基于D-S证据理论的红外小目标融合检测方法

将红外图像中的小目标检测视为基于多图像特征的像素分类问题,提出了一种基于D-S证据理论的红外小目标融合检测方法。该算法首先提取双色红外成像系统中各传感器图像的图像特征,采用D-S证据理论中的基本概率分配函数对传感器图像中的像素进行基于多图像特征的分类,得到各传感器的目标检测基本可信度图;然后应用正交和规则复合来自各传感器的目标检测判决证据,获得整个系统的目标检测基本可信度图;最后根据决策规则输出最终目标检测结果。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,提高了系统的检测性能。     

基于双边与高斯滤波混合分解的图像融合方法

针对红外与可见光图像融合时,两种异质图像信息容易相互干扰,造成融合图像出现模糊、信息混乱和对比度降低等问题,提出了一种基于双边与高斯滤波混合分解的融合方法。首先采用双边和高斯滤波器对输入的红外与可见光图像进行混合信息分解,得到小尺度纹理细节、大尺度边缘和底层粗略尺度图像信息;其中的大尺度边缘信息包含红外图像的主要特征,依据该特征确定各分解子信息的融合权重,从而将重要的红外特征信息注入到可见光图像;最后通过对各融合子信息进行组合重构出融合图像。实验结果表明,该算法融合效果要优于传统基于多尺度分解的图像融合算法。     

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。     

结合FABEMD和改进的显著性检测的图像融合

针对红外与可见光图像融合中存在的显著目标不突出、对比度低、存在较多的伪影问题,提出了一种结合快速自适应二维经验模态分解(fast and adaptive bidimensional empirical mode decomposition, FABMED)和改进的显著性检测的图像融合算法。首先,通过FABEMD对红外和可见光图像进行多尺度分解得到对应的基础层和细节层。然后,对最大对称环绕显著性检测做暗抑制改进,将其用于基础层的融合上;结合改进的显著性检测和引导滤波,对细节层进行融合。最后,对各融合子图进行FABEMD逆变换重构出融合图像。与其他经典的融合算法相比,仿真实验验证了本文算法的有效性。     

基于NSCT和ICA的红外和可见光图像融合方法

针对基于非下采样轮廓波变换（ｎｏｎ ｓｕｂｓａｍｐｌｅｄｃｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ,ＮＳＣＴ）的红外和可见光图像 融合存在的目标信息不明确、融合图像对比度较低的问题,提出了ＮＳＣＴ 和独立分量分析（ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏ ｎｅｎｔａｎａｌｙｓｉｓ,ＩＣＡ）的红外和可见光图像融合方法。首先采用ＮＳＣＴ 对红外和可见光图像进行多尺度、多方向分 解,然后对分解后的红外和可见光图像的低通子带系数采用基于ＩＣＡ 的图像融合方法,得到低通融合图像。再使 用以邻域系数差和信息熵为标准的带通图像融合规则对带通子带系数进行融合,得到带通融合图像。最后对低 通融合图像和带通融合图像进行ＮＳＣＴ 的逆变换,从而得到最终的融合图像。仿真实验验证了本文方法的有 效性。     

基于多小波分布熵的图像检索

为了提高小波直方图的检索性能,提出基于多小波信息分布熵的图像检索算法。对检索图像进行多小波分解,并用滤波器对各个子图进行非线性滤波,计算多小波各子带的能量熵;对各子图的小波能量矩阵进行0/1量化,然后以各子带相同方向子图计算多小波分布熵;针对特征向量进行高斯归一化,利用欧氏距离计算不同图像间的纹理相似度。基于内容的图像检索试验表明,该方法的检索精度比快速小波直方图方法提高了9.7%。     

基于多尺度判别模型的复杂背景学习

智能监控系统中的一个关键问题是在图像序列中准确检测前景目标,但在复杂背景中,这仍然比较困难.将前景检测作为标记问题来处理,提出一种基于多尺度的判别模型,用来学习复杂背景.首先,通过基于像素的方法得到静态背景和运动目标;然后利用一组高斯滤波器组作用于不同的图像空间得到一系列的响应,在图像序列中估计这些响应的概率密度作为特征池,运用AdaBoost算法在特征池中挑选弱分类器组成强分类器,通过分类器获得运动目标中每个像素属于真实前景的置信度;最后,结合前景和背景的时空一致性,利用图分割求解马尔可夫随机场,获得准确的前景.实验结果表明提出的方法能很好地适应各种复杂背景.     

基于动态规划和置信度检验的小目标检测

在目标检测、识别与跟踪系统中,弱小目标的检测是需要解决的关键技术之一。提出了一种基于动态规划与轨迹置信度检验的弱小目标检测方法。该方法利用动态规划方法积累目标能量,然后进行门限判决和对候选目标轨迹进行置信度检验,从而剔除假目标,给出目标信息。该算法针对白噪声背景条件下的图像目标检测,解决了低信噪比条件下运动点目标的检测问题,算法结构简洁,易于进行软硬件分割。最后给出其实验结果。     

一种多波段SAR图像伪彩色融合算法

针对多波段SAR图像互补信息的利用问题,提出了一种基于Contourlet变换与IHS变换结合的伪彩色融合算法.利用最佳指数模型选择出信息量最大、相关性最小的三个波段图像,实现RGB到IHS彩色空间的变换;然后用Contourlet变换对Ⅰ分量和另一波段SAR图像进行多尺度分解,分别得到低通近似子带和方向高频子带.对方向高频子带定义一个边缘信息量测因子融合策略进行融合,近似子带用平均方法融合,并进行Contourlet重构得到融合后的Ⅰ分量.结合H、S分量进行IHS到RGB空间的反变换.综合了不同波段图像特征,把人眼难以分辨的灰度转化为可分辨的色彩,保持SAR图像空间分辨率的同时,增强谱分辨率,仿真实验结果证明了该方法是有效的.     

