红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点。本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法。该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪。测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪。检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值。     

基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

基于复杂背景的红外机场目标自动识别算法研究

根据复杂背景下前视红外机场目标的特点，提出了基于知识的自动目标识别算法，算法的设计以实用性为宗旨，在不影响算法性能的前提下尽量提高其实时性能：通过提取感兴趣区域来缩小处理范围，采用双阈值最大类间方差快速算法快速准确找到分割阈值，采用快速标记算法标记分割图像，利用Freeman链码描述机场的轮廓特征，根据模糊综合评判机制分析机场的目标特征。通过硬件处理平台的仿真验证，该算法对机场目标红外图像有一定的识别能力，且具有较高的实时性。     

基于多向梯度法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信噪比(SNR)低、对 比度小造成的红外目标检测率低和实时性差的问题,提出一种基于多向梯度法的红外弱小目 标快速提取算法。目标提取前, 利用多尺度拉普拉斯-高斯(LoG)算子抑制图像背景,凸显背景边缘轮廓与弱小目标;然后 引 入多向梯度目标搜索算法,选取最佳梯度数,利用最简算法快速搜索目标。实验结果表明, 本文算法处理后的红外图像有较高的SNR与对比度,检测率 为传统红外目标提取算法的1.5倍,充分保证了检测精度,且计算耗 时短,实时性强。     

基于时域的红外图像序列中快速运动小目标检测算法

提出了一种新的红外图像序列中快速运动小目标时域模型。为差分图像序列中的背景像素、目标像素、杂波像素建立了模型，将目标检测问题转化为噪声中已知信号的检测问题，并应用相关检测技术进行目标检测。理论分析表明，在SNR和SCR均大于6的情况下，算法具有很好的性能，实验结果也证实了算法的有效性。     

实时的微弱目标增强与分割技术

介绍了一种针对红外或可见光微弱目标图像的实时增强和分割快速算法，算法基于迭代数字滤波器设计，采用局部自适应增强方法，可有效地将目标与背景分离开来，对低信噪比图像也具有良好的适用性．还基于迭代数字滤波器算法和多分辨率分析，给出了一种目标分割快速算法．这些算法可实时实现，为目标分割实时处理系统的设计提供了解决方法．用本文的方法对弱目标图像做了一系列仿真实验，具有明显的效果．     

远距红外图像中桥梁目标识别方法研究

本文针对远距红外图像中桥梁目标的各种特性，提出了一种基于知识的桥梁目标识别方法，完成了远距成像中弱目标的检测，提出了桥梁目标识别的快速算法，在实验中取得了很好的识别效果。     

基于最简视觉显著性的红外目标快速提取方法

在红外深空目标跟踪系统中,为了能够从深空红外图像中快速提取微小目标,通过分析红外深空图像的特点,提出一种基于最简视觉显著性的红外目标快速提取方法。该方法在传统的视觉显著性的基础上,通过计算局部灰度最大值和目标像素的灰度平均值与邻域像素的灰度加权值的对比度组成特征向量,构造显著性模型,抑制背景并凸显目标,使之不但能够减少运算耗时,而且能够保证提取精度。通过对红外深空图像进行处理,实验结果表明该算法的运算时间仅为传统的视觉显著性算法的28%,且有较好的处理结果,证明了该算法的有效性。     

基于粗糙集理论的红外小目标检测

红外图像处理中的点目标检测技术是近年来信息处理研究的热点和难点之一，而粗集是一种用于处理含糊和不确定性问题的新的数学工具。本文提出了基于粗集理论的红外小目标检测算法，该检测算法可按红外图像模型的频域属性、灰度值属性和相关性属性，把目标从背景中分离出来。实践结果表明，该算法能够对小目标进行可靠的检测。     

红外图像显著目标检测算法

提出一种简单快速的红外图像显著目标检测算法,算法可以分为三步:首先,对原始红外图像进行预处理以增强目标与背景的对比度;然后,在log频谱中提取预处理后图像的频谱残差,通过相应的反变换及简单的阈值分割,可以得到显著目标的大致区域;最后,采用一个滑动窗口在目标候选区域内进行搜索确定显著目标的准确位置,这个过程采用由目标及其周围区域在原始图像中的灰度分布得到的半局部特征对比度的概率表达得到每个像素点的显著性值,进行阈值分割得到显著目标,改变滑动窗口的大小可以检测出不同尺度的目标。采用大量的红外图像对算法进行测试,实验结果表明该算法具有高效性和鲁棒性。     

红外序列图像中运动小目标的检测

文中介绍了红外图像背景以及运动小目标的特性，将检测算法分为两大类，概述了红外图像中运动小目标检测的一般方法和流程，并具体介绍了几种典型的检测算法，分析了它们各自的特点。     

红外序列图像中缓动点目标的投影检测算法及其改进

应用形态学滤波算法获得红外图像的背景，利用局域窗口估计的噪声均值和方差对噪声进行归一化，将归一化图像在时域上构成组合帧，然后在组合帧内对目标进行统计检测，分析得到了目标及噪声在组合帧中的统计分布。针对噪声和目标幅值的不同分布特性，进一步对投影算法进行了改进，提高了投影算法的信噪比。实际红外图像仿真表明，该算法可以成功检测信噪比为2的目标。     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点，设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明，该算法能够大大提高目标的信噪比，去除背景和噪声干扰，保留目标的灰度信息，满足系统的实时性要求，是一种有效的红外灰度图像小目标检测算法。     

低信噪比序列图像中目标检测、识别及跟踪算法的研究

本文研究红外探测仪器产生的低信噪比序列图像中目标检测、识别及跟踪算法。该算法基于图像累加后沿目标的运动轨迹方向信号积累，并结合目标在各个不同阶段的特性，分别在检测、识别及跟踪阶段完成目标信号的处理，最后给出目标的位置和速度信息。     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来。通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标。     

基于图像复原技术的红外小目标检测方法

提出了一种准确、快速的红外小目标单帧检测方法。该方法首先利用图像复原技术对红外小目标图像进行平滑预处理,达到去噪、提高图像对比度的效果;接着将滤波后的图像与原始图像做差分对消处理,抑制背景杂波;然后采用梯度法对残差图像进行锐化处理,凸显小目标;最后设置两个灰度级做阈值提取,从而检测到红外小目标。仿真实验结果表明本算法能快速、准确的检测出目标点,鲁棒性较好。     

运动目标的计算机红外成像仿真

运动目标的计算机红外成像仿真有着广泛的应用价值。提出了适用于运动目标红外图像生成的模型和绘制方法，在考虑到大气传输和传感器噪声对红外成像的影响后，给出了不同类型的运动目标的红外图像。实验结果表明，该方法模拟效果真实，算法可靠。     

一种基于兴趣区提取的红外搜索系统目标实时检测算法

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题,提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性,根据目标运动特性与灰度特性,在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区;针对兴趣区内的局部目标图像切片,进一步精细检测识别,剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明,算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测,已应用到了周扫红外搜索跟踪系统的工程样机研制中。     

基于超分辨率与在线检测DSST的红外小目标跟踪

红外小目标的相关研究在军事领域的制导、预警和边防间谍无人机检测中极其重要。针对红外小目标的跟踪研究，本文提出了一种基于超分辨率增强与在线检测DSST(Discriminative Scale Space Tracker)的小目标跟踪算法。首先，基于融入红外图像特征的超分辨率重建算法对原始图像进行更新，增强了弱小目标，然后，增强的图像被用作基于在线检测DSST算法的输入，得到响应映射，估计目标位置。实验结果表明，与几种最新算法相比，该算法在准确性方面表现出色。