一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪（TBD）的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。     

基于高阶统计判据的红外弱小运动目标检测

针对红外预警与跟踪系统中的实时弱小运动目标检测问题，在分析红外灰度图像的非平稳高斯特性的基础上，提出了一种基于高阶统计判据的检测算法。先用一个空域的白化去均值滤波器进行空间背景抑制，为下一步时域高阶统计判据建立一个不相关的高斯背景，根据三阶以上的高阶累积量对于高斯随机过程“盲”的原理，用高阶累积量作二元统计判据检测红外图像背景中的运动弱小目标。算法全面考虑了红外灰度图像和目标在时域与空域方面的特性,大大增强了目标信噪比。通过实际获取的大地背景目标红外数据检测表明,此算法能有效地从复杂背景中检测低信噪比运动小目标,虚警率少,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。     

基于稀疏环决策的天空背景红外弱小目标检测算法

针对天空背景红外图像中弱小目标检测的难题,分析了红外目标检测的模型,提出了基于稀疏环决策的目标检测算法。利用数学形态学滤波目标增强方法对图像进行背景抑制,而后采用恒虚警检测方法对滤波后图像进行自适应分割,从而获得候选目标点,然后计算各个候选目标点的局部自相似性描述子,对自相似性描述子归一化、分块之后得到稀疏环表示,利用相应的判断准则可以判别目标点与虚警点。实验结果表明,该算法应用于复杂云层背景弱小红外目标图像能够得到较理想的结果,与移动管道滤波方法相比,能有效区别目标点与固定云层杂波干扰,并且虚警率低,易于实现。     

红外背景抑制与点目标分割检测算法研究

针对红外点目标检测问题,采用图像灰度同本行均值相减方法抑制温度场的非线性影响;利用Top-Hat算子形态滤波,抑制背景和增强目标;通过比较预处理后的不同背景下红外图像直方图特点,确定分割阈值;最后进行目标二值化分割,得到包含较少虚警点的点目标分割图像.实验证明,该方法较好地解决了不同红外背景下低信噪比红外点目标的分割检测问题.     

基于局部特征统计的小目标检测算法

本文提出了一种新的基于局部特征统计的红外图像小目标检测方法。首先对图像的局部区域灰度概率进行统计,通过阈值分割,去除图像中缓慢变化的背景和弱的边缘,得到包含强的边缘点、噪声点和目标点的残留图像,然后利用残留图像内各点的局部方向信息测度的差异,进一步剔除强的边缘点。最后通过多帧累加判决的方式将真实目标从噪声点中检测出来。实验表明该方法能够极大地减少候选目标点数,准确有效地检测复杂自然背景中的红外运动弱小目标,适合于实时和多目标的检测。     

强杂波中双波段目标检测新算法

对海空背景下的电视和3～5μm红外目标提出了一种采用多向梯度表决融合的检测方法：依据背景图像中点目标的奇异特性，得到图像的多向剃度检测结果，并进行表决融合。通过实测的电视和红外图像仿真，结果表明，采用“and”判决规则的多向梯度表决融合的检测算法消除了云层、海浪、海天线等背景干扰，在实现高检测概率的同时，可以达到较低的虚警概率。该算法特别适用于低帧率的红外警戒系统，可检测信杂比为1的点目标。     

基于高阶鲁棒主成分分析的视频前景与背景分离

运动目标检测的发展历史由来已久,出现了基于均值方法、中值方法、直方图方法和高斯混合模型等各种检测算法。然而,这些目标检测方法往往未考虑图像背景之间的时间相关性以及前景对象内的空间连续性,也未考虑视频中的其他结构信息。采用微观视角,将目标视频中每个帧像素的张量化进行了扩展,即将原始图像的像素邻域扩展为一定阶数的数组。因此,原始图像转化为了一个形式上的高阶图像。所提出的模型旨在应用于诸如视频前景背景分离等任务,以增强图像算法的有效性。     

