运用形态膨胀检测红外运动点目标

本文为解决红外低信噪比条件下快速运动点目标的检测问题,提出了一种基于膨胀累加、边检测边跟踪的检测方法。运用形态膨胀运算使同一目标处于不同帧上的能量仍然能够实现有效的累加,从而达到增强目标并有效剔除虚警点的目的。同时本文还采用小波变换预处理的方法,对图像中相关的１／ｆ噪声进行白化。在本文的最后,采用红外图像序列对该算法进行模拟。实验证明该算法能够快速检测出信噪比为２的运动点目标,获得了很好的实验结果。     

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。     

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。     

一种低信噪比下点目标检测新算法

针对红外探测系统对远距离目标进行实时临控的应用场合,提出了一种快速点目标检测算法。该算法将原始图像序列分割成多个小段,通过递推使用速度匹配滤波,能快速得到图像序列中目标轨迹的能量,从而提高低信噪比下点目标的检测能力。与其它检测算法相比,新算法具有检测概率高、算法复杂低等特点。对算法的原理和性能进行了详细地分析,通过仿真实验证明了该算法的有效性。     

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。     

复杂背景下红外点目标检测的预处理

研究了复杂背景下红外点目标检测的预处理方法。首先给出了红外点目标的场景图像模型，定义了信噪比，然后给出了点目标增强和背景抑制的方法，分别是去图像局部均值和白化处理。最后是预处理的实验结果和方法的性能分析。     

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。     

一个实时的点目标检测算法的设计与实现

低信噪比条件下图像序列中运动点目标的检测涉及信息量大、目标运动轨迹组合复杂,是多维图像处理与目标识别领域的一个难点,实时处理更加困难。本文在基于分段复合的序贯检测算法基础上,设计出了使用投影累加与最大值投影有效结合进行分段复合的方法,整个算法层次分明、各层操作简单,适于流水处理。最后,本文还给出了该算法在一个简单的流水结构信息处理机上的实时处理途径,满足了一定的应用需求。     

基于分段复合的运动点目标序贯检测算法

低信噪比条件下图像序列中运动点目标的检测问题是多维图像处理与目标识别领域的一个难点。本文首先给出了该项研究的前提条件，指出了问题的主要矛盾；然后针对序贯假设检测的基本方法，提出了一个改进的实现框架；最后针对仍存在的问题，提出了对序列先进行分段，并对分段复合，再利用复合帧进行序贯检测的方法。这里引入了分段复合技术，给出一种分段复合方法。该算法层次分明，时空复杂度适中，是国内性能较优的一种算法。     

复杂背景下的红外运动弱小目标的实时检测

对红外弱小目标的检关键是将目标从由地物、云团造成的复杂背景中有效地分割出来.采用在高通滤波前先进行一次背景抑制的预处理方法,以校正由温度非线性引起的噪声.再对高通滤波后的信号进行自适应门限分割的方法,更好地将低信噪比的红外点目标从周围的背景中分割出来,最后利用点目标检测的方法,进行点聚合,对同时存在的斑点、面目标也进行了检测.该算法可有效地减小运算量,对快速、实时和点、斑点、面目标同时存在的复杂情况具有一定的实用价值.膊     

在强杂波背景SAR图像中检测动目标

针对强杂波环境提出了一种新的从SAR图像中检测动目标的方法。在搜索动目标的二次相位时,对称减去和加上同一二次相位误差修正值,在时域得到两幅图像。这两幅图像中,静止杂波的锐度处处相等。计算这两幅图像各区域的锐度比对数,可在强背景杂波环境下敏锐地检测到动目标。这种方法不但可检测有切向速度或径向加速度的动目标,而且还可检测到强反射径向慢速动目标。实测数据表明本算法有效。     

基于相位补偿和等效运动的太赫兹SAR运动目标成像方法

太赫兹合成孔径雷达(synthetic aperture radar,SAR)带宽大,能够对运动目标高分辨成像,但目标运动导致成像移位和模糊。针对不同的运动形式,分别提出基于相位补偿和等效运动的运动目标成像方法。首先分析不同运动参数对成像的影响,然后通过补偿相位和等效载机速度获得运动目标聚焦、背景模糊的图像。通过恒虚警率(constant false alarm rate,CFAR)检测和逆成像处理获得目标和背景分别聚焦的图像。最后对两幅图像进行叠加,实现了在静止背景上对运动目标的准确成像。不同信噪比条件下的电磁计算数据仿真结果验证了所提方法的有效性。     

最优分布变换与微弱点状动目标检测技术

研究了微弱点状动目标序列图像观测模型、目标检测模型和最优分布以及最优分布变换。提出了一种基于准优分布变换的微弱点状动目标检测技术。经过变换 ,未知统计分布变为准高斯分布 ,提高了信噪比 ,改造了分布形状 ,获得了有利分布。并将时空三维搜索简化为沿时间轴投影与二维空域搜索 ,实现了一种快速算法。PC仿真结果与国内外相应文献比较 ,在信噪比、检测概率与虚警概率方面具有更好的性能 ,且算法的实时性好。给出了该算法性能的理论分析和实验仿真结果     

毫米波雷达多运动目标检测算法研究

在现代毫米波雷达多目标检测系统中,多分量线性调频信号时频分析产生的交叉项干扰和复杂的运动补偿等问题显得尤为突出。为了减小交叉项所带来的误差,提出了基于分数阶Fourier变换(fractional Fouriertransform,FRFT)的Choi-Williams-distribution(CWD)变换,即p0阶CWD变换,并与Hough变换结合起来形成了一种新的检测方法。该算法避免了复杂的运动补偿处理过程,降低了计算量。通过对一帧脉冲的初相位回波信号进行的仿真实验,在强背景噪声的情况下能清晰地分辨相距为0.5 m的两个点目标。仿真结果表明此方法可以精确探测成组飞行目标。     

A High Speed Detection Scheme for Point Targets in a Multitarget Environment

The purpose of this paper is to develop a high speed detection scheme for moving and / or stationary point targets in a multitarget environment as registered in an IR image sequence. An iterative approximate 3-D line searching algorithm based upon the geometric representation of lines (for non-maneuvering targets in space) in a 3-D space is derived. The convergency of the algorithm is proved. An analysis is performed of the theoretical detection performance of the algorithm. The statistical experiment results show high effectiveness and computational efficiency of the algorithm in the case of low SNR. The idea may be employed to satisfy the real-time processing requirement of an IR system.     

基于Beta过程的高分辨ISAR成像

对于高信噪比、完整回波、目标平稳运动等理想观测环境, 现有成像技术已经较为成熟, 可以获得聚焦良好的高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像。但在实际中的方位回波缺损与低信噪比观测情况下, 随机相位误差等因素会降低现有成像算法的性能甚至使其失效。本文首先建立了ISAR稀疏观测模型, 并基于稀疏贝叶斯学习理论, 通过引入Beta过程非参数先验构建层级概率模型, 进而交替利用Gibbs采样及最大似然方法对ISAR像及随机相位误差进行估计。实验结果表明, 所提方法在低信噪比、回波缺损等复杂观测环境下能够获得聚焦良好的ISAR图像。