公共文化服务平台

计算机软件新技术国家重点实验室开放基金(KFKT2010B17): 作品数：20 被引量：205H指数：8; 相关作者：吴一全吴诗婳尹丹艳张晓杰纪守新更多>>; 相关机构：南京航空航天大学南京大学中航工业第六一三研究所光电控制技术重点实验室更多>>; 发文基金：计算机软件新技术国家重点实验室开放基金国家自然科学基金中国航空科学基金更多>>; 相关领域：电子电信自动化与计算机技术更多>>

一种可有效分割小目标图像的阈值选取方法被引量：20: 2011年; 目标检测与识别中常遇到目标与背景大小之比很小的小目标图像分割问题,此时现有的阈值分割方法几乎都失效。为此,提出了一种基于背景与目标的面积差和类内方差的小目标图像分割阈值选取方法。指出了目前图像阈值分割方法不能有效分割小目标图像这一缺陷,给出了基于背景与目标面积差和类内方差的一维直方图、二维直方图区域直分及更为有效的二维直方图区域斜分阈值选取公式,导出了相应二维斜分阈值选取的快速递推算法;最后在实验结果中给出了本文方法的图像阈值分割结果和运行时间,并与Otsu、最大熵及Fisher阈值选取快速方法进行了比较。结果表明:本文方法能准确地分割小目标图像,且运行时间短,抗噪性好。; 吴一全吴加明占必超; 关键词：信息处理技术红外小目标检测阈值选取快速递推算法

基于NMF、ICA和复Contourlet变换的红外小目标检测被引量：8: 2011年; 针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于非负矩阵分解(NMF)、独立分量分析(ICA)和复Contourlet变换的检测方法。首先通过非负矩阵分解和独立分量分析分别抑制原始图像的背景,得到不同的小目标残差图像;接着采用复Contourlet变换对残差图像进行去噪;再对上述去噪后的小目标残差图像求和,得到了预处理图像;最后提出基于模糊灰度熵阈值选取方法分割预处理图像,从而实现了复杂背景下的红外弱小目标检测。针对红外小目标图像进行了大量实验,并与基于新型Top-hat变换、基于快速独立分量分析的目标检测方法进行了比较,结果表明所提出的方法抗噪性强,具有更为优越的检测性能。; 吴一全纪守新尹丹艳; 关键词：红外弱小目标检测非负矩阵分解独立分量分析

混沌PSO最小一乘空时预测的红外小目标检测被引量：5: 2011年; 针对红外图像中背景与小目标的特点,提出一种基于混沌粒子群优化(PSO)最小一乘空时背景预测的红外小目标检测方法.首先建立最小一乘准则空时背景预测模型,根据最小一乘估计的性质,提出应用混沌PSO算法解决最小一乘估计中极值的选取问题,并用该模型预测红外图像中的背景,从原始图像中减去预测图像得到残差图像;然后提出了基于混沌PSO的二维直方图斜分模糊最大熵阈值选取方法,由此分割所得残差图像即可将小目标检测出来.将文中方法与基于最小二乘背景预测的红外小目标检测方法进行了比较实验,实验结果表明,该方法具有更高的检测概率和信噪比增益,优于基于最小二乘背景预测的红外小目标检测方法.; 吴一全尹丹艳; 关键词：红外小目标检测混沌粒子群优化

基于改进的二维交叉熵及Tent映射PSO的阈值分割被引量：4: 2012年; 最近提出的二维交叉熵阈值分割方法所依据的灰度级-平均灰度级直方图存在错分,且寻求最优阈值时,即使采用递推算法仍需遍历整个搜索空间,运行速度有待进一步提高。为此,本文给出改进的灰度级-梯度二维直方图,据此导出了相应的二维最小交叉熵阈值选取公式及其递推算法,并且采用改进Tent映射混沌粒子群优化(particle swarm optimization,PSO)算法搜寻二维最优阈值。大量实验及与现有二维交叉熵方法的对比表明,所提出的方法在计算最优阈值时尽可能考虑了所有目标点和背景点,从而使分割结果更加精确;而求取阈值因只需遍历其中小部分解空间,使运行时间约减少到原来的10%～40%。; 吴一全吴诗婳占必超张晓杰张生伟; 关键词：阈值选取交叉熵 TENT映射混沌粒子群优化算法二维直方图

