基于曲面波变换的红外弱小目标背景抑制

提出了一种基于曲面波变换的弱小目标背景抑制新方法,解决红外搜索跟踪系统探测远距离弱小目标中复杂结构化背景抑制难题。根据红外图像中目标和背景杂波的特性,首先,采用曲面波变换对序列图像进行多尺度、多方向和各项异性分解,提取图像的多尺度和方向细节特征;其次,根据目标和背景杂波信号的差异,通过应用设计的核函数调整分解后的各尺度和方向的子带系数值;然后,重构修改后的各子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的;最后,采用自适应阈值分割技术得到真实目标点,最终实现对弱小目标的精确探测。实验结果显示,与局部去均值和最大中值滤波方法相比较,该方法能有效地检测出信杂比(signal-to-clutter ratio, SCR)在1.6以上的目标。     

非平稳海杂波背景下子带分段ANMF检测器

针对非平稳海杂波背景下的雷达目标检测问题,传统自适应相干检测器由于强杂波干扰以及相干累积时长的限制而性能表现不佳。为克服这一限制,提出了子带分段自适应归一化匹配滤波检测器(subband segmented adaptive normalized matched filter,SS-ANMF),其由一个线性相位离散傅里叶变换调制滤波器组和每个子带上的分段自适应归一化匹配滤波器(adaptive normalized matched filter,ANMF)检测器构成。在频域上, SS-ANMF检测器通过子带分解技术,不仅抑制了带内外杂波,而且提升了杂波的短期平稳性;在相干累积时段内,通过对分段ANMF在所有子带上的最大响应进行累积求和,实现了有限参考样本下的长时累积。采用实测海杂波数据的实验表明,SS ANMF检测器明显优于对比算法。     

基于PDAF和线性预测的实时小目标跟踪算法

根据红外图像中小目标的典型特征提出了一种新的小目标检测算法。利用图像小目标的微分几何特性,计算图像的最小法向曲率,并以此为阈值,获得小目标的候选区对象,以实现目标检测。针对复杂背景下跟踪过程出现背景杂波干扰或目标受到遮挡时,出现目标消失的问题,提出了一种基于概率数据互联滤波器和线性预测技术相结合的实时跟踪算法,以提高目标跟踪的稳定性和精度。最后,利用实际录制的图像序列进行仿真实验,可准确跟踪信噪比不小于2、运动速度为1帧/像素的目标,验证了算法的有效性和实时性。     

基于多尺度特征融合的红外图像小目标检测

针对复杂背景红外图像弱目标检测问题,提出了一种基于多尺度特征融合的红外小目标检测方法。该方法在对红外图像进行离散小波框架变换的基础上,提取目标在各子带图像上的多个特征;然后对各子带图像上的多个特征分别进行融合,获得相应的目标检测判决置信度图;接着采用自适应加权方法对各个目标检测判决置信度图进行融合,得到目标检测判决总置信度图,并对其进行目标区域分割,获得最终的目标检测结果。实验结果显示,该方法对高杂波条件下红外弱目标检测具有良好效果。     

基于双门滤波的红外点目标检测方法

讨论了红外图像点目标的检测问题。针对红外点目标无形状特征、SNR很低的特点,分析常用的最大中值滤波的优缺点,提出了改进的双门滤波器,并用之来对图像进行目标检测。该算法通过选取合适的目标窗和背景框的大小,分别计算窗、框内的平均值和方差来决定滤波器的输出,在目标窗与背景框间加缓冲带从而降低了目标与背景的误分辨。经过大量实验验证表明,该方法能够较大程度提高目标图像的信噪比,有效地检测出小目标。     

