基于区域生长和背景配准的低信噪比红外目标检测算法

为了进一步提高复杂背景下低信噪比红外运动目标的检测性能,提出了一种基于区域生长和背景配准的低信噪比红外运动目标检测算法。该算法首先利用局部对比度找出几个种子点;然后根据种子点进行区域生长,统计生长出目标的相关特征;接着采用多帧关联的方法,挑选出候选目标;最后采用背景配准的方法,剔除虚假目标,降低虚警概率。采用大量实验数据进行仿真验证,仿真结果表明,相对于传统算法,本文算法对低信噪比红外运动目标具有较高的检测概率,较低的虚警概率。     

MIMO雷达弱目标检测前跟踪算法

相比相控阵雷达,多输入多输出(MIMO)雷达发射功率密度低,在低信噪比条件下空间分集特性优势不明显,检测概率降低。针对此问题,提出了基于逐目标消除-动态规划的多目标检测前跟踪(TBD)算法。该算法先利用统计量筛选航迹点,对信号进行积累,在降低TBD运算量的同时,减小了噪声的积累;再采用逐目标消除的思想,克服了动态规划的航迹分叉和仅能处理单目标的缺陷,实现了多目标的有效检测。文中还推导了目标检测的虚警概率和检测概率,给出了检测门限与虚警概率的关系。复杂度分析和仿真表明,相比传统TBD算法,所提算法的运算量明显降低;相比传统MIMO雷达检测方法,在相同虚警概率和检测概率条件下,所提算法要求的信噪比降低了5 dB,有效提升了检测性能。     

基于坐标变换与随机Hough变换的抛物线运动目标检测算法

该文提出了一种在雷达坐标平面中检测匀加速机动目标抛物线轨迹的新算法。该算法将抛物线方程的坐标变换与随机Hough变换三点检测法结合起来检测任意方向的抛物线轨迹,并利用所检测到的点迹的速度信息来消除虚假目标。Monte Carlo仿真表明,在密集杂波条件下,高检测概率会带来高的虚警概率;而在稀疏杂波条件下,检测效果比较好。     

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。     

一种复杂环境下改进的SAR图像双边CFAR舰船检测算法

双边恒虚警率(BCFAR)检测算法通过高斯核密度估计器计算出合成孔径雷达(SAR)图像的空间信息,并将它与图像的强度信息相结合得到联合图像以进行目标检测。相较于只使用强度信息来进行目标检测的经典CFAR检测算法,双边CFAR有着更好的检测性能和鲁棒性。然而,在复杂环境下出现连片的高强度异质点时(例如防波堤、方位模糊和幻影等),核密度估计器计算出的空间信息会出现较多误差,这会导致检测结果中出现大量虚警。此外,当遇到相邻像素点间相似度较低的弱目标时,双边CFAR会发生漏检。为了有效改善这些问题,该文设计一种复杂环境下改进的SAR图像双边CFAR舰船检测算法(IB-CFAR)。该文所提IB-CFAR主要分为3个阶段来实现,分别为基于非均匀量化法的强度层级划分、强度-空间域信息融合、杂波截断后的参数估计。基于非均匀量化法的强度层级划分可以提升弱目标的相似度和对比度信息,从而提升舰船检测率。强度-空间域信息融合在于将空间相似度、距离向和强度等信息进行融合,在进一步提升检测率的同时对舰船的结构信息进行精细化描述。杂波截断后的参数估计可以去除背景窗口中连片的高强度异质点,最大限度地保留真实海杂波样本,使参数估计更加精确。最后,根据估计出的参数建立精确的海杂波统计模型以进行CFAR检测。该文使用高分3号和TerraSAR-X数据来验证该算法的有效性和鲁棒性。实验结果表明,所提出的算法在包含较多密集分布的弱目标环境下表现良好,在此类环境下能获得97.85%的检测率和3.52%的虚警率,相比于现有的检测算法,检测率提升了5%,并且虚警率降低了10%,但在弱目标个数较少且背景十分复杂的环境下,则会出现少量虚警。      

基于邻域局部最大均值与多尺度形态学滤波的弱小红外目标检测算法

根据弱小目标的成像特性,提出了基于邻域局部最大均值与多尺度形态学滤波的目标检测算法。通过滑动窗口判断图像中心是否为最大值,若是,则用中心点四邻域的两个方向的最大均值替代中心点;否则,计算其四邻域方向极大二值的梯度,根据加权系数计算赋给中心点。遍历整幅图像,用来消除噪声和改善初始图像的信噪比。然后,再对图像进行多尺度的形态学滤波,可以有效地估计背景并将背景从原始图像中移出。改进的自适应分割方法计算阈值之后,从候选点中来提取目标。对序列图像采取多帧关联处理,可以进一步降低虚警率。实验结果表明,该算法易于实现,能提高检出概率,较好并完整地检测出目标,且降低虚警率。     

