基于Haralick离散正交多项式曲面拟合的弱小多目标检测方法

提出一种红外弱小多目标图像检测方法,图像先经过中值滤波、高提升滤波增强处理,再用基于Haralick离散正交多项式曲面拟合图像,拟合曲面的极大值点即目标点,可以利用导出的二阶方向导数算子与图像进行卷积得到。对天空、地面背景下低信噪比的红外弱小多目标图像能够有效地分割,增强处理能够有效地抑制噪声干扰。描述了对图像的处理过程,并分析了分割结果。实验表明该算法在执行效率和检测概率上能够取得满意的结果。     

红外弱小目标图像预处理及分割方法的研究

针对红外弱小目标检测,给出了一种常用的图像预处理方法。重点讲述了一种红外弱小目标图像分割方法,它是用一个回形窗口和对比度阈值进行分割图像。对天空背景下低信噪比的红外弱小目标图像序列能够有效地分割,抑制噪声干扰。描述了对图像的处理过程,将该方法与传统的图像分割方法做了比较,实验表明该算法在执行效率和检测概率上能够取得满意的结果。     

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．     

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，该方法可以在满足本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。     

预检测红外弱小目标的灰度迭代法

为了提高检测红外弱小目标的速度和精度,提出了一种用于预检测红外弱小目标的灰度迭代法。通过由红外图像X的灰度均值、最大值和抑制比定义的迭代函数系统对X的灰度值进行分形迭代来降低X中的背景灰度值和噪声灰度值,从而增强X中红外弱小目标的亮度。运用这种方法对夜空、乌云和丛林三类单帧红外图像进行分形处理,预检测效果较好。     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

基于目标模型的红外弱小目标预检测

为解决高空背景中低信噪比运动点目标的检测问题,本文提出了一种利用红外弱小目标和背景的不同模型来实现检测小目标的预检测方法。根据在同一帧图像中红外弱小目标与噪声点在局部图像中特性的不同,提出检测局部图像中一个点与目标模型的相似程度来判断是否为红外弱小目标的预检测方法。实验表明,该方法可以有效提高单帧目标的信噪比,可用于噪声环境的红外弱小目标检测。     

基于曲率滤波和视觉显著性的红外小目标检测

红外成像因具有隐蔽性强、环境适应能力强和抗干扰能力强等优点,被广泛用于军事和民用领域。为了实现对红外小目标的高精度检测,提出了一种基于曲率滤波和视觉显著性相结合的红外小目标检测算法。首次将曲率滤波引入红外小目标检测中,对图像中的背景进行估计,然后将背景估计结果与原图像进行差分,使得图像中的大部分背景被显著抑制。为了减小残余的部分高强度杂波对目标的正确检测产生影响,利用形态学方法将高强度杂波移除。为了进一步提高目标的检测精度,提出了一种局部对比度算法进行杂波抑制及目标增强。最后,采用自适应阈值分割方法得到显著的小目标。对本文所提算法与其他算法在5个数据集上进行了比较分析,结果表明,本文算法的信杂比(SCR)与背景抑制因子(BSF)远高于其他算法,在检测率和误报率方面也明显优于其他算法。     

基于各向异性双边滤波红外背景抑制方法研究

红外复杂背景抑制作为红外弱小目标检测的重要环节,直接影响着后续算法的目标检测概率和虚警率.针对各向同性双边滤波背景抑制方法因无法改变背景预测方向,在方向性的结构化云边缘存在较大预测残差的问题,本文设计了一种利用原始图像邻域统计信息自适应更新滤波尺度、掩模尺寸和滤波方向的各向异性双边滤波背景预测器,以最大限度地分离目标和背景.仿真实验表明该方法对输入信杂比为4的目标的信杂比增益大于4和对原始图像邻域杂波的背景抑制算子大于4.     

复合顺序形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于复合顺序形态变换的红外图像边缘检测方法·通过图像的局部均值和方差自适应的调节增强系数进行图像增强;采用形态学边缘锐化算法改善边缘清晰度·根据复合顺序形态变换相关概念及性质构造3种广义形态学边缘检测算子,可有效抑制红外图像中的噪声,提取目标边缘·实验结果表明,这种算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器·     

一种快速实时的低信噪比红外点、斑点目标检测方法

针对红外弱小目标检测的重要性和困难性,首先采用一次门限进行比较预处理,然后根据目标的特点选取合适的高通模板进行图像空域滤波,滤波后进行自适应门限分割,将低信噪比的红外点目标从罱的背景中分割出来,最后点目标检测方法进行点合并,对同时存在的斑点和面目标进行检测,该算法可有效地减少运算量,可对同时存在的点,班,点,面目标进行实时快速检测。     

基于最小截平方背景估计红外小目标检测方法

提出一种新的基于最小截平方(LTS)的杂波背景估计方法,并将其运用于红外小目标检测.最小截平方方法可以识别图像中的多个奇异点,比如噪声点和目标区域,剔除这些奇异点之后就可以把杂波背景无偏地估计出来,然后通过差分就可以得到包含目标的前景图像,进而从前景图中分割出小目标.与基于最小均方(LMS)的算法进行性能比较,结果表明:该方法可以获得更好的背景估计,并且对于复杂背景中的小目标检测也是有效的.     

