基于WL-MF海面弱目标检测算法

为有效检测海杂波背景下的弱目标,研究一种基于小波领袖多重分形(WL-MF)分析的目标检测方法.该方法采用小波领袖法分析海杂波的多重分形特性,利用海杂波与目标的多重分形参数差异实现目标检测.采用IPIX雷达实测海杂波数据对该方法进行验证,结果表明:尺度函数与多重分形谱在不同海情下对海杂波和目标均具有良好的区分能力,且与传统的多重分形去势波动分析法相比,WL-MF计算量小,更便于检测.     

海天线上舰船定位算法研究

针对成像型反舰导弹所获光学图像目标的特点,提出了一种海天线上舰船目标定位算法.该算法利用Can-ny边缘检测算法和OTSU算法对图像进行预处理,再利用投影法检测出海天线及舰船图像的上边缘,进而用一元线性回归方程拟合得到海天线方程,最后利用海天线信息定位海天线区域中的舰船目标.实验结果表明,该方法能够有效地确定海天线以及舰船目标在海天线区域中的位置,并且计算量小于已有的方法.     

基于多尺度背景纹理分析的红外小目标检测

提出了一种基于多尺度背景纹理分析的目标检测方法．通过小波多尺度分解来提取背景纹理的能量特征,并计算这些特征向量与中心向量之间的距离,目标检测在所得的距离像上完成．利用红外小目标的特性,根据距离像统计直方图来实现门限的自适应选取．实验验证了该方法的有效性     

FRFT域内的海杂波多重分形特性与目标检测

如何从海杂波中检测小目标是雷达信号处理研究中的一个热点问题.海杂波具有多重分形特性,利用海杂波和目标回波分形特性的不同进行区分:海杂波的复杂性决定了其分形维值一般较大,而海面目标由于表面规则平滑而分形维值较小.实际检测小目标时,海杂波较强,需要对其进行抑制,提高信杂比.分数阶傅里叶变换(Fractional fourier transform,FRFT)是一种提高信杂比(Signal to clutter ratio,SCR)的良好方法:动目标经过FRFT后,在最佳变换域可形成峰值,而海杂波难以积累出有效峰值.结合这些特性,本文提出了在FRFT域内多重分形特性联合检测小目标的方法.在多重分形基础上,比较了时域和FRFT域分形维轨迹,证明了FRFT能有效聚集目标单元能量,加大了纯海杂波与目标的差异.将FRFT域多重分形维和截距联合起来作为检测小目标的二维判决空间,用实测数据证明了海杂波和小目标在判决空间存在明显的差异性,验证了本文所提方法有效地提高了海杂波中小目标检测的能力.     

行均值梯度与直线拟合联合优化的UUV海面红外图像海天线检测

在近海面水下无人航行器(underwater unmanned vehicle,UUV)的红外图像采集过程中,由于波浪起伏引起的高倾斜度、海空背景复杂等原因,红外图像的噪声过大,不利于目标的识别与海天线的检测。为此提出了一种海天线检测的改进方法。首先,将经过中值滤波和非线性增强预处理后的红外图像进行处理,得到行均值梯度图,确定海天线粗略位置;然后对其中的天空区域和海面区域进行滤波平滑处理,平滑二者背景中灰度起伏较大的噪声;最后利用优化的直线拟合法对天空区域和海面区域滤波后的图像进行海天线提取。实验结果表明,该方法可改善海天线位置的检测效果,具有较强的通用性,适用于复杂的海天环境。     

复合高斯海杂波模型下最优相干检测进展

 不同于噪声背景下的目标检测,增加雷达发射功率对海杂波背景下的目标检测性能并不能带来重大的改善,因此海杂波的精细化建模和海杂波特性的充分利用成为改善目标检测性能的最重要途径。复合高斯模型是目前广泛使用的海杂波模型,为海杂波特性的精细描述提供了有力工具,而相应的最优检测理论和方法为目标检测性能改善提供了技术支持。本文综述复合高斯海杂波模型下最优及近最优相干检测理论和方法。首先,对K分布、广义Pareto分布及逆高斯纹理3种复合高斯模型进行了概述,并介绍了3种模型下已有的最优及近最优检测方法;然后,对目前复合高斯杂波加噪声混合模型下相干检测方法的进展和应用瓶颈进行了分析;最后,针对未来该方面研究的进一步完善,探讨了几种计算可实现近最优检测方法的研究思路。     

强海杂波背景条件下海上目标检测方法

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响，提高MUSIC算法的检测性能，用径向基神经网络实现海杂波预测和对消．利用神经网络的可对任意非线性函数模拟的特性，对展宽的海杂波进行模拟，用模拟后的结果实现一阶海杂波的对消，来满足MUSIC算法的应用条件．最后用MUSIC算法分辨海上目标的方位信息．实验结果表明，对消前后目标背景噪声子空间特征值发生改变，对消后更接近于MUSIC算法的假设条件，提高了MUSIC算法的检测性能，扩大了MUSIC算法的应用范围，实现在非高斯噪声背景条件下应用MUSIC算法检测目标．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．     

基于场景划分的海天线检测方法

提出一种基于场景划分的海天线检测方法,兼顾显著目标较小、海天线相对完整的简单场景和显著目标较大、海天线缺失严重的复杂场景,提高准确率的同时避免了不必要的时间消耗.采用卷积运算,将预处理图像划分为简单场景或复杂场景,根据划分结果,分别选择合适的方法进行检测.对于简单图像,先用基于图像分块的局部Otsu算法做图像分割,提取突变像素作为边缘,然后采用Hough变换检测海天线;对于复杂图像,在分割后,消除显著目标,并采用形态学滤波运算擦除干扰像素,检测海天线.实验证明:提出的方法可以有效提高海天线检测的准确率,具有良好的场景适应性.     

