基于峰谷点特征的红外目标自动识别方法

研究了红外目标图像峰谷点特征提取的方法,提出了一种目标识别相似性度量准则,证明了这种相似性度量在尺度和小角度旋转等变化情况下的不变性,并在此基础上提出了一种基于目标峰谷点特征的自动目标识别算法．真实场景下长波红外目标图像实验证明了该算法的正确性和有效性．     

基于cICA的红外点目标检测方法

针对红外点目标检测的要求,提出了一种基于约束独立分量分析(cICA)的红外点目标检测方法. 该方法只采用单帧扫描图像作为数据源,利用峭度约束的独立分量分析方法,消除了传统独立分量分析(ICA)方法的提取顺序的不确定性,从而直接提取点状目标的位置. 实验结果表明,利用该方法能够有效地进行红外点目标检测.     

基于红外光谱的空间点目标红外特征提取方法

根据空间点目标红外辐射光谱的特点,提出了一种新的基于双波段红外光谱数据的目标红外特征提取反演算法,对算法的有效性进行了分析,并对最大迭代次数、误差范围和缩放系数等影响算法计算效率与精度的主要参数的选取与设置问题进行了讨论.在此基础上,针对具有不同光谱特征的残余杂散辐射,分析了残余杂散辐射对目标-背景辐射对比度及目标红外特征提取精度的影响.研究结果表明,论文提出的反演算法能够有效地提取不同温度目标的红外特征信息,且计算速度快、耗时短;残余杂散辐射将对目标有效辐射面积和温度的提取精度产生一定的影响,但对目标温度提取精度的影响相对要小一些.     

一种基于优化模板匹配的红外目标跟踪算法

为了在红外环境下进一步提高目标图像在环境变化或受干扰时跟踪的准确性,提出了一种有效的红外目标跟踪方法.该方法基于归一化互相关距离的相似性度量方法,设计了匹配跟踪置信度,并在此基础上实现了基于匹配跟踪置信度加权的自适应模板更新算法.在模板更新方面,提出了自适应阈值调整策略,在目标跟踪过程中根据匹配置信度动态调整阈值,避免了固定阈值对跟踪精度的影响.通过实验证明,算法对环境变化的适应能力和跟踪稳定性方面得到了较大的提高.     

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。     

基于灰度峰谷点的快速识别定位算法

在通常的基于灰度值的快速定位算法基础上,提出了基于灰度峰谷点的快速识别定位算法,能够迅速准确定出运动目标的位置坐标,并对二者的优缺点进行了比较。     

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。     

基于跳跃马尔可夫模型的红外点目标检测方法

提出一种基于跳跃马尔可夫模型的红外点目标检测方法,根据模型设计了采用粒子滤器的模型参数与状态估计算法.该方法既能用于图像的空域滤波,也能用于序列图像的时域滤波.实验表明采用该方法进行空域/时域滤波可以极大地抑制杂波背景并增强点目标的可检测性.     

红外序列图像点目标检测的一种方法

针对红外图像中点目标的特点和实际应用条件,提出了一种基于红外序列图像和过抽样小波变换的点目标检测方法,它先对单帧图像进行预处理,提取可能的目标点,然后根据序列图像的帧间相关性和目标运动的连续性来实现运动点目标检测,实验结果表明,此方法对检测红外图像中的点目标效果较好。     

一种基于列扫描灰度差异的快速目标识别定位算法

以动态连续图像的实时识别与定位为应用背景,提出了一种简单的快速的目标识别定位算法,该算法以列扫描灰度特征差异为基础,同时研究了灰度峰谷点的特征,使该算法不仅可以快速地识别出简单的目标,而且可以快速地识别出比较复杂的目标,最后通过一系列的实验验证了该算法的快速性。     

基于显著性检测的红外舰船目标检测识别技术

为有效解决舰船目标的检测与识别问题,提出一种基于显著性检测和Hu不变矩的红外舰船目标检测识别方法,首先使用中值滤波、维纳滤波及灰度非线性变换去除噪声,增强对比度,然后利用Itti算法模型进行显著性检测,针对检测分割后的舰船目标提取几何特征、灰度特征和Hu不变矩特征进行综合识别.经大量仿真实验证明,此方法具有较高的检测识...     