有源干扰背景下基于CFAR的信号检测方法改进

针对瑞利噪声分布的回波信号,单元平均CFAR算法是一种简单有效的信号检测方法。当回波背景中加入有源噪声干扰时,该检测方法受到限制。首次以噪声调幅干扰为信号杂波背景,建立数学模型。基于CFAR算法,分析该有源噪声干扰对信号检测概率的影响。对CFAR算法进行改进,使得信号检测方法适用于信号杂波背景的变化。最后通过仿真验证了此改进的CFAR算法提高了噪声干扰背景下信号的检测概率,并达到抗干扰的目的。     

基于侧抑制系数的红外图像细节增强算法

针对红外图像对比度低、细节不清晰和视觉效果模糊的缺点,提出了基于侧抑制系数的红外图像细节增强算法。通过分析指数分布侧抑制系数计算方法的不足,提出利用二次函数分布计算侧抑制系数的方法,提高算法增强红外图像细节的能力,利用红外图像本身的灰度信息自适应地调整侧抑制系数的参数,进而自适应确定侧抑制网络,对图像目标和背景进行不同程度的抑制,结合临界可偏差(just noticeable difference,JND)曲线中得到的人眼视觉分辨率特性,对图像进行能量恢复调整,使图像均值保持在人眼适宜观察的状态。仿真结果显示,与自适应指数函数侧抑制算法相比,算法处理后的红外图像对比度、信息熵以及信噪比都得到提高,图像细节更加清晰,视觉效果得到明显改善。     

基于虚警识别与空-频域显著性映射的红外弱小目标检测算法

为了提高复杂背景与低信杂比率环境下的弱小目标检测准确度,有效控制虚警的干扰,考虑真实目标与背景的差异,设计了虚警识别耦合空-频域显著性映射的红外弱小目标检测算法。首先,根据红外中心像素在不同方向的强度,基于中值滤波器,构建了新的噪声滤波方法,充分抑制红外背景中的噪声干扰。随后,考虑中心像素与其邻域像素间的强度差别,设计背景抑制滤波机制,消除背景信息。根据初始红外图像与背景抑制结果,在空域内计算灰度映射。基于Fourier变换的相位谱,在频域内提取红外目标的显著性映射。利用背景的均值与方差,通过一个滑动窗口,建立候选目标检测方法,从灰度映射与显著性映射中确定候选目标。最后,利用真实目标位置的相关性,建立虚警识别方法,从候选目标中消除虚警,以保留真实弱小目标。实验数据表明:较已有的弱小目标识别技术而言,在复杂干扰背景下,所提方案可准确定位出真实目标,拥有更大的信杂比增益值与背景抑制因子,以及更好的ROC(receiver operating characteristic curve)特性曲线。     

基于视觉注意机制的红外弱小目标检测

提出了一种基于视觉注意机制的红外小目标检测算法.通过形态学Top-hat算子对图像背景进行抑制,并根据目标与周围背景的对比度不同生成显著图后分割出目标感兴趣区,在感兴趣区域内对每帧图片在尺度空间采用Dog算子处理提高图像信杂比,获得具有较大信杂比的点.为避免目标在帧中消失,采用PID算法跟踪目标点,在可疑目标点周围小区域内采用视网膜皮层理论(Retinex)算法对图像局部区域增强再重新分割出目标.实验证明:该算法能有效对红外小目标进行检测,算法在不同背景的图像检测性能都趋于稳定,当目标融于背景时,能很好地将红外目标检测出来.     

基于深度特征融合的红外弱小目标检测方法

红外弱小目标具有信噪比低、目标尺寸小、特征不明显等特点,加之场景复杂度不断提升,杂波干扰严重,导致现有的红外弱小目标检测方法在面对复杂场景时性能衰减。综合手工方法提取目标单一的显著特征及深度学习方法提取图像综合特征的优势,设计了基于深度学习的红外弱小目标深度特征融合检测网络模型。首先,模型利用多尺度自适应特征提取网络来提取红外图像中弱小目标的原始特征与平滑度图像中弱小目标的平滑度特征;其次,为提高目标显著度,提出了一种多层级联特征融合策略,实现特征提取网络中小目标原始特征与平滑度特征的融合;最后,利用多层级联特征融合映射网络对红外弱小目标进行特征映射与背景抑制,获得背景杂波被极大抑制的红外弱小目标特征映射图像。实验结果表明,同现有的基于深度学习与基于手工特征的检测方法相比,所提出的检测方法在各种复杂的场景中都拥有较高的准确率及较低的虚警率,同时拥有较快的检测速度。     

红外序列图像中运动小目标的检测方法

研究红外图像中运动小目标的检测和跟踪问题．根据红外图像中背景干扰和噪声的特点,采用梯度倒数加权低通滤波器对图像进行滤波．在目标分割和标记后,沿目标轨迹进行能量积累以搜索和跟踪小目标．实验结果表明,该方法能极大地提高实际红外目标图像的信噪比,改善目标分割效果,能有效地进行小目标的检测和跟踪,尤其适用于目标遮掩或偶尔出现目标丢失的情况．     

基于正交Gaussian-Hermite矩的边缘检测方法

边缘对应着图像中高频成分,为实现有效抑制噪声,同时又要尽可能地保持目标对象边缘信息,采用一种基于正交Gaussian-Hermite矩理论的边缘检测方法,提出了不同阶次矩的结合方案,针对具有复杂背景的红外图像进行目标检测.仿真实验结果表明该算法平滑效果好且能准确定位目标对象的边缘位置.     

红外序列图像中运动小目标的检测方法

研究红外图像中运动小目标的检测和跟踪问题。根据红外图像中背景干扰和噪声的特点,采用梯度倒数加权低通滤波器对图像进行滤波。在目标分割和标记后,沿目标轨迹进行能量积累以搜索和跟踪小目标。实验结果表明,该方法能极大地提高实际红外目标图像的信噪比,改善目标分割效果,能有效地进行小目标的检测和跟踪,尤其适用于目标遮掩或偶尔出现目标丢失的情况。