遥感序列图像中三种点目标检测预处理方法

提出了高通滤波、连续分割和顺序形态滤波等三种点目标检测预处理方法，给出了具体算法。通过实验比较了这三种预处理方法的抗噪声性能、背景抑制性能以及抑制虚假目标性能．实验结果：表明顺序形态滤波法在这三个方面都优于其他两种方法，它能够快速、可靠地测出信噪比小于3的运动点目标。     

点云数据多种滤波方式组合优化研究

LIDAR获取地物的三维点云数据已成当下的主要方式。针对不同尺度下三维点云数据的噪声滤波顺序问题,提出一种基于PCL不同尺度下最优顺序组合的点云滤波去噪方法,即在对获取的室外三维图书馆模型源数据和室内桌子实体模型源数据预处理的基础上,集成双边滤波、高斯滤波、几何滤波三种滤波方式的优势来实现两种不同类型数据的滤波处理。通过实验给出了两种不同数据类型下最优组合顺序滤波的参数。实验结果表明,本研究中的组合滤波方法具有较好的鲁棒性和保特征性,可为建筑三维点云数据的滤波提供一定的参考。     

对红外背景、低信噪比条件下的小目标检测技术研究

低信噪比条件下小目标检测技术的研究是红外信息处理中的关键性问题．灰度形态滤波是一种结合信号形状的非线性运算，基于灰度形态滤波的预处理可有效地抑制图像中的背景干扰和噪声．对于多帧连续运动图像，经过前端的滤波预处理后，图像之间存在着一定的关联性，利用相关性结合神经网络算法可以对运动目标轨迹进行有效的刻画．     

形态滤波器在交通视频检测中的应用

介绍交通视频检测的基本过程,分析了交通视频图像的特征,研究了三种形态滤波器——中值滤波器、普通形态滤波器、顺序滤波器对交通视频图像的处理能力．顺序滤波器的使用依赖于二值图像中噪声与目标的分布参数P．提出了选择交通视频图像分布参数P和滤波窗大小的基本方法．实验证明,选用合适参数P的顺序滤波器能够大大减少计算量,快速地处理交通视频的二值图像,基本满足在各种气象条件下的实时采集交通数据的要求。     

基于顺序形态滤波的边缘检测

介绍了灰度图像的顺序形态变换基本概念 ,定义了两种基于顺序形态滤波的广义边缘算子 ,重点讨论了百分位p =1 /2时的边缘算子抑制噪声、提取边缘的理论和方法 .实验表明 ,同传统的边缘检测算子相比 ,该方法具有良好的噪声抑制和边缘提取特性 .     

基于顺序形态滤波的边缘检测

介绍了灰度图像的顺序形态变换基本概念,定义了两种基于顺序形态滤波的广义边缘算子,重点讨论了百分位ｐ＝１／２时的边缘算子抑制噪声、提取边缘的理论和方法。实验表明,同传统的边缘检测算子相比,该方法具有良好的噪声抑制和边缘提取特性。     

图像预处理的滤波算法研究

对于需要持续跟踪目标的成像系统来说,目标会出现由点到面或由面到点的变化.针对这种情况,分析并比较了三种点目标和面目标均适合的图像预处理滤波算法.仿真实验证明,改进的高通滤波算法比高通中值滤波算法和高斯高通滤波算法效果更好,可以在实际工程中得到应用.     

基于跳跃马尔可夫模型的红外点目标检测方法

提出一种基于跳跃马尔可夫模型的红外点目标检测方法,根据模型设计了采用粒子滤器的模型参数与状态估计算法.该方法既能用于图像的空域滤波,也能用于序列图像的时域滤波.实验表明采用该方法进行空域/时域滤波可以极大地抑制杂波背景并增强点目标的可检测性.     

基于广义形态骨架的拐点检测方法

提出了一种基于形态骨的快速拐点检测方法,该方法基于物体条件骨架原理,采用改进的非对称开运算算子,利用内外骨架检测物体的凸点和凹点,以实现对所有拐点的检测;对于有噪声图像根据多刻度滤波原理采用较大的结构算子去噪,使预处理和检测在算法上实现统一,实验表明,该统一算法检测准确度高,抗噪性能好、具有旋转不变性、计算量小、硬件实现简单。     

基于差分二值化的指纹预处理算法

在自动指纹识别系统(AFIS)中,图像增强和特征提取都是在预处理过程中完成的。由于图像增强技术主要依靠方向滤波,势必造成方向变化剧烈的中心区域出现连线错误和特征错误,导致中心区域的特征点都不能使用。提出一种基于差分二值化的预处理算法,图像滤波过程是在二值图像上进行的,可以确保中心区域的纹线形态不变,使中心区域的特征点完全能够参与匹配。实验结果表明,该算法速度快,可以有效地提高AFIS的性能。     