基于时域自适应FIR滤波的空时处理方法

传统的后多普勒自适应处理方法,如果仅仅选用一个多普勒通道的输出数据进行空域滤波时,虽然对旁瓣杂波的抑制接近最优,但是对主瓣杂波抑制性能较差。针对以上问题,提出了基于时域自适应有限长单位冲激响应(finite impulse response, FIR)滤波的空时处理方法。该方法先设计一组自适应FIR滤波器,利用这组自适应FIR滤波器对雷达回波数据进行时域FIR滤波,然后分别对同一多普勒通道的输出数据进行空域自适应处理。仿真结果表明,该方法的杂波抑制性能优于1DT方法,而且该方法在天线阵元存在一定的随机幅度和相位误差情况下,杂波抑制性能损失不大。     

复杂背景下低信噪比点目标的实时检测算法及实现

为检测复杂背景中的低信噪比 (SNR)点目标 ,提出了一种局部自适应门限检测算法。该算法以低通滤波算法估计背景中的低频成分 ,及图像局部方差估计背景起伏 ,来计算出局部自适应的目标检测判决门限。该算法充分考虑了可实现性和实时性并采用现场可编程门阵列 (FPGA)设计实现该算法。理论分析和试验结果都表明 ,该算法可有效抑制云层、树木、地物等背景杂波、检测出复杂背景下的低信噪比点目标 ,具有恒虚警率和易于工程实现的优点。     

基于Top-hat变换的PM模型弱小目标检测

为了实现红外复杂背景下弱点目标的有效检测,提出了形态学Top-hat变换和改进的非线性扩散(以Perona-Malik (PM)的研究为基础)模型相结合的滤波算法,用于增强红外弱小目标信号、抑制复杂背景和噪声。该方法首先利用形态学滤波中的Top-hat算子对图像进行目标增强,然后对形态学滤波后的图像采用改进的PM滤波器进行进一步滤波达到抑制背景突出目标的目的,最终通过阈值分割实现弱小目标的检测。对比实验结果表明,该算法能够在低信噪比(signal-to-noise ratio, SNR)下实现红外弱小目标图像的背景及边缘有效抑制、使图像的信噪比提高20%,检测能力在原有算法上提高了40%。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

基于背景复杂程度估计的红外图像预处理

从频率意义上对红外小目标图像的基本特征进行了分析,提出了一种基于红外图像加权信息熵的背景复杂程度估计方法,及一种自适应巴特沃思(Butterworth)高通滤波器截止频率调整策略。实践证明,该方法可以较大程度地保留图像中小目标对象的频率信息,基本做到天空背景中处理质量较好,海杂波背景中保证小目标不丢失。图像预处理的良好鲁棒性得到了体现。     

基于频域处理的机载雷达自适应杂波抑制方法

传统的机载雷达自适应杂波抑制多是从时域角度来考虑的，提出了一种基于频域的杂波抑制方法——FFT频域处理法。该方法将输入数据首先经过FFT运算变换到频域上，然后利用质量中心法来估计杂波谱的中心多普勒频率和带宽，最后将杂波分布区内的FFT通道输出置零(即滤除杂波)。实验仿真结果表明，与传统的基于谱估计的自适应MTI方法相比，该方法具有良好的改善因子和较小的信噪比损失，对于慢速目标检测十分有利，并能有效地防止目标白化，其运算简单，适于工程实现。     

海空背景下红外运动小目标的检测方法

针对海空背景下红外运动小目标的检测问题,提出了一种先前景抑制,再二值化,然后基于质心轨迹累加的序列检测流程。利用海空前景红外小目标图像灰度直方图一般呈现"双峰一谷"型式这个特点,前景抑制将海空前景分割和中值滤波结合起来进行。在前景抑制基础上,提出了基于分块门限分割的二值化方法进一步抑制随机噪声。最后,基于目标运动的连续性、规律性和噪声的随机性,在图像二值化基础上,进行了质心迹累加的序列检测。仿真实验结果表明:所提方法具有很好的检测效果。     