天空背景下红外弱小目标检测算法研究

针对天空背景下红外弱小目标检测困难的情况,首先通过改进的形态学滤波目标增强方法对图像进行背景抑制与噪声去除,而后采用恒虚警检测方法(CFAR)对滤波后图像进行分割,获得候选点目标,然后采用行程目标标记的方法得到候选目标的位置信息、面积信息等,单帧图像检测之后,复杂的天空背景仍然会存在虚警。为了提高检测概率、降低虚警率,结合目标运动特性(包括运动轨迹、速度、加速度等)、灰度变化、面积变化等帧间相关性采用移动式管道滤波方法对序列图像候选目标做进一步判断。实验结果表明,该方法能有效地从复杂背景中检测出真实目标。     

基于小波和高阶累积量的红外弱小目标检测

红外图像序列中弱小目标的检测是图像处理应用的一个重要研究领域。由于弱小目标很难从背景杂波中分离出来，所以弱小目标的检测是一个难点。介绍了一种基于小波和高阶累积量的红外弱小目标检测方法。该方法利用小波滤波器抑制大部分背景杂波，然后采用基于累积量的自适应滤波器对高频小波系数进一步处理，使得图像信噪比大大提高，同时保留了目标信息。最后应用一些序列处理方法来进一步提高检测的性能。利用实测数据所做仿真实验结果表明该方法的有效性。     

采用高阶谱分析的红外弱小目标检测

在分析了以前的关于红外图像弱小目标检测的一些算法的特点和不足之后,针对单帧图像首次提出了一种新的检测算法一基于高阶谱分析的弱小目标检测：将图像中的背景灰度数据看作为噪声信号,弱小目标的灰度数据看作是淹没在噪声信号中的谐波信号,对图像行和列象素的灰度数据进行功率谱和高阶累计量分析,抑制噪声,检测谐波,检测的分辨力取决于同时参与谱分析的行或列的个数,算法的优点在于采用同一理论检测,简便易行,有较高的准确度,并且所需的数据仅限于单帧图像。最后给出了一个应用此算法实际的检测例子。     

基于三阶累积量的红外弱小运动目标检测新方法

为检测强杂波背景中的红外弱小运动目标,提出了一种基于三阶累积量的检测新方法.该方法利用图像中目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种非高斯弱瞬态信号,通过构造三阶累积量对其进行检测.此三阶累积量估计中的去均值处理同时实现了背景杂波的抑制,较好地改善了信杂比(SCR),提高了单帧检测性能.实验表明,该方法能够有效地抑制强杂波背景,在SCR>1时,能可靠检测目标.     

基于高阶累积量的红外图像时域检测

提出了一种基于高阶累积量的红外图像序列中运动弱小目标时域检测的新方法,该方法定义了观测数据的三阶累积量,并在时间剖面上,通过快速运动目标与缓慢变化的背景像素的灰度特征差异,实现对弱小目标的检测.利用实测数据进行了仿真,实验结果表明了该方法的有效性.     

基于四阶累积量的机载多基线SAR谱估计解叠掩方法

叠掩问题是SAR成像处理的一个技术难点,在机载多基线SAR系统中,传统的谱估计解叠掩方法受到非均匀基线和基线数目少的限制,使得其在解叠掩过程中的散射点高度向测量误差大、分辨性能差。针对以上问题,该文将4阶累积量统计特性用于传统的谱估计解叠掩方法中,利用4阶累积量的盲高斯性和非均匀阵列的虚拟阵列扩展性能,结合传统的Capon, MUSIC谱估计方法,能在有效去除高斯噪声的同时,提高叠掩处各散射点的高度向测量精度及分辨率。仿真和实测数据实验证明了该文方法的有效性。      

基于加权累积量的纳米颗粒反演算法

结合传统累积量法和Frisken累积量法,提出了一种加权累积量纳米颗粒反演算法,以减小反演过程中相关时间对测量的影响。采用动态光散射纳米颗粒测量实验平台对90 nm和190 nm的乳胶颗粒进行了测量,通过传统累积量法、Frisken累积量法和文中提出的加权累积量法对颗粒粒径进行反演。实验结果表明:传统累积量法在相关时间变长、相关函数到达零位附近后,颗粒粒径误差和标准方差变大趋势明显;Frisken累积量法在相关时间较小的情况下,其反演的颗粒粒径误差和标准方差较大;而加权累积量法继承了传统累积量运算量小的特点,同时也克服了以上2种算法的缺点,在全局均有较好的反演结果。     