一种新的运动点目标检测方法

常规运动目标检测中所用图像都是基于二维空间坐标的序列图,文中根据运动点目标与静态背景的特性,采用一种新的图像表示方法,以时间和空间为坐标,描述的时空图像能较直观地反映运动目标与静态背景的差异,易于实现目标与背景分离。通过实例处理表明,时空方法能更有效地从复杂背景中检测出低信噪比的运动点目标,抗噪声干扰能力强。     

运动点目标的检测识别方法

主要研究点目标检测技术，提出了点目标检测技术的难点．简介4种点目标检测的方法，最后主要叙述采用TDLMS自适应滤波法来检测识别红外图像的运动点目标．     

运动点状目标检测的改进算法

讨论了用Ｈｏｕｇｈ变换、匹配搜索和神经网络来检测点状运动目标的方法，当目标信号微弱时，目标检测必须依靠多帧信号的积累。Ｈｏｕｇｈ变换、匹配搜索和神经网络对于可检测信杂比，计算复杂性及可实现性等各有其特点。本文通过计算机仿真和理论分析对几种算法了比较，并提出了相应改进的综合算法。     

提高红外点目标图像单帧检测概率的背景抑制法

给出了一种低信噪比红外点目标图像检测的新方法．利用背景图像相对于目标图像具有相关长度长、在频域空间处于低频部分的特点，提出了在空域对红外点目标场景图像进行高通滤波的方法，达到抑制背景、提高目标图像信噪比的效果．进一步讨论了自适应门限曲面函数的建立．实验表明，该方法可以在满足总体要求的红外点目标图像信噪比和虚警目标个数的条件下，最大可能地提高红外点目标图像的检测概率．     

基于时频和形态学滤波的长时间能量积累检测

为了检测强噪声背景下长积累时间、低信噪比、信号波形未知的机动目标，提出了一种时频分析和形态学滤波检测的方法．利用时频分布聚集信号能量在其瞬时频率曲线附近，而散布白噪声能量在整个时频平面上的特点，应用时频分布、阈值处理和数学形态学滤波估计高能量时频支撑区域，并累积这些区域的时频能量以构造检验统计量进行统计判决．该方法不需要先验波形信息，检测积累时间不受处理方法的限制，可在更长观测时间内检测噪声环境中的微弱机动目标．仿真实验表明，在信噪比为-9dB、虚警概率为10^-5时，检测概率可达99％．     

基于差分法和概率估计方法的运动目标检测

针对视频序列运动目标检测问题,提出根据灰度直方图概率密度函数特点自动确定阈值的方法,以准确地从背景中分割出运动目标.本文以差分法为基础,利用正态分布的经验法则确定阈值,对差分图像进行分割,并用方框标识运动目标.该方法省去了滤波、形态学处理等冗余步骤,缩短了图像处理的时间.实验表明,该方法实时性强,且对面积较大或较小的运动目标都能达到有效跟踪的目的.     

基于粒子滤波的MIMO雷达目标似然比检测方法

针对多输入多输出（MIMO）雷达在非高斯杂波背景、信号参数随机或未知的情况下,难以建立目标统计检测模型的问题,基于粒子滤波方法,根据参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种MIMO雷达目标似然比检测的通用模型,解决了非高斯杂波条件下无法得到检测统计量的问题．以复SG-Alpha联合稳定分布作为MIMO雷达非高斯杂波分布模型,给出了基于粒子滤波的似然比检测方法．最后通过仿真实验给出了该方法在不同条件下的检测性能,并与传统MIMO雷达目标检测方法进行了比较,结果表明在非高斯杂波背景下该方法的检测性能要明显优于传统方法的．     

空中静电目标特性分析

研究了空中运动目标在飞行过程中的起电、放电机理和带电特性.通过理论分析和仿真计算,研究了对于被动式地面静电探测系统,将空中目标的电场近似地作为静电场进行探测和将空中带电目标近似为点目标的条件.结果表明,对于被动式地面静电探测系统而言,探测距离在10km范围以内,可将目标的电场当作静电场进行测量;当空中目标与探测器距离大于目标尺寸3～6倍以上时,可将目标视为点目标.提供了被动式地面静电探测系统的应用前提.     

基于改进的混合高斯模型背景建模在运动目标检测中的实现

混合高斯模型方法广泛应用于现代智能视频监控系统中的运动目标检测,但受制于不可改变的客观环境影响---尤其是光照、背景对象的轻微扰动等影响,往往检测效果不佳,为了解决该问题,使运动目标检测工作可以更好地适用于多种环境,笔者提出了基于改进的混合高斯模型背景建模方法,利用二维中值滤波和形态学原理对强点干扰噪声进行有效过滤,同时保护好信号变化的边界。实验表明：该方法可有效提高抵制噪声干扰效果,具有准确的目标检测效果。