前 言

在大量的圖像應(yīng)用方面，人們往往只對圖像中的某些目標感興趣，而這些目標在圖像中對應(yīng)著特定或具有獨特性質(zhì)的區(qū)域，因此，為了識別和分析圖像中感興趣的目標，需要將這些區(qū)域從圖像背景中分割出來. 特別是在圖像分析中，需要把圖像分成一系列有意義、各具特征的目標或區(qū)域. 隨著圖像處理技術(shù)成功應(yīng)用于眾多領(lǐng)域，在一些識別技術(shù)中，圖像分割成為關(guān)鍵技術(shù)之一，同時也是進一步理解圖像的基礎(chǔ). 另外，圖像分割質(zhì)量的好壞直接影響后續(xù)處理效果甚至決定其成敗.

圖像獲取技術(shù)使得人類突破了人眼功能的限制，擴展了人眼對不可見輻射的接收能力. 紅外成像技術(shù)是利用景物本身各部分的熱輻射差異獲得圖像細節(jié)，它突破了人眼在低照度條件下的視覺限制. 紅外成像技術(shù)最初受軍事領(lǐng)域的需求刺激，得到了極大發(fā)展，隨著該技術(shù)的日趨成熟，現(xiàn)在在消防、電力、糧庫、醫(yī)學和安防等民用領(lǐng)域也得到了十分廣泛的應(yīng)用.

紅外弱小目標檢測技術(shù)是利用圖像處理算法對處于雜亂背景和強噪聲環(huán)境中的目標進行自動檢測，其算法性能的好壞是影響紅外成像系統(tǒng)作用距離和智能化程度的關(guān)鍵. 而將目標從圖像中分割出來是檢測的關(guān)鍵步驟，但是復雜背景下的紅外弱小目標和弱目標的檢測一直是一個非常困難卻極具挑戰(zhàn)性的課題，因為復雜背景下的弱小目標通常只有幾個像素大小，缺乏幾何結(jié)構(gòu)和形狀特征，其灰度特征也不明顯，同時背景雜波的干擾使得檢測變得更為困難. 弱目標盡管有結(jié)構(gòu)特征，但是由于紅外成像本身的特點及背景的復雜和背景中有太多與目標灰度相近的干擾存在，使得傳統(tǒng)的閾值分割和邊緣檢測方法無法檢測到目標.

本書是作者在研究紅外弱小目標分割及檢測算法所取得成果的基礎(chǔ)上，廣泛閱讀國內(nèi)外相關(guān)文獻總結(jié)而成的. 全書共分七章，各章內(nèi)容如下：

第一章，重點介紹圖像分割的基礎(chǔ)知識，從圖像的基本概念到圖像處理中常用的模板卷積、圖像分割等基本概念及圖像分割的主要技術(shù)和評價四個方面展開.

第二章，主要對紅外成像技術(shù)的原理及其發(fā)展，以及紅外圖像的特點進行簡略說明.

第三章，從分析復雜背景下紅外弱小目標和弱目標分割中存在的問題入手，對紅外弱目標圖像的低對比度、低信噪比的特點，引入形態(tài)學的方法對圖像進行增強的預處理；面對背景中含有大量與目標重疊的灰度值的情形，利用直方圖變換法的思想，在對圖像求局部方差后，對目標和背景求二維熵，使之有利于目標的分割.

第四章，將模式識別中的聚類方法的思想與圖像分割方法的思想進行比較，引入具有抗噪聲能力強和能發(fā)現(xiàn)任意形狀類的密度聚類算法，該算法能將具有高密度的區(qū)域劃分為類. 在提出的改進算法中，采用多種紅外弱目標的特征作為特征向量進行密度聚類. 得到的仿真實驗結(jié)果驗證了算法的可行性和有效性.

第五章，針對大多數(shù)聚類算法對初始中心狀態(tài)比較敏感，對參數(shù)有一定的依賴性等存在的問題，采用基于人類視覺上一個數(shù)據(jù)集形成聚類原理的山峰聚類算法，但該算法存在每一次構(gòu)造新的山峰函數(shù)時計算量隨問題的維數(shù)增加而呈指數(shù)增長的缺點，由此提出將輸入圖像分別進行x, y方向的投影，以降低維數(shù)，在此基礎(chǔ)上分別進行山峰聚類后，再在原圖像上以聚類中心作為種子點進行區(qū)域生長實現(xiàn)目標的分割. 實驗對室內(nèi)和室外紅外弱目標圖像都有良好的檢測效果，證明了所提方法的有效性.

第六章，對弱小目標在空域和頻域中的特點進行分析，引入在時域和頻域都具有良好表現(xiàn)的局部化分析和細化能力，且具有數(shù)學顯微鏡之稱的小波分析工具，又由于小波變換后代表圖像頂點等特征點的模極大值范數(shù)，具有旋轉(zhuǎn)、平移和伸縮不變性的特點，加之復雜背景下的弱小目標總會在它所在小區(qū)域里具有較突出的變化，提出了利用目標、背景雜波及噪聲在小波分解的各個層次的不同表現(xiàn)，在時、頻域采用多特征迭代的方法進行弱小目標的檢測算法. 實驗結(jié)果表明，基于小波分解與多特征結(jié)合的檢測算法用于弱小目標的檢測是行之有效的.

第七章，提出了一種基于最大最小濾波背景抑制與小波分解相結(jié)合的弱小目標檢測方法. 由于被檢測目標弱且小，對于背景和弱小目標區(qū)域而言，在一個小的局部空間中進行最大-最小濾波，背景區(qū)別不是很大，但目標的表現(xiàn)則不同. 由此將兩個濾波結(jié)果作殘差運算以達到抑制背景、突出目標的效果. 在此基礎(chǔ)上再采用小波分解，進行簡單的分割即可得到目標.

對本書的算法研究，華中科技大學柳健教授給予了指導和鼓勵，在此表示衷心的感謝！本書的出版得到了西南民族大學中央高�；�本科研業(yè)務(wù)費專項基金項目（11NZYQN29）和四川省應(yīng)用基礎(chǔ)研究計劃項目（2013JY0041）的資助.

鑒于作者水平有限，作為一家之言，不足之處在所難免，懇請讀者提出寶貴的意見和建議.

作 者

2016年2月