基于区域和方向方差加权信息熵的图像融合

提出了一种基于非下采样Contourlet变换（nonsubsampled Contourlet transform, NSCT）的红外与可见光图像融合方法。首先对原红外图像进行图像分割,确定目标区域与背景区域,并将其映射到可见光图像中;然后对红外和可见光图像进行多尺度、多方向分解,分解后的低频部分在目标区域选择红外图像低频系数、在背景区域选择可见光图像低频系数,高频部分使用方向方差加权信息熵最大作为融合策略进行融合;最后对融合的系数进行重构得到融合图像。实验结果表明,本文算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

基于方向性粗糙度特征的SAR目标检测算法

针对扩展分形(EF)特征检测SAR目标虚警率高的不足,提出了基于方向性粗糙度特征(Directional Roughness Feature,DRF)对SAR图像目标检测的算法。该算法用指数小波在一个尺度和任意一个方向θ(0 0<θ<900)上对SAR图像滤波,对滤波后图像应用能量关系函数求各像素点的DRF进行目标检测。针对X波段和Ka波段的SAR图像,确定了用该算法检测目标的最优参数。分别用该算法和EF特征方法对不同波段SAR图像进行目标检测,结果表明该算法具有检测虚警率低和目标空间可分辨性高的优点。     

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%。     

基于模糊Renyi熵和区域增长的图像目标分割方法

为了实现快速精确的航空侦察图像目标分割,提出基于模糊Renyi熵和区域增长的分割方法。首先在Renyi最大熵分割的基础上,应用模糊隶属度函数,引入模糊Renyi熵,提高图像分割效果。然后为了获取种子点,提出了基于双金字塔和特征融合的显著性检测方法,并通过形态学重构开运算和区域极大值生成目标核心区域。最后,增长准则设计为将图像分割结果进行二值标记,然后选取与目标核心区域重叠最多的区域块为目标分割结果。实验结果表明,所提方法可实现复杂场景航空侦察图像舰船目标的快速和精确分割。     

基于Retinex和小波分解的手背静脉识别方法

为了解决手背静脉识别系统中图像的对比度较低且静脉结构简单的问题,首先提出一种基于自适应平滑滤波器的Retinex增强算法,在增强静脉结构的同时均衡了图像灰度;然后分析了静脉图像的小波分解子带图像和灰度积分投影,指出小波低频子带图像和垂直方向的灰度积分投影比较适合作为手背静脉识别的特征;进一步提取了基于逼近系数的小波不变矩特征,并融合形成了90维的手背静脉特征向量;最后建立SVM 分类器并利用手背静脉图像库进行实验,结果证明了该算法的识别优越性.     

基于小波提升和形态学的图像边缘检测方法

提出了一种基于小波提升和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法对不同分解层上的高频子图像进行边缘检测,采用一定的融合规则将这两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波提升法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波提升法。     

复杂背景下红外小目标检测技术研究

在复杂红外背景中如果红外点目标所占的像素少,通常的检测方法就很难将目标检测出来,且往往会含有较多假目标。首先对图像进行预处理,利用图像本身的灰度级别对小目标进行初步筛选,然后利用可能目标点的信息对假目标进行剔除。实验结果表明,此方法对复杂背景中小目标检测有较好的效果。     

基于多级分类与逆向时空融合的弱小目标检测

弱小点目标检测是红外探测技术中的一个关键问题.针对目前序列红外图像目标检测中单阈值分割时弱小目标易丢失及快速移动目标的能量欠积累问题,提出了一种基于多级分类与逆向时空融合的弱小红外目标检测方法.该方法在对图像进行背景抑制的基础上,采用自适应多级分类的方法提取候选目标,强化了各类弱小候选目标的检测能力.同时,根据目标在相邻帧间的位置变化信息构造动态时空管道,在当前帧候选目标点的真伪无法判定时,沿时空管道逆向寻找可能出现的各类候选目标,将其中的各类候选目标点能量与当前帧候选目标点的能量进行加权求和后再进行门限判决,较好地解决了弱小目标及快速移动目标的能量积累问题.最后,本文通过若干实际红外数据验证了上述方法的有效性.     

一种基于D-S证据理论的红外小目标融合识别方法

为了提高低信噪比弱小目标识别的可信度 ,提出了一种基于D S证据合成理论的多传感器信息融合识别方法。并使用该方法对来自多个红外成像传感器的实际图像进行了信息融合仿真处理。仿真结果证明 ,该方法对低信噪比条件下的红外弱小目标具有良好的识别效果