基于结构森林边缘检测和Hough变换的海天线检测

海天线是海面环境图像所具有的重要特征之一,海天线的检测对划分海空、海界区域以及目标检测有重要作用.提出了一种结合结构森林快速边缘检测和概率Hough变换的海天线检测方法.首先通过高斯低通滤波来减小海面浪纹、光照反射等局部纹理影响,然后使用已完成训练的结构化随机森林为每个像素贴上边缘标签——二值化,最后通过Hough变换原理拟合海天线.实验结果表明,该方法可以较好地忽略局部干扰边缘,强化边界提取,对复杂海天背景下的海天线检测具备鲁棒性和高准确性.     

数控非相参自适应频率捷变雷达抑制海杂波性能的分析

数字控制的自适应频率捷变雷达可灵活准确地控制每一个相继脉冲的频率差都大于临界频率，使所有的脉冲都是独立的，海杂波完全去相关．实验测得海杂波被抑制了５．８ｄＢ；对海杂波背景中的小目标作用距离增加３．８倍，都接近理论值．分析表明，自适应频率捷变雷达能很好地满足在海杂波背景中，对小目标侦察警戒的战术技术要求．     

结合灰度熵变换的PCNN小目标图像检测新方法

为了自动地进行小目标图像分割检测,从含单一弱小目标图像的特征出发,提出了一种结合灰度熵变换的脉冲耦合神经网络(PCNN)小目标图像分割检测新方法. 该方法在对有随机噪声和复杂背景图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值灰度图在满足先验概率目标背景比条件下,选择包含单一小目标局部窗口作为处理图像区域,并在局部最小交叉熵判据下,进行改进型PCNN迭代分割检测处理. 实验结果表明,该方法不仅能可靠地检测出复杂背景及随机噪声干扰下弱小目标,并且在PCNN运行处理过程中,可自动地完成最佳分割检测.     

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。     

纹理模型驱动的基于背景分析的小目标检测

为有效地实现复杂背景下小目标的检测,利用背景分析的思想,提出了纹理模型驱动的基于背景分析的小目标检测方法,可提高对小目标的检测精度且具有较强抗噪能力,实验结果证明了该方法的有效性．     

基于空间匹配滤波的红外背景抑制技术

在对前人研究工作进行了分析讨论的基础上，根据起伏背景红外图像的统计特性，提出了一种空间匹配滤波算法的改进算法．理论和实验结果表明，该方法对于抑制强起伏的红外背景是十分有效的。     

基于C-V方法改进的红外图像自动分割

基于简化的Mumford-Shah水平集图像分割模型,Chan-Vese提出了不依赖于图像边缘的水平集图像分割算法(C-V方法).但是该方法分割参数难以确定,对于具有非均匀灰度背景的红外目标图像常常分割失败.针对这一问题给出了改进的拟合能量模型,新模型兼顾到了目标的同质性信息与其所占面积比例的关系.基于该模型的水平集图像分割方法自适应于灰度起伏的背景,可以较为理想地分割出与背景灰度差异不太明显的目标,对小目标也具有很强的适应性.实验结果表明,在固定水平集分割参数的情况下,新方法对于不同类型、不同背景的红外图像具有了良好的适应性.     

红外小目标检测中的背景预处理技术研究

研究了红外小目标检测的预处理方法。建立了红外小目标图像的场景模型。对现今几种常用的背景预处理技术进行了分析和对比。实验结果表明,在实际应用中,要根据处理要求进行合理的选择。并且可以将这些方法组合起来,形成多级处理,取得理想的预处理效果。     

复杂背景下改进的红外弱小目标检测

许多研究者关注红外弱小目标检测领域并进行过种种探索，然而复杂背景下检测的难题始终未得到满意的解决。复杂背景下的杂波难以消除，目标检测无法得到显著结果。为此，本文提出了一种基于高升压滤波器的加权三层窗口目标检测算法HB-WTLLCM（High-Boost Weighted Tri-Layer Local Contrast Measure），针对复杂背景的目标检测进行目标增强，从而提高检测率。本文算法首先利用改进的高升压滤波器对红外原始图像进行预处理，再利用三层嵌套窗口，根据目标形状进行局部对比度增强。最后引入一种基于复杂度评估的加权算法，进一步进行目标增强和随机噪声抑制。实验数据显示，本文提出的算法相比于主流算法在多建筑、多树木的复杂背景下目标增强能力更强，检测率更高。上述结果提示，本文提出的HB-WTLLCM算法对于复杂场景下红外弱小目标进行检测具有一定优势。