基于区域选择的快速POCS超分辨率复原算法研究

POCS算法是目前超分辨率复原中应用非常广泛的一种复原算法,但是该算法运算量大,处理时间较长。针对POCS算法迭代时间较长、无法满足实时性的问题,提出了基于区域选择的快速POCS超分辨率复原算法(TPOCS)。光电探测系统中关注的重点是目标区域,而这一区域通常只占很少的像素位置,因此通过阈值分割和合并找到所有目标区域并集,然后仅在这个目标区域并集上进行超分辨率复原。实验结果表明:TPOCS算法去除了复原背景的巨大运算量,大大缩短了运算时间,减少了2个数量级使其达到实时,整体复原效果优于POCS算法。TPOCS算法能够自适应的选择目标区域,在保证复原性能的基础上大大缩短了运算时间,使其达到实时,进而可以在红外图像处理系统中应用。

基于自适应阈值区域生长的红外舰船目标分割方法

红外成像制导技术以其优越的性能成为当今制导武器发展的主流,舰船红外图像的精确分割是后期舰船识别和跟踪的基础。针对红外舰船目标的有效分割问题,本文提出了一种基于自适应阈值的区域生长和形态学滤波相结合的红外舰船目标分割算法,首先,选取种子点在自适应阈值的情况下进行区域生长,然后将粗分割图像进行形态学滤波,最后运用几何学的图像处理方法,从分割图像中去除相应的背景干扰,提取出目标的有效信息。通过对实验结果进行分析,最终分割出来的图像交叠面积比达到98%以上,而误分百分比均为0%,即没有误分。实验结果表明该算法能够很好地运用于红外舰船目标分割。

车载视觉感知系统中障碍检测方法研究

障碍检测是基于车载视觉感知系统的车辆自主避撞技术的基础。针对这一问题提出了一种障碍目标检测算法。首先,为了提高道路边缘检测的效率,采用区域Hough变换完成道路边缘检测,进而提取道路区域;然后,在提取出的道路区域内利用图像分割算法完成障碍目标的提取;由于分割出的二值图像中目标表现为独立的大小不一的区域,为此给出标识归属方法辨别目标区域。最后,利用自适应区域生长算法得到完整的障碍目标。相关实验结果证明了算法是可行的。

一种面向多星多分辨率的SAR图像舰船候选区域提取方法

基于CFAR和核密度估计(KDE)的SAR传统舰船候选区域提取方法存在以下缺陷:CFAR虚警率依赖人工经验选择;CFAR仅对杂波分布建模,会对被检目标构成一定的漏检风险;利用KDE进行强海杂波过滤时,需凭人工经验选择滤除阈值。这使得传统舰船候选区域提取方法无法适应多星多分辨率等复杂场景。该文提出一种面向多星多分辨率的SAR图像舰船候选区域提取算法,针对CFAR算法的缺陷,提出采用均值二分法迭代逼近目标计算分割阈值,在克服CFAR缺陷的同时,计算效率比CFAR提高10倍以上;针对KDE的缺陷,提出了区块KDE结合大阈值滤除强海杂波,再借助种子点生长算法重建目标。由于大阈值具有足够的阈量,使得算法可以适应更复杂的场景。实验表明所提方法具有不漏检、阈值自适应、计算效率高、虚警率低的优点,具备优秀的多星多分辨率SAR舰船候选区域提取能力。

一种复杂海天背景下的红外舰船目标自动检测方法

提出了一种红外舰船目标检测算法。首先,利用设计好的频域组合高通滤波器对原始红外图像进行处理,以得到舰船目标可能存在的区域即目标潜在区;然后,对获得的目标潜在区进行尺度自适应的局部阈值分割,进而提取出较为完整的舰船目标或者虚假目标;最后通过检测吃水线特征来筛选出正确的舰船目标。实验结果表明,此算法能够有效地检测出复杂海天背景条件下的红外舰船目标,且具有一定的时效性。