论文摘要
军事图像分割是军事图像处理的基础和重要组成部分,是在战争中获取军事情报、实现军事目标定位和战场形势评估的前提。本论文以现代军事图像分割的四大需求即自动化、精确化、快速化、多目标提取为目标,以目前军事图像分割的常见算法即模糊C均值聚类算法、随机游走算法、抠图算法、活动轮廓模型等为研究对象进行了研究与改进,具体工作如下：针对传统模糊C均值（Fuzzy C-means:FCM）聚类算法存在聚类数目难以确定、迭代速度慢、易陷入局部最优以及对聚类中心初始值的设置敏感等缺陷,提出一种融合全局最好和声搜索模糊C均值（GBHS-FCM）聚类算法。利用全局最好和声搜索（Global Best Harmony Search:GBHS）算法的全局性和鲁棒性的优点,得到初始聚类中心和聚类个数,再将其作为FCM聚类算法的初始聚类中心和聚类个数；定义一种新颖的模糊聚类目标函数,将图像像素点邻域依赖特性考虑进来,与像素点灰度信息共同作用,增强了分割结果空间的连续性。新算法有效避免了传统FCM算法因对初始聚类中心设置敏感而收敛到局部最优解的问题,在聚类精度、速度和鲁棒性上均比传统FCM算法有所提高。针对传统模糊C均值聚类算法特征描述单一,处理结构复杂图像时易受复杂纹理干扰而出现误分割的问题,提出基于自适应结构张量的模糊聚类算法。采用基于各向异性滤波的结构张量,克服了传统高斯滤波器在滤波方向和角度上所受的限制；用图像边缘密度函数来衡量图像节点的平滑性,自适应地计算各向同性滤波函数和各向异性滤波函数所占比例；定义一种自适应结构张量相似性度量标准,用于计算复杂纹理图像中节点与聚类中心点的结构相似性。将图像结构特征融合到增强型模糊C均值聚类算法,提高了对卫星、遥感图像分割的性能。对原始图像进行均值滤波,将滤波结果与原始图像进行线性叠加形成新的输入图像；采用二维Gabor滤波函数提取新的输入图像的纹理结构特征,以此代替灰度特征来衡量节点间的相似性；采用改进的节点间距离度量公式来计算图像中节点与聚类中心点的差异。针对传统模糊C均值聚类算法难以处理低灰度对比度图像的问题,将万有引力和图像熵融入到FCM算法。引入图像局部信息熵来描述节点（像素邻域）间的特征,同时计算新节点的同质值；将该同质值看作新节点的质量,节点之间通过万有引力算子形成关联,使节点灰度特征和节点空间位置特征有效地结合,以此解决传统FCM算法节点特征描述孤立的缺陷。针对图像成像的分辨率有了显著提高、待处理图片的数量与日俱增的情况,为提高传统FCM聚类算法的执行效率和分割效果,提出一种融合均值平移（Mean Shift）的FCM聚类算法。采用Mean Shift算法对图像进行预分割,将图像分成若干同质区域,将得到的同质区域看作新的节点代替传统FCM聚类算法中的单一像素点；采用图像局部信息熵来描述新节点的空间和灰度特征,建立新节点相应的特征向量；采用能较好模拟人眼非线性视觉响应的指数函数进行相似性测度。对于具有复杂背景图像和含噪声图像的仿真实验表明,改进算法在目标提取效果和执行效率都有所提高。针对传统随机游走图像分割算法仅考虑灰度信息,容易造成漏分或错分的问题,将图像的空间特征引入到传统随机游走算法中,提出一种融合空间特征的随机游走图像分割算法。将相邻节点的空间特征信息与灰度信息共同作用来增强分割结果的空间连续性,减少了漏洞和边界遗漏现象；通过调整自由度参数来控制两种特征信息在特征空间所占比例,使权重变化更能体现节点特征变化。针对目前红外图像在军事中迅速发展的趋势,提出基于通道抠图（alpha-matting）算法的红外目标提取方法。利用目标监测的连续帧变化特性,将相邻帧进行差分运算,从而获得目标前景（即目标）、背景、不确定区域；采用二次方贝塞尔曲线（Quadratic Bezier Curve）拟合法建立动态调整曲线方程,计算出精确的前景透明度值（即alpha通道值）,实现alpha值的自动选择。针对多目标图像提取问题,提出融合角点检测和全局最好和声搜索模糊聚类算法的Snake多飞机目标提取方法。根据飞机的结构特点提取其角点特征；采用基于全局最好和声搜索的聚类方法对角点特征进行聚类,实现飞机的目标定位；再采用改进的Snake模型,将定位的区域作为Snake模型的初始轮廓进行曲线演化,完成对多飞机目标的轮廓提取。