基于Markov图像分割的红外桥梁目标识别算法.pdf

《基于Markov图像分割的红外桥梁目标识别算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第29卷第11期计算机仿真2012年11月文章编号：1006—9348(2012)11—0299—05基于Markov图像分割的红外桥梁目标识别算法刘昕1，田永刚2(1．西北工业大学航空学院，陕西西安710072；2．解放军96219部队，广东清远511520)摘要：桥梁水域分割是桥梁目标识别的关键，首先对Markov随机场理论K—M分割方法进行改进，进而提出一种桥梁目标识别算法，对经过预处理的红外桥梁图像利用K—M分割方法进行桥梁水域分割；然后定义桥梁模板，寻找可能的桥梁点，并用Hough变换合并、连接；最后运用先验知识除去假目标，得到检

2、测结果。整个算法解决了传统分割方法桥梁水域分割不清，导致目标识别准确率低的弱点。仿真结果表明，目标识别算法具有很高的准确性，可靠性，且计算效率高，时间性能好，可用于实时性处理。关键词：马尔科夫随机场；桥梁模板；形态学算子；知识验证中图分类号：TP391．9文献标识码：BInfraredBridgeTargetRecognitionAlgorithmforBasedOilMarkovImageSegmentationLIUXinl，TIANYong—gan92(1．SchoolofAeronautics，NorthwesternPolytec

3、hnicalUniversity，Xi’anShanxi710072，China；2．People7SLiberationArmy96219troops，Qingyuan，Guangdong511520，China)ABSTRACT：SegmentationofBridgeswatersisthekeyofbridgerecognition．Firstly，thispaperimprovedtheK—MeanssegmentationmethodbasedOilMarkovrandomfieldtheory．Thusabridgetarge

4、trecognitionalgorithmwaspro—posed．ThealgorithmforpreprocessinginfraredbridgeimagesusesaMarkovrandomalgorithminfieldbridgewaterssegmentation，Aftertheuseofbridgestemplateforpossiblebridgepoint，Houghtransformwasusedformergingandconnecting．Finally，theprioriknowledgewasusedtOre

5、movethefalsetargetandobtainthefinaldetectionresult，Withhi【ghaccuracy，reliabilityandcalculationefficiency，thetimeperformanceisgood，50itcanbeusedforrea]timeprocessing．KEYWORDS：MRF；Bridgestemplate；Morphology；Knowledgeverification1引言红外桥梁目标的检测与识别，是当代世界军事发展的热点课题。国内外主要采用水域分割为基础的方

6、法⋯，但传统水域分割方法存在假设过多使问题简单化、背景复杂抗干扰铙力差、分割不清容易造成误判等缺陷。针对以上问题，本文首先对Markov随机场理论K—Means分割算法进行改进，即利用Markov随机场描述图像像素间的邻域关系，引入拒绝度的概念到聚类目标函数中，同时通过确定初始类别及初始中心点，进而较为完备地分割图像中桥梁与水域，解决了分割不清、边缘模糊的缺点，为以后目标识别打好基础。进而提出了一种桥梁识别算法，该算法首先利用以上分割方法对已预处理过图像进行水域桥梁分割，之后定义桥梁模板，利用该模板找到可能的桥梁点，使用收稿日期：2012—

7、03—16修回日期：2012—07—20Hough变换进行合并、连接，最后利用先验知识验证去除假目标，确定检测结果。仿真结果表明，该算法能准确可靠地检测出桥梁目标，且计算效率高，时间性能好，可用于实时性处理。2图像预处理图像预处理的目的是对图像数据进行去噪和增强，得到高对比度图像源。2．1图像去噪采用wiener滤波器图像去噪。该滤波器是一种在平稳条件下采取最小方均误差准则得出的自适应滤波器，具有很好的噪声抑制能力，且能有效解决清除噪声和边缘模糊这对矛盾。Wiener滤波器首先估计出像素的局部矩阵均值和方差：---——299---——p2志

8、。。酬‰㈦㈩布盯2=碱1。．岫a2(‰n：)一p2式中：耳是图像中每个像素N×M的领域。之后估计出其灰度值：b(n。，n。)=肛+咩(o(n。，n：)一卢)(2)式中：w2是整幅