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PDAF和线性预测的实时小目标跟踪算法

根据红外图像中小目标的典型特征提出了一种新的小目标检测算法。利用图像小目标的微分几何特性,计算图像的最小法向曲率,并以此为阈值,获得小目标的候选区对象,以实现目标检测。针对复杂背景下跟踪过程出现背景杂波干扰或目标受到遮挡时,出现目标消失的问题,提出了一种基于概率数据互联滤波器和线性预测技术相结合的实时跟踪算法,以提高目标跟踪的稳定性和精度。最后,利用实际录制的图像序列进行仿真实验,可准确跟踪信噪比不小于2、运动速度为1帧/像素的目标,验证了算法的有效性和实时性。     

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。     

红外图像序列中机动点目标的快速检测技术

本文针对红外自动寻的末制导系统提出了一种适合于检测星空背景下的远距离点目标的快速算法,它可用于检测静止不动、匀速运动和机动运动的点目标。该算法通过构造一个关于3D空间中数据集的轨迹表达的总代价函数将点目标轨迹提取问题转化成为总代价函数对目标参量的最优化问题,通过迭代算法实现这个最优化,文章证明了算法的收敛性,并估算了该检测算法的检测性能,实验表明该方法适合于小SNR时的点目标检测。     

基于Gestalt优化的红外视频时空显著性检测

针对红外视频时空显著性检测问题,提出一种基于Gestalt 优化的方法。设计基于多尺度局部稀疏表示和局部对比度测量的方法计算红外视频的空间显著性;为提取视频中显著性目标的运动信息, 设计基于多帧对称差分的算法计算时间显著性;为得到初始时空显著图, 设计基于交互一致性的融合策略将空间显著图和时间显著图进行自适应融合; 提出基于Gestalt 优化的最终时空显著图计算方法。实验结果表明,提出算法能有效检测红外视频的时空显著性。     

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先,通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

基于BP神经网络的红外小目标检测

针对红外小目标检测问题,提出一种基于BP(back propagation)神经网络的小目标检测算法。该算法利用BP神经网络的函数逼近特性对红外图像进行背景估计,然后根据背景对消原理消去背景噪声,从而检测到潜在的红外小目标。通过仿真实验证明该算法的有效性。     

红外干扰特征建模及其仿真装置

红外干扰特征建模及其仿真装置是评估红外制导导弹抗干扰性能的重要手段,它要求真实地再现红外干扰的物理特征和运动特征,并要求能同时实现红外目标和红外干扰仿真。本文主要描述红外干扰特征建模的方法及其仿真装置。     

基于全局感知机制的地面红外目标检测方法

针对地面场景下的红外目标检测易受复杂背景干扰、检测精度不高、易发生误检和漏检的问题, 以车辆红外特征为研究对象, 提出了基于全局感知机制的红外目标检测方法。在以Darknet-53为主干网络的基础上, 结合具有全局信息融合的空间金字塔池化机制, 在增大模型感受域的同时增强了模型的全局信息感知力和抗干扰能力; 设计了平滑焦点损失函数, 解决了图像内因目标相互影响而导致的检测精度不高、易出现误检、漏检等问题。实验表明, 在Infrared-VOC320数据集上, 该算法的平均检测精度为80.1%, 较YOLOv3提高了4.4%, 检测速度达到了56.4 FPS, 有效提高了复杂背景下红外目标的检测精度, 实现了对红外目标的实时检测。     

基于多域网络的红外目标跟踪算法

随着红外探测器性能的不断提升, 红外目标跟踪在智能安防等领域的应用越来越广泛。然而红外图像分辨率较低, 依赖其进行目标跟踪仍然是一个制约相关应用发展的难题。针对红外图像分辨率低的特点, 以多域网络为模型算法框架, 结合目标运动过程中的尺寸变化特点, 提出了一种基于多域网络的红外目标跟踪算法。为了评估算法性能, 分别在VOT-TIR2016数据库和AMCOM红外数据上进行了实验。实验结果表明, 目标尺度预测机制能够显著提高算法的跟踪精度。     

红外探测器成像仿真

红外探测器是红外成像技术的核心,直接影响着红外成像系统的性能。在分析目标成像尺寸的基础上,详细分析光学弥散、探测器噪声、成像阵列盲元等的形成机理,并进行建模和仿真,最后将这些模型依次叠加。采用此方法得到的仿真图像充分考虑了探测器各种效应的影响,提高了仿真图像的真实性与逼真度,可为红外成像系统的研制及目标检测识别算法提供测试场景与依据。

Abstract：

Infrared detector, which can directly influence the performance of infrared imaging system, plays a key role in infrared imaging technology. The scale of the target image, the causation of optics dispersion, noise of the detector and blind pixels in the imaging arrays were detailed analyzed. More actual infrared images would be simulated by adding the effects mentioned above to the theoretical image model, because the ill effects were calculated. The simulated images could be used to test infrared imaging system or the algorithm of target detecting and recognition.     

