复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

红外序列图像中运动小目标的检测

研究了红外图像运动小目标检测及跟踪问题．首先利用向量小波的优良性质对运动图像进行预处理,然后经Fisher算法分割出可疑目标,再根据红外小目标的运动特性,采取邻域分析并结合对运动目标在速度平面上的拟合直线分析的方法,可以准确提取和跟踪运动小目标．模拟实验表明了算法是有效的,并且适用于目标遮掩或某一帧偶尔丢失目标的情况．     

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.     

基于视觉注意机制的红外小目标检测算法

提出了一种基于视觉注意机制的分层阈值化红外小目标检测算法.在采用形态学处理和Gamma校正对图像进行预处理的基础上,通过分层阈值化和连通域分析提取感兴趣区域(ROI),利用高斯滤波提高ROI的信杂比并确定候选目标,最后通过移动式管道滤波剔除伪目标,实现运动小目标的准确定位.实验表明该算法能有效地检测出小目标,且对于低信噪比的图片具有良好的适应性.     

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。     

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。     

红外图像序列运动小目标的图像流检测法

提出一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法．首先利用两步分离法对图像进行预处理,筛选出少量的侯选运动目标,然后利用图像流模型建立目标的运动约束方程,在多帧连续图像中检测出真正的目标运动轨迹．实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠检测．     

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。     

不同预处理方法对PLS模型检测鲜长枣糖度的影响

为寻找适合近红外光谱无损检测鲜长枣糖度含量的最佳光谱预处理方法,进行鲜长枣样品近红外光谱数据的预处理方法比较研究.探讨了15种光谱预处理方法对偏最小二乘法建模精度的影响.结果表明,小波变换和多元散射校正相结合是近红外光谱偏最小二乘模型无损检测鲜长枣糖度的有效预处理方法,其相关系数和内部交叉验证均方差分别为0.741 1...     

青藏高原东部及周边地区热红外背景场特征

背景场是卫星红外地震异常研究的基础。利用均值法构建红外背景场,并从季节、纬度和地形等方面分析了强震高发的青藏高原东部及其周边地区的卫星红外辐射背景场特征。结果显示,青藏高原东部及其周边地区红外背景场具有明显的季节年变化特征,但不同地区的年变化趋势不完全一样;红外背景场具有纬度特征,高纬度地区年变幅度大,低纬度地区年变幅度小;红外背景场还具有地形特征,地形起伏大的地方红外辐射波动幅度大,地形起伏小的地方红外辐射波动幅度小,红外辐射与海拔成负相关关系。这些分析结果有助于深入理解卫星红外背景场,对卫星红外地震监测应用具有一定的科学参考价值。     

车载热成像行人检测RoI提取方法

热成像适合低照度行人检测,车载热成像背景灰度分布变化大,行人目标易与背景干扰物混淆,捕捉远距离行人困难,以双阈值分割方法提取RoI(region of interest)很难满足系统召回率和虚警率要求.针对车载热成像行人检测,提出新的RoI提取方法,包括图像预处理、RoI提取和后处理.设计膨胀最大值滤波器进行图像增强;利用Haar-like特征来改进自适应双阈值分割法进行RoI提取,设计增量计算模型以提高计算效率;设计目标时序特性和空间对称性过滤器来排除虚假RoI.与基准方法相比,当虚警率不高于40时,本文方法提高召回率49%,且RoI提取速率不低于18帧/s.     

融合智能检测的DNA序列预处理新方法

提出一种融合智能检测的DNA序列预处理新方法。该方法不需要预先给出载体序列、剪接位点和克隆适配片段等信息,通过统计分析、随机搜索和构建图操作等方法自动发现并定位垃圾信息。以Zebrafish DNA序列为样本进行的预处理实验结果证明该方法能够显著提高DNA序列预处理的效率和准确性,在处理超长序列时更稳定、错误率更低。     

彩色淋巴结细胞显微图像预处理算法研究

传统的预处理方法,在对于血液图像这样简单的医学图像的分析中得到了广泛的应用,并取得了较为理想的效果.但该方法对于淋巴结这样有着复杂背景的显微图像处理效果并不理想.综合运用彩色图像处理和数学形态学等知识,并采用基于彩色图像分割的背景剪除、基于区域生长的边界清除、基于高斯函数的图像融合和基于数学形态学方法和双边滤波去除图像噪声等方法,取得了较好的预处理效果.     

前视红外末制导Nprod目标识别算法适应性研究

描述了前视红外末制导景象匹配中归一化积相关(Nprod)目标识别算法的基本原理。由实际拍摄的典型目标前视红外图像匹配结果得出:当目标所占面积越大、与背景灰度反差越大、边缘越清晰,Nprod算法匹配效果越好;在目标与背景的灰度分布集中或者目标较远的情况下,匹配效果不甚理想。给出了Nprod目标识别算法的基准图预处理方法,对远距离情况下建筑物目标的匹配进行了匹配方法研究,实验表明具有较好的匹配效果。     

适于路面破损图像处理的边缘检测方法

根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题,提出了适于路面损坏图像处理的边缘检测方法.在传统边缘检测方法的基础上,引入了预处理和边缘增强.其中预处理包括背景校正、高斯平滑、灰度直方图变换,并提出有效灰度区间的概念;边缘增强则采用了数学形态学的膨胀运算和中值滤波.针对路面损坏图像实例,采用8方向Sobel算子和最大类间方差分割算法,按照上述流程进行边缘检测.结果表明,该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征,而背景校正和基于有效灰度区间的灰度直方图变换则是该方法的关键.对经过预处理的边缘图像,最大类间方差法可取得理想的分割效果.     

复杂海天线区域检测算法研究

分析了红外图像目标特性及背景特性，根据远距离舰船小目标总是出现在海天线附近，在分析海天线特征的基础上，提出了采用最大类间方差法选取灰度阈值检测出海天线的方法，为进一步检测小目标做好了准备．仿真实验结果表明，该方法能够检测出复杂海空背景的海天线．     

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。