首页 理论教育 分数阶微分方法提升图像质量,联合熵流与边缘算子精准检测运动目标

分数阶微分方法提升图像质量,联合熵流与边缘算子精准检测运动目标

时间:2023-06-20 理论教育 版权反馈
【摘要】:实验结果表明,分数阶微分解决了整数阶微分增强图像边缘与细节信息的同时也相应噪声信号放大的问题。实验结果表明,该方法提高了图像的对比度和信噪比,有利于后续的图像分割。对于复杂背景下的红外运动目标图像,实验结果表明联合熵流与边缘算子的运动目标检测算法能够准确地检测、定位目标。实验结果表明,基于变分熵流的运动目标检测算法能够有效地检测目标。

分数阶微分方法提升图像质量,联合熵流与边缘算子精准检测运动目标

红外目标的检测对于军事航天航空的应用至关重要。当目标远离成像设备且运动速度快时,红外图像具有弱目标、强杂波背景和没有形状信息的特点,这给目标检测带来困难。为了有效地检测红外目标,对于杂波背景下的目标必须增强,提高信杂比,突出目标特征,这也是为目标的检测与跟踪创造条件。对于在复杂背景下的红外目标图像,目标与杂波交织,如何准确从噪声中分离出目标,这将给武器精确制导技术或民用监控导航技术提供强理论支撑。

本书主要研究了红外图像增强与目标检测两部分内容。

对于红外图像增强,采用直接在空间域对图像元素操作,以获得对比度强、噪声去除的图像。

采用Caputo 与Riemann-Liouville 分数阶微分表达式构建空间各向同性模板,通过该模板滤波、增强图像。与整数阶微分特性不同,分数阶微分具有同时非线性保持低频与高频信号。将Caputo 与Riemann-Liouville 分数阶微分表达式的数字离散,依据离散表达式确定空间加权系数,并将系数构成空间各向同性的模板,使用该模板与待处理图像卷积响应,获得最终红外图像。实验结果表明,分数阶微分解决了整数阶微分增强图像边缘与细节信息的同时也相应噪声信号放大的问题。本书采用Caputo 与Riemann-Liouville 分数阶微分方法对红外图像增强,使得图像的边缘信息得以保留,而噪声也得到抑制。

偏微分方程广泛应用于图像去噪与图像增强,变分泛函对于保持图像形状具有突出作用。通过融合偏微分方程与变分泛函特性,本书提出一种形状保持的变分偏微分的数学模型。构建形状保持的能量项与分段平滑的数据惩罚项,在该模型中实现图像形状保持的同时,又能分段去噪。实验结果显示,该模型能够良好地保持图像形状,突出细节信息,同时也能够有效抑制噪声,增强了图像的目标与背景的对比度,改善了视觉效果

研究融合灰度变换和空间滤波的形态学红外图像增强,采用局部灰度拉伸与利用数学形态学简化图像数据,保持目标基本形状的特性,并去除不相干的结构,提出了一种结合局部线性变换和空间滤波的数学形态学的方法增强红外图像中的目标。实验结果表明,该方法提高了图像的对比度和信噪比,有利于后续的图像分割。

对于红外图像的目标检测,熵流作为一种独特的图像运动描述符,与光流估计图像运动对比,熵流更精确。针对复杂背景下红外目标检测问题,提出了基于熵流与局部熵的红外运动目标检测算法。该方法首先采用微分方法计算熵流;其次依据背景所占面积大、熵流二维直方图峰值对应于背景运动的特性,构建背景补偿,获得与此有关的残余图像;最后使用滤波器与局部熵消除伪运动,检测真实目标。实验结果表明,该方法能够消除伪目标对真实目标的干扰,准确地检测、定位目标。(www.xing528.com)

针对复杂背景下红外目标检测问题,提出了一种联合熵流与边缘算子的运动目标检测算法。该方法通过计算熵流,确定包含背景与目标的运动区域,结合Canny 算子的边缘定位,捕获近似精确的目标边缘图,而后依据亮度、熵流约束区域生长最终确定真实目标。对于复杂背景下的红外运动目标图像,实验结果表明联合熵流与边缘算子的运动目标检测算法能够准确地检测、定位目标。

针对复杂背景下红外目标检测问题,一种基于变分熵流的运动目标检测算法被提出。该方法采用变分熵流模型估计图像运动;依据熵流运动补偿消除背景干扰,得到差分图像;最后依据目标亮度恒定性、运动一致性与连续性剔除噪声干扰,确立真实目标。实验结果表明,基于变分熵流的运动目标检测算法能够有效地检测目标。

针对低信噪比复杂背景下的小目标红外图像,一种基于新的加权局部图像熵的小目标红外图像处理方法被提出。该方法利用小目标红外图像的内在特点,提出多尺度灰度差异算子和局部图像熵算子,然后通过点积运算获得加权局部图像熵,从而有效地抑制红外图像背景和噪声、增强目标,最终大幅度地提高图像的信噪比。仿真实验结果表明,所提方法能高效地处理复杂背景下小目标红外图像,具有一定的理论和应用价值。

针对全局光流法在低梯度值处运动参数估计不准确,造成处理后的图像虚警率较高而检测率较低的问题,提出了采用改进的光流法和均值漂移检测红外运动目标的方法。通过研究Horn 全局约束算法的基本原理和Schunck 提出的全局平滑约束条件,对亮度守恒约束条件的权函数加以改进,从而提高光流估计的精确性和自适应性。为进一步降低虚警率,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标,再对处理后的图像采用Mean Shift 图像分割方法实现运动目标的精确检测,保证了运动目标检测的准确性。

针对通红外运动小目标检测过程中C-V 水平集方法演化速度慢的不足,提出一种基于水平集与目标时空信息的运动小目标检测算法。该算法先采用局部二值拟合模型的水平集算法运算,提取含红外小目标的区域,然后分析小目标的时空信息,剔除伪目标,较准确地检测出运动小目标。

本书所做的工作虽然取得了一些成果,但还有很多问题需要进一步深入研究。这些问题主要包括:依据图像自信息构建分数阶微分阶数,增强算法的实用性、鲁棒性;构建符合人眼注视机制的图像熵图的加权模式,以及构建在复杂背景下符合真实运动的熵流变分模型;提高红外弱目标检测尤其是弱目标隐匿时的检测率,降低虚警率。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