,提出一种免疫模板聚类目标提取算法。借鉴先天性免疫对抗原表面分子模式的识别作用,以最大类间方差,将模糊中波红外图像初分割为目标像素集、背景像素集和模糊像素集;借鉴先天性免疫的特征提呈作用,提取中波红外图像模糊像素的频域模板特征,将图像的像素灰度特征空间映射为频域模板特征空间;基于提呈得到的模板特征,对模糊像素集进行适应性免疫聚类,将模糊像素划分为目标像素或背景像素。用手部痕迹的模糊中波红外图像进行实验,并与经典边缘检测模板法和传统区域模板法进行了效果比较和定量评价,结果表明免疫模板聚类算法的目标提取率、与参考标准的重合度、绝对误差率均优于现有模板方法,能够有效实现模糊中波红外图像的目标提取。

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理。根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位。实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪。

子波变换在红外目标图像边缘提取中的应用

对红外目标图像进行了图像增强和边缘提取。首先采用直方图均衡、非线性灰度变换、滤波的方法对红外目标图像进行增强、抑制噪声 ,然后基于子波变换的原理 ,采用双阈值自动门限化方法 ,对增强后图像进行边缘提取。分别采用了经典的边缘检测方法、正交子波和非正交二次样条子波对红外图像进行了边缘提取试验 ,结果表明 ,采用非正交二次样条子波提取到的红外图像边缘比采用正交子波及经典的图像边缘检测方法的效果好。提出的方法不仅有较强的噪声抑制能力 ,而且检测到的边缘清晰准确。

电路板红外图像多目标提取算法

电路板红外图像芯片提取是电路板红外图像故障检测系统中的重要环节,传统的芯片发热区域提取方法或多或少需要人工干预,在芯片较多和热辐射情况复杂电路板中人工参与效果不是很理想.基于电路板红外图像特征提出了一种自适应多目标区域增长算法,将该多目标区域增长算法与GVF-Snake模型相结合用于电路板红外图像芯片提取.利用多目标区域增长算法将每一块芯片的发热区域和辐射区域一并提取,再利用区域增长确定GVF-Snake模型初始轮廓,利用GVF模型进行芯片发热区域提取.实验表明,这种算法能够无人工干预的准确提取电路板红外图像所有芯片发热区域,具有一定的实用性和鲁棒性.

结合目标提取和深度学习的红外舰船检测

传统显著区域提取红外舰船目标检测算法进行图像处理时虚警率高,而深度学习的红外舰船目标检测方法速度慢。针对这些问题,提出了一种将传统的目标提取与深度学习中分类的思想相结合的红外舰船目标检测算法。首先通过高帽变换(TOP-HAT)和低帽变换(Bottom-HAT)对图像进行处理,然后通过阈值分割方法和归并算法对图像进行候选区域的提取,再运用深度学习中分类的思想完成对目标船舰的检测。通过测试数据集进行实验并对比分析,结果表明改进后的检测算法平均精确度达到83.69%,较之于传统显著区域提取算法精确度提升了8.09%,较之于Faster-R-CNN算法每百张检测时间缩短了2 s。

基于红外目标提取的夜视图像融合实时系统研究

研究的图像融合技术是以微光图像作为背景,红外图像作为目标,两光路图像经过合光棱镜进行光学投影融合的实时融合技术。为了具备良好的融合效果,红外图像经过预处理后,用改进的Otsu算法进行图像分割来实现目标提取,提取后的红外目标经过改进的伪彩色变换方法进行处理后在OLED上显示。融合后的系统实时性好,既可以得到微光细节丰富、较接近可见光视觉感受的背景,也可得到对比度明显的红外伪彩色目标,对于战场上的士兵观察环境和快速寻找目标有很大的帮助。

复杂纹理背景下的红外图像目标提取

纹理特征是红外图像中的重要因素之一。提出了一种复杂纹理背景下的红外目标提取算法。由于均值漂移算法是一种非参数密度估计算法,在图像分割中得到了广泛应用,所以首先通过均值漂移算法对红外图像进行平滑处理,以消除噪声对图像质量的影响;然后对平滑后的红外图像的像素进行均值漂移图像分割,并结合8邻域差值聚类法提取出红外目标前景信息。与传统的纹理处理方法相比,该算法可剔除纹理背景而保留非纹理目标,无监督性和适应性较好,在军事领域具有一定的应用价值。

基于目标提取的红外与可见光图像融合新算法

针对灰色系统理论在空间域对红外与可见光图像融合的不足,以及非下采样Contourlet变换(NSCT)在图像融合领域的优势,提出了一种基于目标提取的红外与可见光图像融合新算法。首先,对红外和可见光图像分别进行NSCT变换;其次,对红外低频分量应用灰色系统理论进行目标提取,并利用所提融合规则对低频分量进行融合,同时对高频分量采用常用融合规则进行融合;最后,对融合后高、低频分量进行NSCT逆变换,得到融合图像。通过与4种常用方法进行实验对比,结果表明,文中算法得到的融合图像视觉效果较好,某些客观评价指标提升明显。

红外图像目标特征提取方法(英文)

针对实际红外空中图像中目标的大小、方向等发生变化等情况 ,基于奇异值分解变换的特征向量稳定性不好。为解决这一技术难题 ,提出了基于尺度奇异值变换的红外图像目标特征提取方法 ,该方法是一种基于尺度变换的矩阵表示方法。同类目标图像样本经过上述变换后所得到的矩阵都具有相似的能量 ,用文中提出的矩阵表示方法对红外图像进行描述后 ,对其对应的奇异值进行特征提取 ,克服了对原始图像的矩阵进行奇异值特征提取时存在的缺点 ,实验表明该方法提取目标矩阵的奇异值特征向量具有较好的稳定性 ,对图像的平移、旋转和比例变化具有良好的不变性 ,是一种实用的特征提取方法。

基于补体免疫的模糊红外图像目标提取

模糊红外图像的本质是一类矩阵,这类矩阵混杂着待提取的目标元素和待处理的背景元素,其中每一个元素的像素数值十分接近,以像素数值大小作为提取标准的目标提取算法已无法满足需求。基于生物先天性免疫、适应性免疫与补体系统间相互作用的机理,提出了模糊红外图像的目标提取算法。对待提取元素进行希尔伯特变换,在泛函空间内对矩阵中每一个元素赋予新的特征,以目标元素和模糊区域的欧氏距离作为目标区域的判定依据,实现对模糊红外图像目标区域的准确提取。经实验分析,与经典模糊图像目标提取算法相比,所提算法提取目标区域完整,轮廓清晰,准确率(ACC)至少提高了4%,证明了该方法的有效性和可行性。

基于高光谱图像特征提取与凸面几何体投影变换的目标探测

在介绍凸面几何体概念和高光谱图像光谱线性模型的基础上,探讨了凸面几何体和高光谱图像的关系.提出了在光谱特性提取的基础上利用凸面几何体投影变换进行高光谱图像目标探测的方法,并成功地应用于亚运村建材市场屋顶板材和亚运村中心地区真假草坪的自动识别和探测中.试验证明该方法不需要探测目标的任何先验知识就能达到比较好的目标探测效果.同时试验还表明,由于高光谱图像波谱范围宽,特别是有短波红外、中红外和热红外范围的图像,不仅增加了地物的可分性,而且为探测地物物理性质提供了可能.