基于雷达/红外神经网络融合目标跟踪算法

提出—种基于雷达/红外传感器神经网络融合的机动目标跟踪算法，利用神经网络的非线性逼近能力，将神经网络与卡尔曼滤波器相结合构成一个非线性估计器，该算法可以对来自红外成像传感器的补充信息加以充分利用，进行机动检测，把计算负荷转移到神经网络，在改善跟踪性能的同时又保持跟踪滤波的计算结构尽可能简单。仿真结果表明所提出的跟踪滤波算法在跟踪应用上优于—般的非线性估计算法，它最明显的优点就是减少了数字计算上的复杂性，提高了跟踪算法的快速性。     

虚拟环境红外物理模型研究

分析了影响自然环境和人造建筑红外特性的各种因素，按照红外辐射的基本规律，建立了红外物理模型，环境的红外辐射图像和可见光图像是密切相关的，增添材料和气候信息，配合视景数据库中的环境，实体几何模型，可计算出观测环境的辐射亮度，最后转化为探测器图像，本文方法可提供包括自然背景，人造建筑在内的虚拟环境的约年探测器图象的显示，适用于动态变化的环境和目标。     

基于多元信息的绝缘子红外故障诊断

绝缘子在制作不良、污秽等故障情况下表现为温度升高,红外成像技术是绝缘子温升故障检测的一种新手段。针对绝缘子的温升故障,提出了基于多元信息的图像识别和故障诊断方法。通过对图像预处理,利用边缘检测和数学形态学算法去除红外图像中的复杂背景,将绝缘子准确的识别出来,再结合红外图像的温度信息,判断绝缘子的温度是否超出设定的阈值,实现绝缘子的故障诊断。利用红外摄像仪获取故障绝缘子的红外图像,验证了本方法的可行性。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

基于卷积神经网络的小型建筑物检测算法

针对基于传统卷积神经网络的建筑物目标检测算法对于小型建筑物检测准确率低的问题, 提出一种基于Mask-区域卷积神经网络(Mask-region convoluional neural networks, Mask-RCNN)模型的小目标检测算法模型。该模型对Mask-RCNN模型中的特征提取网络进行了改进, 设计了一种带有注意力机制的多尺度组卷积神经网络, 有效解决了小目标有用特征较少且易被背景特征和噪声干扰的问题。航拍图像实验结果表明, 改进的检测模型使小型建筑物目标检测准确率较原始Mask-RCNN模型提升了28.9%, 达到了0.663。并且整体检测准确率达到了0.843, 有效提升了航拍建筑物检测准确性。     

复杂背景下SAR图像近岸舰船目标检测

针对合成孔径雷达(synthetic aperture radar, SAR)图像近岸舰船目标易受背景杂波的影响, 造成SAR图像近岸舰船目标检测检测率低、虚警率和漏检率高的问题，提出一种适用于复杂背景下SAR图像近岸舰船目标检测的DFF-Yolov5(deformable feature fusion you only look once 5)算法。构建了一个专门用于SAR图像复杂背景近岸舰船目标检测的数据集, 基于Yolov5目标检测算法, 在特征提取网络中进行特征细化和多特征融合两个方面的改进。在特征提取网络中利用可变形卷积神经网络改变卷积对目标采样点的位置, 增强目标的特征提取能力, 提高复杂背景下SAR图像舰船目标的检测率。在多特征融合网络结构中采用级联和并列金字塔, 进行不同层级的特征融合。同时，使用空洞卷积扩大特征提取的视觉感受野, 增强网络对复杂背景近岸多尺度舰船目标的适应性, 降低复杂背景下SAR图像舰船目标检测的虚警率。通过在构建的复杂背景近岸舰船检测数据集上的测试实验, 结果表明: DFF-Yolov5的平均准确率为85.99%, 相比于原始的Yolov5, 所提方法平均准确率提高了5.09%, 精度提高了1.4%。     

基于ADASYN与改进残差网络的入侵流量检测识别

针对现有入侵流量检测模型分类准确率低、小样本特征提取不足等问题, 提出了一种基于自适应合成采样和Inception-Resnet模块的改进残差网络算法。该算法能够对不平衡数据集进行采样优化, 有效提升模型的小样本特征提取能力。首先, 通过对不平衡的数据训练集进行过采样改善数据分布, 然后对非数据部分进行独热编码处理并与数据部分整合, 降低预处理复杂度, 最后利用改进残差网络模型进行数据训练, 并进行性能评估和算法效能对比。实验结果表明, 改进残差网络模型对入侵流量的检测准确率在多分类和二分类情况下分别达到89.40%和91.88%。相比于经典深度学习算法, 改进残差网络模型的准确率更高, 误报率更低, 具备较高的可靠性和工程应用价值。     

视频图像中字幕区域自动提取算法

视频的自动标注是视频检索系统中的重要模块,而字幕的提取与定位则是视频标注的重要步骤。提出了一种基于小波变换与模糊聚类神经网络相结合的字符区域自动提取算法。该算法尤其适合于中文字幕的提取与定位。实验结果表明,该算法对中文字幕检测与定位的精度达92％左右。