结合背景抑制技术的FLIR图像分割

针对前视红外（ＦＬＩＲ）图像的分割，提出采用去中值波滤器进行预处理抑制背景、增强目标，进而利用基于模型的ＦＬＩＲ图像分割（ＭＢＳ）算法完成图像分割，从相容性向量及初始概率计算两方面对ＭＢＳ算法进行了改进．对实际红外目标图像分割结果证实该方法与ＭＢＳ算法相比，在低对比度、高噪声情况下能得到更为精确的分割结果。

基于模型的FLIR图像的多分辨率分割方法

针对低对比度前视红外（ＦＬＩＲ）图像分割问题的特点，将多分辨率图像处理技术与基于模型的前视红外图像分割方法结合起来，提出了基于模型的ＦＬＩＲ图像的多分辨率分割方法．首先建立一金字塔结构的多分辨率图像集，然后在每一固定分辨率级别上使用基于模型的ＦＬＩＲ图像分割方法，并用低分辨率上的分割结果修正高分辨率上迭代的初始概率，最后在原ＦＬＩＲ图像中得到分割结果．该方法能得到更为精确的目标分割结果，并大大减小背景对分割图像的干扰，同时还加快了选代的收敛速度．对实际红外目标图像的分割结果证实了本算法的有效性．

纹理粗糙度在红外图像显著性检测中的应用

提出了基于纹理粗糙度的红外图像显著性检测算法,以解决红外图像对比度低,目标显著性检测难的问题。首先,研究了Tamura的粗糙度原理,对粗糙度进行分析和评价,提出了新的粗糙度计算方法。然后,将图像分解为超级像素集合,并计算超级像素的最大平均强度差;利用最大平均强度差定义超级像素的最佳尺度,作为纹理粗糙度的度量。最后,将超级像素区域均匀外延,利用粗糙度的局部对比度和灰度信息度量红外图像的显著性。通过实验验证了本文算法的有效性,结果表明:在10%的噪声水平下,本文粗糙度保持不变,粗糙度特征图一致性较好,而Tamura的粗糙度特征图中杂点明显增多。与其它显著性检测算法对比,本文算法击中率最高,为0.752。该算法挖掘了红外图像的纹理粗糙度特征,为红外图像显著性检测提供了新的特征选择。

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。

小波神经网络自学习算法用于红外图像分割

在红外动目标序列图像跟踪过程中,由于目标本身的红外特征具有较大的不可预测性,使ATR系统在目标探测阶段产生大量的虚警讯息。因此,必须设法在复杂背景抑制段将虚警探测讯息滤除掉。提出了一种新颖的基于小波神经网络构架的FLIR图像分割技术,旨在将小波变换的时—频局域特性和神经网络的自学习能力相结合,从而使FLIR图像的分割算法具有较强的逼近和容错能力。该算法在FLIR-ATR系统中得到应用,对于FLIR目标图像轮廓的提取和抑制杂散背景方面获得了良好的效果。

基于改进亮度变化函数实现红外图像中行人跟踪

由于基于亮度变化函数(IVF)的跟踪算法能高效跟踪前视红外图像中刚性目标但无法满足行人跟踪鲁棒性要求,提出了一种新的基于多热点亮度变化函数的红外图像中行人跟踪算法。分析了分区域、多热点描述行人目标热信号的必要性,利用改进的亮度变化函数在帧间目标窗口内定位热点,建立目标窗口自适应更新机制解决尺度变化问题,最后基于热点的运动特征描述子剔除定位于背景的野值点。对复杂红外场景的跟踪实验结果表明,由于在原始算法的基础上省去了模板匹配步骤及缩小了搜索对象的矩阵维数,该算法获得了最优的实时性;且多热点机制使该算法的鲁棒性优于多种其他视觉跟踪算法,能够胜任存在遮挡、尺度变化、低对比度等干扰因素的前视红外图像中行人目标的跟踪。

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。

前视红外图像中机场的自动识别

特定目标的检测识别是自动目标识别(ATR)的关键技术之一。机场作为典型的地面目标,一直是自动目标识别领域的热点研究课题。跑道作为最重要的特征被用于机场识别,主要因为其边缘由长直线组成,而且面积大易寻找.在基于启发式的边缘跟踪、直线拟合、合并的基础上,提出了一种新的四边形识别算法.对比由跑道的先验知识经透视变换得到的四边形与检测的四边形对应边长是否一致,来进行前视红外(FLIR)图像中机场的识别.试验表明,本算法充分利用跑道更多的特征信息,增加了机场识别的鲁棒性,并具有良好的识别性能.

基于模板的低信噪比前视红外建筑物识别技术

针对低信噪比复杂地物背景下的前视红外地面建筑物目标自动识别问题,提出了一种基于目标模板的自动目标识别方法。首先,根据制备模板的尺度和形状信息对实时图像进行形态学背景抑制增强和目标重构处理;然后,对重构后的图像进行垂直和水平边缘线条提取和轮廓匹配,融合垂直和水平线条匹配结果得到最终的相关峰和潜在目标区域;接着,根据目标模板对潜在目标区域进行区域灰度对比度度量;最后,融合轮廓匹配和区域灰度对比度度量结果,得到最终相关峰,实现目标的识别。大量数据测试表明,该方法的正确识别率在92%以上,定位误差小于2个像素,速度快、检测性能好、适应性较强、易于硬件实现。

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。

用于夜间低空飞行的前视红外吊舱(二)

描述了用于夜间低空飞行的前视红外吊舱的工作原理和系统流程图，对系统的关键技术参数进行了深入的分析，最后给出了样机的使用效果及前景展望。

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。

基于模板匹配的前视自动目标识别模型

针对复杂背景条件下的地面目标,设计一种基于模板匹配的前视自动目标识别模型。分析该模型的基本组成,对基准模板制备、算法识别策略等关键技术进行讨论,通过仿真试验进行验证分析。仿真结果表明:该模型是正确、有效的,可为相关研究提供参考。

一种新的快速相关精跟踪算法

文中针对瞄准吊舱中前视红外成像跟踪的工作状态，提出了一种新的相关跟踪算法。该算法采用一维直方图快速搜索和二维多级亚采样精定位方案，使算法的实时实现成为可能，该算法还利用图像系列的相关性，采用隔帧修正累积误差的方法，有效地提高了系统的跟踪精度。最后，给出实验结果，结果与理论相符。

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。

目标尺寸对前视红外系统感知目标所需的最小温差的影响

从对抗前视红外系统的角度,给出了满足特定要求时系统感知目标所需的最小温差的一种计算方法,并对计算方法作了具体推导。通过对四种不同尺寸的目标进行编程计算,重点讨论了目标的暴露尺寸对系统感知目标所需的最小温差的影响。

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。