基于小区域滤波的快速星图弱小目标分割算法

时间序列帧星空图像中弱小目标的检测是天基监视地球同步轨道卫星需要解决的关键技术之一,星图中的背景杂波抑制与小目标分割对运动目标的检测与精确测量是至关重要的。针对这一问题,提出了一种基于小区域滤波的快速星图弱小目标分割算法。首先采用最小二乘拟合方法得到高斯背景均值和标准差;然后利用小区域滤波抑制背景杂波;最后利用固定阈值滤除灰度过小像素点。实验结果表明,该算法能够较好地保持恒星和运动目标的边缘,为恒星和运动目标的快速定位奠定了基础。     

基于自适应预白化的水下动目标LFM回波联合检测

有色混响噪声背景以及水下动目标径向速度造成的回波和样本失配导致匹配滤波器对于线性调频LFM(linear frequency modulation)回波检测性能下降。基于自适应预白化处理的广义似然比GLRT(generalized likelihood ratio test)方法利用混响噪声背景的自回归AR(autoregressive)模型构建白化滤波器来抑制混响噪声,但回波和混响噪声的混叠会造成AR模型偏差。结合匹配滤波的回波定位特性和基于自适应预白化处理GLRT方法的混响噪声背景抑制特性,提出结合这两种方法的联合检测算法。仿真和实验数据测试表明联合检测算法对于水下动目标LFM回波检测性能优于单纯的零速样本匹配滤波和GLRT方法。     

全天时多视场星图仿真的设计与实现

为了对大气层内全天时短波红外三视场天文导航系统的软件开发及功能和性能测试,提出了一种全天时三视场星图仿真算法.该算法为本天文导航系统提供任一时刻、任一指向下的仿真星图.短波红外2MASS星表数据量巨大,为此,采取了分区检索视场恒星的方法.为了使仿真星图更接近真实情况,研究并分析三视场天空背景辐射及三视场恒星——背景对比度;建立了星点成像模型和系统噪声模型.充分考虑了同一时刻、不同视场间背景辐射的变化情况,采用蒙特卡罗方法随机产生平台姿态,以便更好的测试恒星检测与识别算法的鲁棒性.     

区域自适应中值滤波器

传统的基于噪声检测的中值滤波算法，对于检测出的噪声点往往采用相同的滤波处理方法，而忽视了噪声点自身特性的差异，限制了其滤波性能的进一步提高。针对这一问题，提出了一种区域自适应中值滤波器，算法在噪声检测的基础上，应用改进的区域判别方法实现对噪声点所属区域的判别，进而根据其所属区域的不同有针对性的选取滤波处理方法．仿真研究表明，该滤波器算法在有效抑制噪声的同时，获得了更强的边缘细节保护能力，较之传统方法具有更为出色的滤波性能。     

一种强跟踪自适应状态估计器及其仿真研究

分析了强跟踪滤波器中新息方差近似计算方法的不足,提出了一种基于衰减记忆思想来近似计算新息方差的改进强跟踪滤波器。然后,对于过程噪声水平未知的目标状态估计问题,在Sage-Husa过程噪声水平自适应估计算法的基础上,一旦通过基于新息的滤波器发散判据检测到可能出现的发散现象,提出用改进的强跟踪滤波器进行抑制,极大地提高了滤波算法的鲁棒性。对三种典型的目标机动形式进行的Monte-Carlo仿真结果进一步验证了新提出算法的有效性。     

基于运动信息的星图中空间目标检测算法

为了对空间目标进行精确定位与跟踪,建立目标运动轨迹,对基于运动信息的星图中空间目标检测算法进行了研究。首先,基于空域目标能量累积的方法提高目标信噪比,增大弱小目标被分割出来的概率。然后,根据相邻两帧星图中恒星相对位置不变性提取星图控制点,并根据控制点坐标求取全局运动参数。然后,根据分割出的星点与控制点的位置关系,将恒星与潜在目标分类。接下来,利用3帧最近邻关联法粗检测目标,并利用多帧前后向搜索法滤除虚假目标。最后将序列星图中所有目标编号,建立起目标的轨迹针对4组实拍星图的实验结果表明：所有目标的运动轨迹全部建立,检测到目标的最小平均信噪比为2.99,目标最小平均运动速度2.47 pixel/frame,最大平均运动速度12.72 pixel/frame。本文算法基本满足星图中空间目标检测的检测概率高、虚警少和轨迹定位精度高等要求。     

自适应空域矩阵滤波器设计和目标方位估计

针对在强干扰背景中检测弱目标信号时被动声信号处理技术的性能会严重降低的问题,提出了一种自适应空域矩阵滤波器的设计方法。该方法是在保证滤波器通带响应与期望响应误差和阻带响应低于某设定值的条件下,最小化滤波后基阵的输出功率,使得滤波器能尽量保证让通带扇面的信号无失真通过,同时抑制阻带扇面的干扰和噪声。将滤波器的优化设计问题表达成二阶锥规划的形式,利用已有的内点方求出其数值解。最后将设计的自适应空域矩阵滤波器用于强干扰背景中弱目标信号的方位估计。计算机仿真结果说明,所提方法能在干扰方位形成零陷,有效地抑制阻带区域的强干扰,提高了后续方位估计方法的性能。     