前视阵FDA-MIMO雷达距离模糊杂波抑制方法

超高速平台前视阵雷达面临强杂波抑制难题,其杂波不仅具有显著的距离依赖性而且存在多重距离模糊,导致雷达动目标检测性能急剧恶化。针对这一问题,提出了一种基于频率分集阵列和多输入多输出雷达的距离角度多普勒三维自适应处理距离模糊杂波抑制方法。该方法通过发射接收二维联合空域和差波束及时域邻近多普勒通道进行降维处理,保证算法的低复杂度以及在小样本条件下的杂波抑制性能。仿真实验验证了所提方法的有效性。     

基于鲁棒估计的微弱目标检测噪声抑制技术

抑制目标图像中的噪声,缩短目标的首次捕获时间(FirstCaptureTime,FCT),对于微弱目标检测和跟踪具有重要的意义。基于以下判断:a.任何检测系统总是工作在一定的信噪比(SNR)水平下;b.运动目标成像面积总是大于一个像素,分别设计了两个噪声抑制算子Sa(.)及Sb(.)。在噪声抑制过程中,首先使用鲁棒回归估计方法,估计出噪声模型参数,然后分别应用噪声抑制算子Sa(.)及Sb(.)对图像噪声进行抑制。试验结果表明,该方法可以有效抑制目标图像中的噪声,缩短目标的首次捕获时间,为下一步目标的检测和跟踪提供了有利条件。     

基于像素向量消除的穿墙雷达杂波抑制算法

常见的回波域算法在处理穿墙成像中的杂波抑制问题时,杂波滤除不够彻底,致使信杂比和目标准确性较低,严重影响目标检测与识别等后续处理.为解决这一问题,从图像域中寻找杂波像素和目标像素的区分特征,以离散系数实现对像素向量离散程度的定量化,以图像强度和剩余像素均值构建杂波抑制的评价体系,通过主杂波抑制和目标聚焦依次消除离散系数...     

一种机载非正侧视阵雷达近程杂波对消方法

机载预警雷达发射中高脉冲重复频率信号时,会导致接收杂波存在距离模糊现象。对于机载非正侧视阵雷达(non-side looking airborne radar, non SLAR),其近程回波具有强烈的距离依赖性,导致通过统计方法估计的杂波协方差矩阵不准确,使得空时自适应处理（space-time adaptive processing, STAP）的杂波抑制性能急剧下降。接收天线为均匀线阵条件下,由于阵列没有俯仰维自由度,无法直接对近程杂波进行抑制。针对这种情况,提出了一种近程杂波对消方法,该方法首先估计出近程模糊距离门对应的俯仰角,然后利用空时二维杂波谱的先验信息对近程的杂波进行估计,最后对原始的接收数据进行近程杂波对消。该方法能够对近程杂波进行有效抑制,获得的杂波抑制性能高于直接处理法。仿真实验结果验证了该方法的有效性。     

基于AR模型逼近的AMTI滤波器设计方法

提出了一种新的雷达自适应动目标显示(AMTI)设计方法。该方法利用AR模型逼近杂波谱“倒置”理想带通滤波器的频率响应,实现了最优FIR滤波器的设计。由于被逼近的“倒置”理想带通滤波器的中心频率和通带宽度可随杂波功率谱的变化适时调整,使AMTI滤波器的杂波抑制性能与经典自适应方法相比得到有效提高。雷达实际采集数据的对比实验结果表明该方法设计出的AMTI滤波器的优越性和实用性。     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

超高速平台载雷达杂波特性与抑制方法

针对高超声速平台杂波距离走动与多普勒走动导致的传统空时自适应处理方法杂波抑制性能严重下降的问题,首先建立了高超声速平台杂波空时二维模型,并通过分析杂波空时特性,得出与慢速平台相比,杂波走动造成杂波非均匀性增加和多普勒展宽更严重,非均匀性增加和多普勒展宽程度与脉冲积累时间、杂波块位置均有关。最后,提出利用keystone变换校正杂波距离走动,并通过补偿矩阵补偿杂波多普勒增量的杂波抑制方法。仿真结果表明,所提方法能够使杂波抑制凹口变窄,明显提高主瓣区的动目标检测性能。