自然背景中人造信息的检测算法

论文摘要

自然背景中人造信息的检测是计算机视觉领域中一个非常重要的研究课题,在许多领域中都有着重要的应用前景。本文系统研究了自然背景中人造信息的检测算法,主要包括:基于几何特征、基于灰度特征、基于偏振特征、基于分形特征和基于概率模型的人造目标检测算法,对天然背景中人造自然的检测算法也做了简要介绍。基于分形特征的人造目标检测算法是一种基于背景的人造目标检测算法,与传统的基于目标的人造目标检测算法相比,分形特征方法检测过程简单,实现起来容易,因此在自然背景中人造目标的检测领域取得了广泛的应用。本文在介绍分形理论的基础之上,详细讨论了各种基于分形特征的人造目标检测算法,主要包括:基于分维数、基于缝隙、基于分形拟合误差、快速的基于分维数和分形拟合误差、基于几何度量空间变化率和基于多尺度分形参数的人造目标检测算法,同时对基于差分毯维法的人造目标检测算法和基于分形特征的小目标检测算法也做了相应介绍。由于目前的各种基于分形特征的人造目标检测算法远没有达到实际应用的需要,因此还需要对此领域进行不断的深入研究。本文提出了一种基于彩色特征和分形特征的人造目标检测算法,首先通过无监督优化模糊聚类的方法进行彩色图像分割,由于自然背景的颜色比较单一和均匀,在图像中占据比较大的面积,因此通过去除大片的自然背景区域来达到简化人造目标检测算法的目的;然后对保留区域进一步处理、提取分形特征,利用分形方法去除自然背景奇异区域的影响,从而最终检测出自然背景中的人造目标。仿真结果表明,该算法具有较好的检测精度和检测效率,特别是在检测复杂自然背景中多个人造目标的时候,取得了较好的检测效果,为自然背景中人造目标的检测提供了一条新的研究途径。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 课题研究背景
• 1.3 人造目标与人造自然
• 1.4 本论文主要研究内容
• 第二章 自然背景中人造信息的检测算法综述
• 2.1 基于几何特征的人造目标检测算法
• 2.2 基于灰度特征的人造目标检测算法
• 2.3 基于偏振特征的人造目标检测算法
• 2.4 基于分形特征的人造目标检测算法
• 2.5 基于概率模型的人造目标检测算法
• 2.6 天然背景中人造自然的检测算法
• 第三章 分形理论基础
• 3.1 分形
• 3.2 分形维数
• 3.2.1 Hausdorff 测度
• 3.2.2 Hausdorff 维数
• 3.3 图像中分形维数的提取及应用
• 3.3.1 基于分形布朗运动的分形维数提取
• 3.3.2 基于盒子维方法的分形维数提取
• 3.3.3 图像分形维数的应用
• 第四章 基于分形特征的人造目标检测算法
• 4.1 基于分维数的人造目标检测算法与仿真
• 4.2 基于缝隙的人造目标检测算法与仿真
• 4.3 基于分形拟合误差的人造目标检测算法与仿真
• 4.4 快速的基于分维数和分形拟合误差的人造目标检测算法与仿真
• 4.5 基于几何度量空间变化率的人造目标检测算法与仿真
• 4.6 基于多尺度分形参数的人造目标检测算法与仿真
• 4.7 基于差分毯维法的人造目标检测算法与仿真
• 4.8 基于分形特征的小目标检测算法与仿真
• 4.9 基于分形特征的人造目标检测算法的比较
• 第五章 基于彩色特征和分形特征的人造目标检测算法
• 5.1 基于UOFC 的彩色图像分割算法与仿真
• 5.1.1 颜色空间的选择
• 5.1.2 无监督优化模糊聚类算法
• 5.1.2.1 模糊C 均值聚类算法的原理及其缺陷
• 5.1.2.2 无监督优化模糊聚类算法的原理
• 5.1.3 相似性驱动的聚类归并技术
• 5.1.3.1 相似性驱动的聚类归并准则
• 5.1.3.2 相似性驱动的聚类归并准则中阈值的决策方法
• 5.1.4 彩色图像分割算法原理与仿真
• 5.2 基于彩色特征和分形特征的人造目标检测算法与仿真
• 5.2.1 基于彩色特征和分形特征的人造目标检测算法
• 5.2.2 人造目标检测算法仿真与结论
• 5.3 基于分形特征的运动目标检测算法与仿真
• 5.4 天然背景中人造自然的检测算法与仿真
• 第六章 总结及展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