基于框架的远距红外桥梁目标识别

针对远距红外图像中桥梁目标的特征,提出了一种基于知识框架的桥梁目标识别算法,由于远距红外桥梁图像背景复杂,干扰大,同时目标在图像中所占区域小,采用基于整幅图像的全局算法是不现实的,因此,依据桥梁的特征,先检测潜在的桥梁点区域,然后对这些局部区域进行考察分析,根据其与预先建立的知识框架实例匹配程度的不同赋相应的置信度,从而去除虚假目标,找到真正的桥梁,实验证明这种局部的处理算法对远距桥梁目标的识别是有效的。     

红外图像运动目标检测与识别

提出了一种利用相邻帧红我图像实时相减提取运动目标序列的方法，把复杂背景下运动目标识别问题转化为较简单背景下目标识别问题，介绍了一种基于差分图像序列的实时处理算法，可对多个运动目标进行识别与定位。     

基于动态规划的红外小目标检测与识别

研究了天空背景下红外运动小目标的检测与识别,对序列红外图像进行增强处理,通过模板滤波去除弱噪声;运用分割算法和聚类分析把目标和强噪声从背景中分离出来。根据所定义的一种距离运用动态规划的方法找出目标,并得出目标的运动轨迹,给出整套处理方法的实验结果和分析。     

基于目标子空间的雷达自动识别系统

分析了HRRP空间RATR方法的冗余噪声匹配问题.探讨基于目标子空间的RATR方法.与HRRP空间相比,目标子空间理论上不存在冗余噪声,能够更加准确地反映目标的结构特征.对外场ISAR实测数据的处理表明,此目标子空间算法的识别结果比传统的HRRP空间算法的效率更高,比常规方法具有明显的优越性.     

红外序列图像小目标的特征及不变性分析

对红外序列图像小目标检测过程中出现的误差做出了分析，在检测过程中采用形态学中的Top-hat滤波，并根据目标运动的连续性去除噪声和云团。对目标与背景灰度均值之差，目标灰度方差和目标面积这三个特征量进行了研究，发现它们保持相对的稳定，可以作为小目标的不变特性，利用这些特征量设计了RBF神经工对检测结果进行评估，实验结果证明该方法是可行的。     

基于加权核范数最小化的红外弱小目标检测

提出一种基于加权核范数最小化的红外弱小目标检测方法.该方法将原始红外图像转化为新的红外块图像模式,在红外块图像上,以鲁棒主成分分析(RPCA)为基础,将图像数据矩阵分解为一个低秩矩阵和一个稀疏矩阵;针对RPCA模型对复杂背景描述能力弱的不足,引入了加权核范数来更好地描述背景的低秩特性,并给出了相应的优化求解算法;同时,给出了一种自适应阈值分割方法,准确地从稀疏目标图像中提取出弱小目标.基于天空、海洋、山地、沙漠4种不同场景进行红外弱小目标检测,并比较了该算法和已有算法的性能,结果表明:该算法能有效地降低复杂背景边缘产生的虚警,提高目标检测准确率.     

角点特征在目标识别中的应用

针对在视点变化情况下进行目标识别这一问题,作者结合主分量变换提出了一种基于Hausdorff距离的目标匹配算法,该算法在噪声和遮挡下性能稳定,时间代价较小.作者还提出了一种具有平移、旋转、尺度不变性以及对噪声有抗干扰能力的角点特征构造方法,通过BP网络实现目标分类.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

基于自适应形态学Top-Hat滤波器的红外弱小目标检测方法

针对红外序列图像中运动弱小目标的检测问题,提出了一种基于自适应形态学Top-Hat算子和改进的自适应门限的弱小目标检测方法,其中形态学滤波嚣的结构元素采用两层前馈神经网络通过大量样本训练优化．将Top-Hat运算作为一个整体当作一层,输出层节点定义为作Top-Hat运算后图像矩阵的最大值,并针对所检测的大多数弱小点目标采用自适应门限进行分割,同时对SNR〉4左右的点目标用固定门限进行分割．实验结果表明,该方法对SNR较低的复杂图像具有良好的滤波效果．     

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。