基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法 .将弱小目标看作是红外图像中灰度和位置均未知的暂态信号 ,通过对图像信号作多尺度的小波变换 ,可以在低信噪比条件下检测出弱小目标 .实验结果表明 ,小波变换能很好地增强目标 ,抑制背景杂波 ,从而提高目标检测概率 ,降低误检测     

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法,将弱小目标看作是红外图像中灰度和位置均未知的暂态信号,通过对图像信号作多尺度的小波变换,可以在低信噪比条件下检测出弱小目标,实验结果表明,小波变换能很好地增强目标,掏背影杂波,从而提高目标检测概率,降低误检测。     

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.     

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。     

几种典型红外弱小目标检测算法的性能评估

对基于中值相减滤波、最大中值相减滤波、最大均值相减滤波和推广的结构张量的红外弱小目标检测算法的性能进行了评估.针对传统评估方法的不足,提出了一种基于支持向量回归的红外弱小目标检测算法性能评估方法.利用该方法分别从图像背景特性和目标特性2方面对4种检测算法性能的影响进行定量分析和比较.实验结果表明,图像背景特性和目标特性对4种算法的检测性能都有较大的影响,而目标特性与4种算法的检测性能的依赖关系更明显;在4种评估算法中,基于推广的结构张量算法比其他3种传统红外弱小目标检测算法具有更好的鲁棒性.     

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。     

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。     

基于区域背景预测的红外小目标检测

提出了一种基于变化区域的背景预测算法,用于红外弱小目标检测,来减小背景起伏对背景预测的影响,达到提高弱小目标检测性能的目的。实验结果表明该算法抗噪能力强,能检测出强对比度云层的空中背景中的红外小目标,是背景预测算法的一个重要扩展。通过实际红外图像的实验表明,算法是有效的,具有很好的提取能力。     

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。     

红外视频背景抑制及弱小运动目标检测方法

红外视频弱小目标检测技术是红外搜索与跟踪系统的一项核心技术。本文采用了单帧检测、序列确认的目标检测方案,即通过非参数回归估计的背景建模方法进行单帧处理,从而检测出候选目标点,然后利用目标出现的连续性,用移动式管道滤波法对多帧图像进行检测,剔除伪目标,同时得到目标的运动轨迹。实验证明了本文研究方法的有效性。     

红外弱小目标检测技术综述

随着红外探测技术的不断发展,对探测距离的要求越来越高,红外弱小目标检测技术已成为国内外红外探测领域的研究重点。简介了红外弱小目标检测的背景及意义;重点综述了目前在红外弱小目标检测领域中各类典型方法的研究现状及最新进展;给出了几种不同类型的红外弱小目标检测方法的实验对比;最后对红外弱小目标检测技术的研究进行总结和展望。     

基于背景预测的自适应弱小目标检测算法

在红外弱小目标检测中,提出了一种改进的背景预测算法,根据小目标在图像中的非参数秩描述,构建了一种非参数秩模板,该模板更好的对背景进行预测,提高了小目标在局部区域的信噪比,经过试验验证,在低信噪比的红外弱小目标图像检测中进一步提高检测率。     

可重配置通用图像识别跟踪处理机研究

为满足战场适应性和通用性的需要,根据各种精密武器系统中图像跟踪信号处理机的共性,设计了通用图像跟踪信号处理机.由可重配置的大容量FPGA实现低层信号处理,由可编程的TMS320C6201 DSP完成高层数据处理,实现各种复杂的目标检测和跟踪算法;采用对FPGA和DSP的在线可重配置电路,实现系统的战场配置,使系统具有广泛的通用性和良好的战场适应性.最后给出了在弱小目标红外成像跟踪系统中的应用实例.     

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。     

海天背景下小目标检测跟踪方法

研究海天背景下红外图像序列中预测运动弱小目标检测跟踪的方法。通过对红外图像进行小波变换和数学形态学分析,检测所有可能目标。通过带有延迟单元的线性神经元网络对已知样本学习,采用Widrow-Hoff学习规则自适应调整神经网络参数,同时对下一帧目标轨迹进行预测,在检测到多个目标的情况下根据预测轨迹确定真实目标,提高对目标检测的准确。     

基于DSPC64X高速图像采集和识别系统

基于数字信号处理器TMS320C6416,设计并实现一种红外图像的高速数据采集和识别系统.以DSP为图像实时处理单元,采用精确延时和信号均衡技术实现了双路高精度ADC的倍频数据采集,实现复杂背景下弱小目标的实时检测与识别,解决了双AD采集中两路AD时钟相位反相难题.实验表明,该系统具有通用性和实时处理能力.     

基于目标运动特征的红外目标检测与跟踪方法

为了提高红外目标检测与跟踪的速度和准确率,该文提出了一种基于红外弱小目标运动特征信息的检测与跟踪方法。方法主要分为目标运动特征检测和目标轨迹预测跟踪两个方面。目标检测方面,通过背景帧差分法将图像分割为前后景,形态学运算后在每一帧的前景中对红外弱小目标进行检测,并记录下候选目标。目标跟踪方面,通过卡尔曼滤波对红外目标轨迹进行预测,计算目标轨迹质心位置与目标实际位置欧式距离,通过匈牙利算法以欧式距离为权重对目标实际轨迹与预测轨迹进行分配,如果分配的结果超过一定阈值将会被重新分配。最终通过MATLAB,在公开的数据集上,仿真验证了该文算法在基本满足实时检测的要求下,仍然可以有效地提高红外弱小目标的检测与跟踪效果。     

融合多尺度注意力和分离解耦头的红外弱小目标检测算法

目前红外弱小目标检测技术广泛应用于预警系统、精确制导、海域监视等军事领域。针对红外弱小目标包含纹理或形状信息有限、传统算法存在较多误检和漏检等问题，以YOLOv5s模型为基础，引入动态小目标数据增强策略、改进网络结构和损失函数，提升模型对于红外弱小目标的检测效果。该方法在红外弱小目标数据集中平均检测精度达到69.2%，参数量为1.64×106，浮点计算量为13.5×109，实验结果表明，该模型能够有效检测复杂背景下的红外弱小目标，具有一定的工程实践价值。     

8～12μm热红外图像的特征增强算法研究与DSP实现

热红外成像技术在众多领域和军事领域都发挥着重要的作用.由于焦平面阵列FPA红外探测器的噪声大以及弱小目标红外信号的灰度级不明显,文中采用Gauss与非线性中值联合滤波抑制噪声以及分线段增强算法对图像的特征进行增强.图像实时信号处理系统(DSP)用TMS320DM6437来实现.实验结果表明:该算法和DSP实时信号处理系统的结合,实现对弱小目标的特征增强.