蓝相Ⅲ到各向同性相相变比热与约化温度的关系

通过手性液晶的Landau-Ginzburg-de Gennes理论和Lech Longa的简化手性模型理论在四阶累积展开的帮助下给出蓝相Ⅲ到各向同性相相变系统自由能高阶项的计算结果,分析了相变比热与约化温度的关系,得出了蓝相Ⅲ到各向同性相的相变结束于一临界点,从而说明蓝相Ⅲ为各向同性相。     

半监督条件下基于朴素贝叶斯和Choi-Williams时频分布能量积累的雷达信号识别

针对非合作电子侦察雷达信号识别中先验信息残缺的问题,该文提出一种基于Choi-Williams时频分布(CWD)的改进半监督朴素贝叶斯的识别算法(ISNB)。首先对CWD进行降噪预处理,然后通过计算降噪后CWD不同时间下各频率采样值的积累量,从而得到CWD的能量积累量这一新特征;针对传统的半监督朴素贝叶斯(SNB)在更新训练样本集过程中会产生迭代错误的不足,通过在无标签样本集生成的置信度列表中选取置信度高的样本添加到有标签样本集中,再利用预测后的分类结果对分类器参数进行改进,进而构建改进的SNB分类器,有效解决了传统SNB算法分类精度低且分类性能不稳定的缺点。理论分析和仿真结果表明,所提方法相比于传统SNB算法均提高了3%左右;在相同信噪比下,相比于传统的主成分分析加支持向量机法,该算法具有更高的分类识别率和更好的分类性能。     

小波包和高阶统计量相结合的红外弱小目标检测

针对单帧红外图像中的弱小目标检测问题,提出了一种结合小波包和高阶统计量的新方法。首先,利用小波包变换对图像进行频域上的分解。然后,针对小波包树上的节点,由低到高采用基于四阶累计量的高斯判别准则合并相邻四个全高斯性小波包系数,得到图像的最优划分。接下来,将最低频带上的小波包系数和高斯性小波包系数置零来分别抑制背景杂波和噪声。最后,采用这些新的系数即可重建检测结果。实验结果表明:该方法能够稳健、有效地检测红外弱小目标。     

Matrix-based higher order spectral analysis for three-wave couplingprocesses

Composite linear and quadratic systems produce three-wave coupling when stimulated by random phase input sinusoids. Due to the nonlinearity of the system, the output frequencies are arithmetically related to the input. Using third-order cumulant statistics and their associated bispectrum, techniques are devised based on phase-insensitive matrix structures for detection and frequency estimation of coupling frequencies. The separation of the third-order cumulant series into symmetric and skew-symmetric portions allows one to exploit their characteristic eigendecompositions for frequency estimation. After symmetrization, biphases can be easily extracted as coefficients of the cumulant sequence. Using a generalized eigenvector representation, one can relate symmetric and skew-symmetric bases by a subspace rotation algorithm. Biphases can be estimated directly from generalized eigenvalues of the matrix pencil formed by symmetric and skew-symmetric matrices. The dimensionality of the matrices can be reduced through the use of cumulant projections that yield a slice of the bispectrum. The Radon transform procedure is related to bispectral processing through an isotropic radial-slice Volterra filter. The compact third-order Kronecker product matrix formulation and algorithms for coupling frequency estimation can also be converted for use in biphase estimation. Simulations showing the performance of the above procedures are also presented for both synthetic and biomedical time series     

A cumulant matrix subspace algorithm for blind single FIR channelidentification

Blind identification of discrete-time single-user FIR channels with nonminimum phase is studied here. Exploiting higher order cumulants of output signals of unknown channels, a new closed-form solution to the FIR channel impulse response is derived. The algorithm is simple and fast. It relies only on nullspace decomposition of some cumulant matrices. This method neither involves the difficult task of iterative global minimization of nonunimodal cost functions, nor does it require overparametrization, which poses consistency difficulties. It can be used either as the final channel estimate or as a good initial point in nonlinear cumulant matching techniques. The application of this identification method is broad and not limited to the use of any fixed-order cumulants. Its application in identifying data communication systems shows great potential and promise