一种低信噪比图像序列小目标实时检测算法

图像序列弱小运动目标的实时检测,是成像探测制导系统中的关键技术之一.提出一种基于动态规划与轨迹关联的目标实时检测算法.该方法利用指数衰减和运动方向加权动态规划积累目标能量,然后进行门限判决和对候选目标进行轨迹关联检测,从而剔除假目标,给出真目标信息.该算法结构简洁,易于进行软硬件分割实现,实时性能好.实验表明该算法能实现对深空背景中信噪比大于1.8、速度范围0～1像素/帧多个目标的有效检测.     

一种基于多传感器多级信息融合的红外目标检测方法

针对远距离低信噪比条件下目标检测难的实际问题,该文提出一种基于多传感器多级信息融合的目标检测方法。该算法包括两个部分:特征级融合和决策级融合。在特征级融合阶段,首先提取双波段红外图像的各个特征图像;然后,采用自适应加权方法对所得到的特征图像进行融合,得到目标判决置信图;最后根据置信度最大规则对置信图进行目标位置搜索,得到各级目标判决结果。在决策级融合阶段,对各级目标判决结果采用组合逻辑进行融合,得到系统的目标检测输出。实验结果显示了该算法的有效性。     

基于动态规划算法的无源毫米波弱小目标检测方法

针对无源毫米波弱小目标特点,结合已有的动态规划算法,利用图像阈值分割原理实时计算检测门限,提出一种适用于无源毫米波小目标检测的实用动态规划算法,并分析了动态规划的计算过程及分割门限的确定方法。实验仿真结果表明,此算法能准确检测出复杂背景下的低信噪比无源毫米波弱小目标,并得到目标运动轨迹,在单帧成像信噪比为4.5dB左右时,能准确检测出目标运动轨迹。     

一种改进积累与判决的动态规划检测前跟踪算法

由于传统的动态规划检测前跟踪算法(DP-TBD)采用多帧积累提高信噪比,所得到的目标函数在目标轨迹末端形成的峰值并不是特别尖锐,会在对后续的门限判决回溯目标轨迹时出现虚假目标.首先简单介绍了DP-TBD算法,并提出一种改进的算法,通过改进相邻2帧迭代积累为相邻3帧进一步提高信噪比.在门限判决时,不是直接对目标函数进行门限判决,而是提取目标函数局部最大的极大值,然后通过对这些值进行门限判决,从而可以减少虚假目标个数进而提高检查性能,最后通过单个运动目标和两相交运动目标仿真验证了该算法改进的可行性和有效性.     

认知无线电中基于阵列天线和协方差矩阵的频谱感知算法

该文提出一种基于阵列天线和协方差矩阵的频谱感知算法,该算法能够在噪声不确定性的条件下进行盲频谱感知。该算法在协方差矩阵的基础上,构建新的检测统计量,推导判决门限,对检测统计量与判决门限进行比较进而做出最终判决;在主用户信号到达方向与认知用户接收天线法线方向不一致的情况下,为使认知用户能完全接收主用户信号,利用了阵列天线技术。仿真结果表明,与Zeng等人(2009)提出的绝对值协方差矩阵频谱感知算法(Covariance Absolute Value Spectrum Sensing, CAVSS)相比,该算法判决门限的计算方法更加准确;在相同条件下,该算法的检测概率高于CAVSS。     

一种雷达信号处理的检测算法

由于在雷达弱小目标的检测和跟踪过程中,目标是典型的弱小目标且回波较弱,常规的检测算法难以奏效。针对此特点提出采用雷达弱小目标先跟踪后检测的方案,通过对雷达弱小目标长时间积累检测问题进行界定,并根据信号的特殊性对雷达弱小目标进行检测。首先通过进行目标预测,并在此基础上对检测出的目标进行目标跟踪。利用目标的运动沿各种可能轨迹积累能量的特征,对各个能量积累值进行检测判断,从而检测出真实目标并提取出目标的运动轨迹。文中首先对动态规划应用于弱小目标检测的算法进行了详细的描述,同时,对动态规划应用于弱小目标方法的性能也做了进一步分析,并对检测概率和虚警概率关系进行了较详细的推导。最后,通过仿真实验和性能分析得出了门限与虚警概率的关系。     

一种径向运动弱小目标检测方法

分析了机载红外告警系统所要检测目标径向运动的特点,并基于此提出了一种红外序列图像检测威胁目标的算法.首先对单帧图像进行小波分解,得到水平和垂直的高频图像,经门限判决选出待定目标产生的高频分量,组合选定的高频分量,然后基于目标的运动特性、连续特性,提出一种类似管道滤波的方法,对组合后的图像多帧积累,选择合适的邻域判决条件提取弱小目标.     

基于距离门限判决的交叉定位假点剔除算法

交叉定位是一种利用多传感器角度信息进行解算获得目标距离信息的方法,在多目标情况下,该方法存在虚假定位问题。文中提出一种基于最小距离门限判决的多传感器多目标交叉定位假点剔除算法,该算法在最小距离交叉定位算法的基础上,通过最小距离门限判决剔除假点,其计算开销非常小。仿真结果给出了此方法的正确关联点检测概率和错误关联点(假点)剔除概率分布区域图,验证了方法的正确性和有效性。     

复杂空间背景下的弱小目标检测方法

空间环境弱小目标检测是光学成像制导的关键技术之一。当目标与探测器相距较远时,获取的光学图像中目标呈现为无纹理结构特征的弱小点光源。由于各种噪声的干扰,很难把目标与噪声区分开来。介绍了一种基于广义似然比检验的弱小目标检测方法。首先,对空间环境和目标灰度分布特性进行分析,把空间成像目标灰度变化建模为一种强度值围绕固定值发生正弦的变化过程。采用行列均值相减法进行背景抑制,校正探测器响应的非线性,提高图像信噪比。对经过能量累积后图像进行广义似然比判决,从噪声中检测出弱小目标,分析了检测性能,验证模型的合理性。实验证明该算法能够有效检测出空间背景下的弱小目标。     

基于阴影自适应门限的车辆检测

为了提高基于车辆阴影特征的车辆检测正确率,对不同光照强度下阴影判决门限的提取进行了研究。提出了一种在HSV颜色空间中通过Otsu算法获得能适应环境光照变化的阴影判决门限的算法,并利用获得的阴影判决门限来检测车辆的阴影特征。该算法同时利用基于Hough变换的车道线检测算法来减少背景噪声的干扰,实现了在不同光照强度下对车辆的检测。实验结果表明,该算法在不同的光照条件下有较高的检测概率和稳健性,并且相对于传统算法性能有了较大的提高。     

基于分区动态规划和航迹关联的弱小目标检测

序列图像中低信噪比运动弱小目标的实时检测算法，是精确制导系统中的关键算法之一。提出一种图像序列弱小目标实时检测新算法，采用分方向区间的动态规划算法和二值图像航迹关联检测。通过在动态规划能量累加过程中引入方向限制，减小了噪声轨迹能量积累和目标轨迹能量扩散，提高了算法的目标检测能力。对算法的检测性能进行了仿真实验，结果表明该算法能有效检测深空背景下信噪比大于1.8、运动方向任意、速度不大于1像素/帧的多个运动弱小目标。     

基于动态规划的雷达检测前跟踪新算法

 为解决低信杂比下雷达检测前跟踪技术存在末级检测门限设置困难和动态规划算法对运动目标跟踪能力弱的问题,本文首先分析了两级检测门限的雷达检测前跟踪算法自身特点.在瑞利杂波条件下,对经过动态优化后的信号进行杂波置信检验和航迹检测和校正.该算法末级检测门限设置简单并且提高了跟踪概率.仿真验证了新方法的有效性.     

基于顺序形态滤波的运动点目标检测

为解决低信噪比快速运动点目标的检测问题,文中提出了一种基于顺序形态波波的点目标检测算法。首先采用百分位p＝1的中面序形态滤波提取目标的广义内边缘,找出少量候选运动目标点,然后利用图像流模型建立 建立目标的运动约束议程,根据目标像素在图像序列中运动的连续性和轨迹的一致性 原则,在多帧连续图像中检测出真实的目标运动轨迹。实验结果证明,该方法能够快速、可靠检测信噪比小于3的运动点目标。     

低信噪比下突发通信的同步检测

针对低信噪比下突发通信系统的同步检测问题,提出了一种利用接收信号平均信噪比和瞬时信噪比设置动态检测门限的同步方法,实现了信号检测门限的设置与信号脉冲出现时刻噪声能量的自适应匹配,提高了低信噪比下同步检测概率。计算机仿真表明在同步序列长度为63时,信号的有效检测工作信噪比可以降低到-5 dB。该方法适合于低信噪比下运动平台间的突发通信系统。     

复杂背景条件下的红外运动小目标检测算法

在红外成像制导系统中,运动小目标易受到背景和噪声的严重干扰,从而导致较低的信噪比,给目标检测带来了难度.为此,我们首先使用基于Top-Hat变换的数学形态学滤波对红外数字图像进行背景抑制.进而对经过黑、白Top-Hat变换后的图像求取并集,然后,通过自适应门限分割得到小目标.试验结果表明该方法在信噪比接近2的时候仍能够得到较好的目标检测效果.     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

一种基于广义累积和的多波段红外变异点目标检测方法

在红外搜索跟踪应用中,对突然出现和消失的变异点的检测一直是个亟待关注和研究的重要课题。随着多波段红外探测系统的应用,提出一种基于广义累积和的红外目标运动轨迹序列检测新方法,将检测波段从单波段扩展到多波段,从而保证虚警概率不大于某一定值的情况下,使多波段变异点探测概率增大或使所需的信噪比和平均检测时延大大减小。数据仿真表明,这一方法在红外变异点目标序列检测方面具有良好的效果,在虚警概率一定的情况下,信噪比检测门限可降低至传统方法的60%,双波段变异点平均检测时延约减少为传统检测方法的1/2。     

基于二阶梯度的红外小目标检测方法

为了提高复杂背景下红外图像中弱小目标的检测概率同时降低虚警率,本文提出一种基于二阶梯度的红外弱小目标检测算法。首先基于小面模型采用二维离散正交多项式对原始图像局部灰度分布进行拟合,然后设计二阶方向导数滤波器对图像进行滤波并分解为不同的方向通道,再根据极值定理对不同的方向通道求取极值图像,随后对极值图像进行形态学滤波以增强目标能量并进一步抑制背景杂波,之后对极值图像进行归一化处理并统计其直方图,利用直方图灰度分布选取合适的分割阈值,进行阈值分割后得到二值图像并最终确定目标位置。实验结果表明,该方法在信噪比极低的复杂背景下可准确地对弱小目标进行检测。     

一种图像序列中运动目标检测的鲁棒算法

人体运动检测在计算机视觉中是一项很基本的任务,在图像序列中检测人体运动是一种可行的方法。在做运动目标检测时,常用的图像差分方法有着固有的缺点,用一种改进的图像差分方法进行目标检测,利用一种全局阈值分割方法对差分图像进行二值化,通过数学形态学计算法进行滤波,可有效地克服这些缺点。实验结果表明,此方法能很好地检测低信噪比图像序列中的运动目标。