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%。     

一种改进的OTHR自适应海杂波抑制方法

海杂波抑制严重限制天波超视距雷达(over the horizon radar, OTHR)系统对低速舰船目标检测能力的主要原因之一。针对自适应海杂波抑制方法中当杂波与目标多普勒频率接近时存在目标谱峰分裂或目标谱峰偏移的问题,提出一种采用运动目标显示（moving targetindication, MTI）与基于特征值分解的自适应杂波抑制相结合的改进的特征值分解（modified eigen value decomposition, MEVD）海杂波抑制方法。该方法通过MTI滤波器抑制目标谱峰内杂波,之后通过自适应抑制方法抑制其他杂波,具有同时抑制一阶和高阶海杂波的能力,提高了目标信杂噪比,有助于提高OTHR对舰船目标的检测性能。理论分析、仿真实验和实测数据处理结果均验证了MEVD方法的有效性。     

自适应滤波在无源探测中对杂波抑制的应用

介绍了外照射源目标探测的作用和研究的必要性。重点分析了自适应LMS信号滤波处理方法和在直达波和多径干扰等杂波抑制中的应用。对自适应LMS滤波算法进行改进,即对归一化LMS(normalized LMS)算法进行推导和分析,提高了自适应滤波的收敛速度,对目标中的杂波起到更好的抑制作用。并在试验中对非归一化滤波、归一化滤波以及不同滤波步长μ进行了分析和比较。最后在试验结果中得到了30 dB的对消增益并获得了目标信号。     

滤波器群时延特性分析及在信号处理中的应用

群时延是衡量系统对信号处理时间延迟的理论,对滤波器来说,不同频率的信号具有不同的延迟值。结合信号处理研究了群时延理论及其物理意义。对不同类型滤波器进行了分析论述,得出了线性滤波器群时延特性不随信号变化而变化,但在某些频率上会产生时延峰值的结论,并对几种信号作了分析。实验证明,将这一结论推广运用于空域中,对已知频率的信号,设计特定频率延迟的滤波器应用于图像目标检测,效果良好。     

基于高通滤波和顺序滤波的小目标检测

针对红外图像中弱小目标的检测问题,比较了几种高通模板的效果与性能,提出了一种基于高通和顺序滤波相结合的小目标检测方法。该方法是在采用高通滤波来抑制背景的基础上,利用噪声图像直方图呈高斯分布的特性,用门限判决对图像进行预检测。然后用顺序滤波去虚警点从而得到目标点。实验结果表明,在信噪比SNR>2时该方法能有效地检测出图像中的小目标。     

基于星敏感器的像移补偿技术

星敏感器在大角速度转动时引起的星像降质不能忽略,采用了3种技术以补偿、消除这种影响。首先,用姿态估计和共线方程预测星像块中心位置和长度。其次,挑选视场内6~8个较亮的星像块,以预测的星像块位置为搜索起始点,块匹配算法可快速获得像素量级的像移,建立像移模型。同时,对相邻帧匹配的星像块的输出相加以提高信噪比。采用以上两项技术后,只需处理星图像中很少一部分像素,从而保证了实时性。最后,采用空间域像移补偿法,根据运动模糊的逆过程直接进行补偿,并给出了仿真结果。     

基于多级分类的极化SAR图像斑点抑制

针对极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像相干斑抑制后的目标极化特性和结构特征保持问题,给出了一种多级分类的极化SAR图像斑点抑制方法。首先利用H/α快速分解法并结合极化总功率图像进行初分类,之后采用最小距离准则和聚合的层次聚类方法进行细分类,最后根据图像结构将图像内容分为亮点线目标、暗线目标和其他目标三大类,利用线性最小均方滤波器对暗线目标和非点线目标进行滤波。采用美国AIRSAR机载系统获取的实测数据进行实验,结果表明,与Lee的基于散射模型降斑算法相比,本文算法不仅能够更有效地抑制斑点噪声,而且在保持极化特性、结构和纹理特征方面更为有效。     

PolSAR图像的改进非局部均值滤波算法

为了在抑制相干斑的同时更好地保留地物目标的极化散射信息和结构信息,提出了一种基于变异系数(coefficient of variance,C.V)的极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像自适应非局部均值滤波算法。该算法结合图像子块的统计特性和目标点的极化散射特性筛选同质像素,然后引入C.V自适应选取平滑系数来计算滤波所用的权重,最后对同质像素进行非局部均值滤波。用不同系统采集的PolSAR数据进行的实验结果表明,与精致LEE滤波、NL-Pretest滤波以及最新的滤波方法相比,本文算法不仅能够有效抑制相干斑噪声,而且图像的边缘和极化散射特性也得到了更好地保持。     

定阈值Wiener滤波在子波域图像去噪中的应用

针对图像处理中的去噪问题,分析了Wiener滤波中的统计误差,提出了定阈值Wiener滤波算法,通过定阈值对图像作预处理,提高了滤波器去噪性能。分别用标准Wiener滤波法、逆滤波法及定阈值Wiener滤波法对退化图像进行处理的结果表明,在进行图像恢复时,标准Wiener滤波效果比逆滤波好,定阈值Wiener滤波则优于标准Wiener滤波和逆滤波。与标准Wiener滤波相比,逆滤波降低了峰值信噪比,而定阈值Wiener滤波则提高了峰值信噪比。信噪比增大,表明定阈值Wiener滤波法对噪声的抑制能力增强。     

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。