应用模糊增强及均值漂移实现红外目标分割

doi:10.3778/j.issn.1002-8331.2010.30.008

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (30): 26-29.DOI: 10.3778/j.issn.1002-8331.2010.30.008

应用模糊增强及均值漂移实现红外目标分割

张坤华^1，2，张力^1，2，杨烜³

1.深圳大学信息工程学院，广东深圳 518060
2.综合业务网国家重点实验室，西安 710126
3.深圳大学计算机与软件学院，广东深圳 518060

收稿日期:2010-05-10 修回日期:2010-09-10 出版日期:2010-10-21 发布日期:2010-10-21
通讯作者: 张坤华

Infrared object segmentation based on fuzzy enhancement and mean shift

ZHANG Kun-hua^1，2，ZHANG Li^1，2，YANG Xuan³

1.College of Information，Shenzhen University，Shenzhen，Guangdong 518060，China
2.State Key Lab on Theory and Chief Technology of Integrated Services Networks，Xi’an 710126，China
3.College of Computer and Software，Shenzhen University，Shenzhen，Guangdong 518060，China

Received:2010-05-10 Revised:2010-09-10 Online:2010-10-21 Published:2010-10-21
Contact: ZHANG Kun-hua

摘要/Abstract

摘要： 针对复杂环境下红外图像信噪比和对比度低，边缘模糊，目标分割困难的情况，提出一种基于模糊增强和均值漂移图像滤波的红外目标分割方法。首先定义新的隶属度函数，运用模糊集理论进行红外图像增强，避免了传统模糊增强算法的弊病，有效提高目标与背景的对比度；之后利用ICI（交叉置信区）规则确定均值漂移的带宽参数，提出一种新的自适应带宽均值漂移图像滤波方法，实现图像的进一步平滑和聚类；最后利用自适应阈值实现红外目标分割。实验结果表明，算法能够正确有效地分割出复杂环境下的红外目标，并且很好地保持了目标的轮廓细节。

关键词: 模糊集, 图像增强, 均值漂移, 红外目标, 目标分割

Abstract: Infrared images always have low SNR and contrast，and boundaries of infrared target are blurry.Therefore the segmentation of infrared target in complex environment is very difficult.A new algorithm for infrared target segmentation based on fuzzy enhancement and mean shift is proposed in this paper.Firstly，a new membership function of fuzzy is defined，the contrast between target and background in infrared image is improved efficiently by the enhancement method based on the fuzzy set theory，in which the disadvantages of traditional fuzzy enhancement methods are avoided.Then，the intersection of confidence intervals（ICI） rule is used to determine the bandwidth in mean shift，and a new adaptive bandwidth mean shift algorithm is presented to realize further smoothing and clustering of image.Finally，infrared target is segmented by the adaptive threshold.Experimental results indicate that the algorithm can segment the infrared target under complex environment correctly and efficiently，and the good details of target are reserved.

Key words: fuzzy set, image enhancement, mean shift, infrared target, target segmentation

中图分类号:

TP391

张坤华^1，2，张力^1，2，杨烜³. 应用模糊增强及均值漂移实现红外目标分割[J]. 计算机工程与应用, 2010, 46(30): 26-29.

ZHANG Kun-hua^1，2，ZHANG Li^1，2，YANG Xuan³. Infrared object segmentation based on fuzzy enhancement and mean shift[J]. Computer Engineering and Applications, 2010, 46(30): 26-29.

[1]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[2]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[3]	田启川，孟颖. 多尺度融合增强的图像语义分割算法[J]. 计算机工程与应用, 2021, 57(2): 177-185.
[4]	包顺，周礼刚. 加型Pythagorean模糊偏好关系的多属性决策方法[J]. 计算机工程与应用, 2021, 57(17): 61-67.
[5]	张俊芳，周礼刚，张春芳，徐鑫，肖箭. 区间Pythagorean犹豫模糊连续熵及灰色关联度的应用[J]. 计算机工程与应用, 2021, 57(15): 207-214.
[6]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[7]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[8]	韩纪普，段先华，常振. 基于SLIC和区域生长的目标分割算法[J]. 计算机工程与应用, 2021, 57(1): 213-218.
[9]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[10]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[11]	姜娇，蔡林沁，韦鹏程，李莉. 支持可验证的密文模糊关键字检索方案[J]. 计算机工程与应用, 2020, 56(7): 74-80.
[12]	宋娟. 考虑融合算法与交叉熵的毕达哥拉斯决策模型[J]. 计算机工程与应用, 2020, 56(5): 74-79.
[13]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[14]	王永贵，梅轩玮. 非对称异构信息网络的模糊推荐算法[J]. 计算机工程与应用, 2020, 56(23): 74-79.
[15]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.

应用模糊增强及均值漂移实现红外目标分割

Infrared object segmentation based on fuzzy enhancement and mean shift

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics