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．     

一种改进的红外小目标检测与识别方法

研究天空背景下红外运行小目标的检测与识别,对序列红外图像进行增强处理后,通过形态学滤波去除弱噪声,再用分害虫算法把目标和强噪声从背景中分离出来,最后用RMTI算法找出目标,并得出目标运行轨迹,实验结果表明,该方法能有效地检测定位运行小目标。     

基于新的加权局部熵的小目标红外图像处理

为了有效地处理低信噪比复杂背景下的小目标红外图像,提出一种基于新的加权局部图像熵的小目标红外图像处理方法.该方法利用小目标红外图像的内在特点,提出多尺度灰度差异算子和局部图像熵算子,然后通过点积运算获得加权局部图像熵,从而有效地抑制红外图像背景和噪声、增强目标,最终大幅度地提高图像的信噪比.仿真实验结果表明:所提方法能高效地处理复杂背景下小目标红外图像,具有一定的理论和应用价值.     

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.     

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。     

基于注意力机制的红外小目标检测方法

针对红外小目标占用像素较少、背景相似性强、网络容易受到背景杂波信息干扰的问题,提出了一种基于注意力机制的红外小目标检测方法。利用注意力机制模块抑制背景杂波,增强小目标特征,并使用红外小目标检测模块实现检测任务;为了增强网络鲁棒性,通过高斯噪声与原图通道堆叠输入的数据增强方式提升网络抗杂波干扰的能力。实验表明,提出的方法在MDvsFA数据集中的性能超过了目前最新的对比算法。     

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。     

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法。首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标。实验结果表明：与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快。     

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。     

基于小面核滤波的快速红外舰船检测方法

针对复杂海天背景下红外舰船目标的实时检测需求,提出了一种基于小面核滤波的快速红外舰船检测方法.在频域视觉显著性计算原理的启发下,结合小面拟合模型,设计了一种高效的时域小面卷积核,以抑制背景并增强具有高亮灰度对比边缘的红外舰船目标,进而确定候选目标区域.然后采用一种L0梯度最小化滤波方法,实现候选区域中目标区域的灰度均衡,以完整并准确提取目标形状.最后根据舰船的尺度和形状特性,完成目标判别.实验中对3组公开实拍红外图像数据集进行了测试,实验结果表明:本方法具有较好的鲁棒性,其对3组数据的检测准确率均高于90%,在PC平台上的处理速度维持在10ms量级,优于现有的典型方法,能够满足多数工程应用需求.     

基于改进小波阈值和形态学的机械臂振动信号降噪分析

采集现场机械臂振动信号过程中会受到多种外部因素的影响，面临着多种噪声的综合作用。为了提高振动信号降噪精度，设计了一种基于改进小波阈值和形态学方法的机械臂振动信号降噪方法。利用改进小波阈值方法进行去噪时并跟形态学滤波方法进行结合的情况下可以对振动信号误差起到更优的抑制性能。研究结果表明：采用优化阈值-形态学滤波方法则可以获得纯净特征参数。本算法能够达到理想的噪声抑制性能，可以确保特征频率得到充分保留。     

基于小波多尺度扩展分形特征的目标检测方法

研究复杂自然背景下的小目标检测问题,对Kaplan的扩展分形特征进行改进,使其对目标尺寸具有一定的适应性·考虑自然背景和斑点状人造目标在水平、垂直方向特性,利用小波分析良好的方向选择性,通过多级小波分解互能量交叉,在两个方向上有效地增强目标、抑制背景干扰,从而提出一种基于小波分析的多尺度扩展分形特征·实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和适应性,能从单帧图像中较好地检测出小目标,具有检测速度较快、易于实现的特点·     

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。     

对红外背景、低信噪比条件下的小目标检测技术研究

低信噪比条件下小目标检测技术的研究是红外信息处理中的关键性问题．灰度形态滤波是一种结合信号形状的非线性运算，基于灰度形态滤波的预处理可有效地抑制图像中的背景干扰和噪声．对于多帧连续运动图像，经过前端的滤波预处理后，图像之间存在着一定的关联性，利用相关性结合神经网络算法可以对运动目标轨迹进行有效的刻画．     

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。     

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．     

一种基于背景抑制的星空图像增强方法

针对高空观测图像目标尺寸小、信噪比低以及背景和杂波干扰严重的问题,提出了一种基于背景和杂波抑制的星空图像增强方法。建立了星空背景图像增强算法模型,利用不同形状结构元素的形态学滤波方法对原始星空图像进行背景和杂波抑制,将多个支路形态学滤波的结果加权平均,采用双平台直方图均衡化方法进一步对观测目标进行图像增强。在此基础上对星空背景图像增强效果进行计算机仿真验证,并对增强后图像的信噪比和背景抑制因子进行计算。结果表明,采用该方法能够控制星空背景和杂波,改善图像的对比度,使目标细节更为丰富,便于后续目标检测与跟踪。