共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
基于K—L变换的红外图像弱小目标检测与分析 总被引:8,自引:0,他引:8
针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,利用正交变换去相关特性,提出了一种改进的K-L变换和广义K-L变换的红外弱小目标检测与描述方法,从而实现低信噪比条件下红外弱小目标的检测。 相似文献
5.
6.
7.
基于多重相关分析的红外弱小目标快速检测 总被引:6,自引:2,他引:4
针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,本文利用像素之间的相关性,提出了一种基于多重相关峰值检测红外弱小目标的检测方法,从而实现低信噪比条件下红外弱小目标的快速检测.实验表明该方法是一种抗噪性能强,自适应性能好的弱目标检测方法. 相似文献
8.
基于时空域融合滤波的红外运动小目标检测算法 总被引:2,自引:2,他引:0
针对红外警戒与跟踪系统中的实时弱小运动目标检测问题.提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标.在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性.利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率.抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。 相似文献
9.
红外舰船小目标的检测 总被引:1,自引:0,他引:1
检测红外小目标常用的方法是先使若干帧图像叠加达到能量积累的效果,能量积累达到一定程度后,目标因能量较高而凸现出来.这种方法比较适合于对加性噪声不敏感或信噪比较高的情况.实验表明,当图像信噪比较低、对比度很差时不宜采用该方法.针对低信噪比小目标的检测问题,提出了两种方法:在天水线以下图像内相邻行、列分别差分结合Kapur最大熵分割目标的检测方法;在时域内用模板平滑结合Kapur最大熵分割目标的检测方法.实验证明,这两种方法简单易行,效果较好. 相似文献
10.
11.
12.
13.
14.
针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5(You Only Look Once)的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值(mean Average Precision,mAP)可达99.6%以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低。 相似文献
15.
16.
基于隔帧差分向量无穷范数的运动弱小目标的检测 总被引:2,自引:0,他引:2
提出了运用隔帧差分向量无穷范数检测红外图像序列中运动弱小目标一种新算法。
算法以隔帧差分为基础,该处理系统不仅能够探测到帧间位移不小于1个像元的点目标,而且可以探测到帧间位移小于1个像元而多帧累积位移大于1个像元的运动点目标,使算法探测与识别目标的能力大大提高,为不同速度多目标的检测提供了新的可能。仿真实验结果表明,该算法具有较高的检测率和良好的实时特性,能有效地检测出低信比红外图像序列中的弱小运动目标。 相似文献
17.
18.
基于MRF的自适应正则化红外背景杂波抑制算法 总被引:2,自引:0,他引:2
针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现. 相似文献
19.
20.
针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。 相似文献