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。     

一种红外弱小目标的检测方法

提出了一种基于小目标模型的检测方法。该算法对图像中极大值点为中心的局部区域进行能量判别,可以有效地检测出目标;对算法的性能进行了分析。实质是综合利用目标的局部对比度和空间大小两个信息,因此可以更有效地提高目标的信噪比,提高检测概率。通过对实际红外图像和仿真图像的检测实验,都证明了算法的有效性。     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

基于深度卷积神经网络的红外过采样扫描图像点目标检测方法

针对红外过采样扫描成像特点,提出一种基于深度卷积神经网络的红外点目标检测方法.首先,设计回归型深度卷积神经网络以抑制扫描图像杂波背景,该网络不含池化层,输出的背景抑制图像尺寸与输入图像一致;其次,对抑制后的图像进行门限检测,提取候选目标小区域原始数据;最后,将候选目标区域数据依次输入分类型深度卷积神经网络以进一步判别目标、剔除虚警.生成大量过采样训练数据有效训练两个深度网络.结果表明,在不同杂波背景下,该方法在目标信杂比增益、检测概率、虚警概率和运算时间等方面,均优于典型红外小目标检测方法,适用于红外过采样扫描系统的点目标检测.     

基于隔帧差分向量无穷范数的运动弱小目标的检测

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。     

基于GLRT的红外多光谱弱小运动目标检测

针对多光谱红外图像序列中未知光谱辐射强度、位置和速度的弱小运动目标检测问题,建立了与之相应的基本框架模型.对于这种含参信号的复合假设检验问题,采用广义似然比检验(GLRT)得到了该问题的检测算子,同时利用速度滤波器组在实际应用中实现了该检测算子.从理论角度估计了该算法的虚警概率和检测概率,并通过计算机仿真验证了上述分析...     

基于MRF的自适应正则化红外背景杂波抑制算法

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.     

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。     

一种改进的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标检测率低、目标跟踪困难的问题,提出一种改进的红外弱小目标快速检测方法。该方法采用改进的形态学滤波抑制背景噪声,对处理后的多帧图像进行方差估计初步突出目标像素,然后对其进行信噪比估计得到整个图像序列像素得分,图像中像素信噪比高的被标记为目标像素,再对标记过的图像进行分块分析,最终准确提取出连续图像序列中的目标像素。检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双阈值实现目标的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目标检测拥有较高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有效跟踪目标,而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

基于投影变换与轨迹关联的目标检测算法

低信噪比条件下序列图像中微弱点状运动目标的检测是许多实时监视系统的关键算法,具有信息量大、目标轨迹组合复杂和实时处理难度大等特点。为有效检测出微弱点目标,提出了一种基于最大值投影与目标轨迹关联相结合的运动点目标检测算法,仿真试验表明该算法具有较好的检测性能,可有效地检测出低信噪比条件下图像序列中的运动点目标,同时也可检测出交叉运动的多个点目标。     

空时自适应杂波分类抑制与弱小运动目标检测

提出了一种新的方法应用于一类重要的高维信号检测问题:在强杂波干扰下检测数字图像序列中位置和速度未知的弱小运动目标.通过对输入序列时域灰度矩进行学习,将像素分成两类———静杂波和动杂波.分别对其采用非参数时域滤波和LS自适应滤波进行去除,从而将原始数据转化为准SPGWN模型.杂波抑制后,根据单帧多像素目标模型假设,采用在空、时域联合集成信号能量的检测算法,能有效地改善信噪比并且有利于实时实现.理论分析和对真实数据的大量仿真试验验证了本方法的有效性.     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

基于小波提升框架及小波能量的红外弱目标检测方法

针对图像序列中红外弱小目标的检测与跟踪中遇到的难点,即信噪比低、帧间相对位移小等问题,提出一种基于小波提升框架及小波能量的目标检测算法。新方法首先对隔帧融合生成的图像进行小波提升变换,然后通过计算水平及垂直方向上小波能量并选取合适的阈值将目标提取出来,再结合目标的帧间相关性实现准确跟踪。由于新方法联合考虑了帧间信息及单帧的灰度信息,因而检测结果比常规方法更为准确可靠。试验结果表明,新方法对信噪比小于2、帧间位移小于一个像素的红外斑点目标的检测与跟踪十分有效,并且实时性很好。     

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。