基于递归标记的红外图像弱小点目标自动识别方法

为准确识别红外图像中的弱小点目标,以递归标记算法为核心提出了红外图像弱小点目标自动识别方法。采用平滑滤波器和区域生长分割法,完成待识别红外图像的预处理;应用基于递归的二值图像标记模式,扫描所有的红外图像像素点并定义相应的标记值,形成多个图像连通域;针对每个连通域分别提取几何特征和形心特征,将其应用到稀疏表示分类器和卷积神经网络分类器中,自动生成弱小点目标识别结果。实验结果显示:应用所提方法识别海面红外图像、云层红外图像和纯净天空红外图像的mAP值分别为0.95、0.96与0.91,表明其具有较好的红外图像弱小点目标自动识别效果。

基于视频的飞机货舱烟雾识别去干扰方法研究

针对传统飞机货舱烟雾探测器虚警率高和在低照度情况下检测结果易受环境干扰的问题,利用主动红外CCD摄像机进行视频监测,提出基于视频烟雾图像处理与去除灰尘干扰方法作为补充警报验证的方法。该方法实现货舱的自动烟雾识别:首先利用四帧差分法提取运动目标,采用中值滤波去除随机噪声,然后对图像连通域分割和质心标记提取,根据质心坐标拟合直线的斜率值,结合烟雾和灰尘运动方向的特点,利用SVM分类器将烟雾和灰尘区分以提高烟雾识别的准确度。在模拟飞机货舱内进行真实火源和灰尘干扰实验,实验结果表明,基于视频的飞机货舱烟雾识别方法可有效去除图像噪声和灰尘的影响,并进行烟雾早期预警。

地面树木的最优标记分水岭图像分割算法

为解决复杂地物背景下航拍图像树木检测出现的过分割和误分割问题,提出了一种基于最优标记的改进分水岭图像分割方法。该方法先对输入图像非线性灰度变换提高目标与背景的对比度,再根据目标的形状特征对前景和背景区域初步标记,用前景区域的形心代替传统分水岭算法中的距离变换,二次标记前景,最后使用分水岭算法得到分割图像。实验结果表明,该算法分割准确率平均值为92.5%,比现有图像分割方法抗噪性更强、准确率更高,同时改善了分水岭算法过分割问题。

基于霍夫圆检测的标志物多图像特征定位方法

针对霍夫圆变换对圆检测的不稳定、正确率低、准确度不高的缺点,提出一种基于霍夫圆检测的标志物多图像特征精确定位方法,实现对标志物空间位置地精确获取。用霍夫圆变换对图像初步检测,获取包含标志物的候选区域;利用颜色特征对候选区域筛选,去除虚假霍夫圆区域;再利用圆的自相似性和对称性,计算轮廓形心获取标志物中心位置;最后通过深度图像与彩色图像匹配的方法获取标志物的空间坐标。实验结果表明,上述方法不仅提高了获取标志物位置的精度,还降低了标志物倾斜变形对位置提取的影响。获取的标志物空间坐标可用于控制执行机构运动,为之后功能扩展奠定了基础。