模糊红外图像目标的人工免疫模板提取方法研究

In reality there are many precious blurred images, especially blurred infrared images which comprise of hidden objectives and target traces are often used in public security and military. How to extract specific target from the blurred infrared images is a key scientific problem needed to be solved instantly, which comes from the reality and the blurred image theory. The traditional templates mostly constituted by the coefficients of the differential equation or the difference equation or partial differential equation or wavelet equation and so on. To get the best extracted objects from blurred infrared images, all kinds of information from blurred infrared images should be employed. Therefore, this project intends to rely on statistical learning theory and tensor subspace learning theory and to learn from the synergetic recognition and effect between innate immunity and adaptive immunity for getting information as much as possible. The new immune templates and template network, which relate to the characteristic parameters of the target and background and unclear edge in blurred infrared images, will be studied and designed in this project. The structure and calculation rules and work algorithm of the immune templates(network) will be researched in this subject. The purpose of this project is to solve the key problems of the theory and application which is raised from extracting the explicit targets in the blurred infrared image.

现实中有大量珍贵的模糊图像，特别是公安和军事中经常利用的隐蔽目标与目标痕迹的模糊红外图像。如何从模糊红外图像中提取清晰明确的目标，是模糊图像理论与应用中亟待解决的实际问题和关键问题。传统模板几乎都由微(差)分方程、偏微分方程或小波方程等的系数构成。为充分利用图像本身提供的各类信息，达到最佳提取效果，本项目拟以统计学习理论和张量子空间学习为理论依托，以先天性免疫与适应性免疫协同识别与作用为借鉴，研究设计新型智能模板和模板网络，使其与模糊红外图像的目标、背景及模糊边缘的特征参数相关。研究此类免疫模板和免疫模板网络的构造，计算规则和工作算法。解决从目标与背景模糊、边界不清的红外图像中提取清晰明确目标的理论与应用难题。

红外图像是一类大量存在且珍贵的模糊图像。为最佳提取红外图像中的模糊目标，本项目借鉴生物免疫机理、依托统计、流形和张量理论，主要完成以下创新研究工作：.1.一种先天性与适应免疫协调作用框架.2.基于统计的免疫网络模板算法.3.一种免疫协调聚类模板算法.4.基于统计和时序特征的立体化模板.5.一种多类分的免疫否定选择算法.6.基于抗体识别度的克隆选择和免疫网络算法.7.人工免疫-靶向疗法的红外模糊目标提取.8.统计特征和流形正则的监督分类.9.统计特征和流形正则半监督的模糊红外目标提取.10.基于张量的稀疏保持降维方法.11.一种提升泛化能力的Lagrangian支持张量机算法.12.张量及Hessian矩阵的模糊目标分割.13.改进混合高斯背景建模、三帧差分等算法的红外目标检测.14.时空切片、改进均值漂移等算法的红外目标跟踪.15.基于HSI和色差理论的突破灰度级限制的红外伪彩色方法.16.红外图像复杂背景下目标模板的匹配提取小目标.17.偏微分插值的红外小目标放大算法.18.平均眼模板的模糊红外人眼自动定位算法.19.一种快速提取人眼轮廓的新的主动轮廓模型.20.一种基于近红外OCT图像的视网膜状态判别方法. 项目执行期间，共发表论文26篇（期刊19篇，会议7篇），其中SCI检索10篇，EI检索19篇。申请专利1项，软件著作权2项。参加学术会议交流35人次，大会特邀报告2次、一般报告12次，获奖论文1篇。国际校际间学术交流12人次。培养进修教师1名，博士3名，硕士8名。截止2016年12月，仍有在读博士2名和硕士6名开展与本项目相关的研究。此外，课题组还建立了一个网络版红外图像数据库，开发了包括人工免疫等相关算法的综合软件平台。. 综上，目前已取得的研究成果完全达到了项目申请时预期的研究成果，课题组完成了项目申请计划中的全部工作和创新。.在此基金支持下，课题组还开展了眼科医学红外波段图像的初探性研究。课题组仍将继续与该项目有关的研究工作，进一步推进及改进所提出的算法。