基于双树复数小波和SVR的红外小目标检测被引量：14: 2010年; 在分析红外图像弱小目标和背景特征的基础上,提出了基于双树复数小波变换(dual-tree complex wavelet transform,DT-CWT)和支持向量回归(support vectorr egression,SVR)的检测方法。首先采用双树复数小波变换抑制大部分背景噪声;其次用SVR对去噪后的红外图像进行背景预测,并用去噪后的实际图像减去预测图像得到残差图像,大大提高了图像的信噪比;接着提出了基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法,对残差图像进行阈值分割;最后根据目标的连续性和运动轨迹的一致性检测出真实的小目标。实验结果表明:该方法可显著提高红外目标的检测概率,实现较远距离弱小目标的检测。; 吴一全尹丹艳纪守新; 关键词：红外弱小目标检测双树复数小波变换

基于非下采样Shearlet和WNMF的红外热波图像融合被引量：8: 2014年; 提出了基于非下采样Shearlet变换和加权非负矩阵分解的红外热波图像融合方法.红外热波序列图像经非下采样Shearlet变换后,采用动态加权非负矩阵分解算法对低频系数进行融合处理.该算法的加权系数依据图像像素突变度动态调整,以突出红外热波图像的缺陷区域;高频系数则采取基于区域改进拉普拉斯能量和的融合策略,以保持缺陷的边缘细节.实验结果表明,本文方法在主观视觉效果及边缘保持度、相关度、运行时间三种客观定量评价指标中,融合性能更优,具有快速、有效等优点,能更完整和清晰地保持红外热波图像的边缘轮廓.该方法可有效地应用于多幅红外热波序列图像的融合中,在红外热波无损检测领域具有较高的实用价值.; 吴一全殷骏曹照清; 关键词：无损检测图像融合

灰度熵和混沌粒子群的图像多阈值选取被引量：8: 2010年; 最大Shannon熵阈值选取方法仅仅依赖于图像灰度直方图的概率信息,而没有直接考虑类内灰度级的均匀性.为此提出了最大灰度熵的阈值选取方法.首先给出了灰度熵的定义及其单阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度级的均匀性;其次导出了量化图像直方图的灰度熵单阈值选取公式;最后将灰度熵单阈值选取推广到多阈值选取,提出了相应的快速递推算法,并进一步采用混沌小生境粒子群优化算法寻找最佳多阈值.实验结果表明,与最大Shannon熵单阈值选取和基于粒子群的最大Shannon熵多阈值选取方法相比,所提出方法的分割图像边缘、纹理更为准确,视觉效果明显改善.; 吴一全纪守新; 关键词：图像分割阈值选取灰度熵多阈值

改进的二维最小交叉熵阈值分割快速迭代算法被引量：7: 2011年; 基于灰度级-平均灰度级直方图的现有二维交叉熵阈值分割法的分割结果不够准确,计算最佳阈值时需搜索整个解空间,因而效率不高.针对这一问题,提出一种基于灰度-梯度共生矩阵的二维最小交叉熵阈值选取快速迭代算法,推导了相关的公式.对典型测试图像进行了大量实验,并与基于灰度级-平均灰度级直方图的方法在分割结果及运行时间上作了比较,结果表明所提出的算法分割结果更加精确,且计算最佳阈值时只需遍历其中一小部分解空间,运行时间减少到5%左右.; 吴一全樊军周怀春; 关键词：图像处理阈值分割灰度-梯度共生矩阵

基于NSCT、KFCM和多模型LS-SVM的红外小目标检测被引量：8: 2011年; 为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法。首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型LS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较。结果表明该方法具有更高的检测概率和信噪比增益。; 吴一全尹丹艳吴诗婳; 关键词：红外小目标检测非下采样CONTOURLET变换

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制被引量：2: 2015年; 针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换(NSCCT)和Gaussian小波支持向量回归(SVR)的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归(LS-SVR)、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。; 吴一全宋昱; 关键词：信息处理技术弱小目标检测

计算机软件新技术国家重点实验室开放基金(KFKT2010B17)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

计算机软件新技术国家重点实验室开放基金(KFKT2010B17)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