一种起伏背景下的红外小目标检测算法

提出了一种用一维中值滤波进行背景估计的方法。首先分析了红外小目标、噪声及其杂波特性，提出了用小窗口的二维中值滤波进行背景估计；然后进一步根据红外扫描系统的特点，把二维中值滤波简化为一维中值滤波，使去背景效果提高，并且运算量大幅下降；最后对预处理后的图像采用自适应门限进行目标分割。实验表明该算法可以达到较高的检测率，而且满足大尺寸图像实时处理的要求。     

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.     

基于自适应SUSAN各向异性扩散的红外弱小目标检测

针对复杂背景下红外弱小目标提取困难的问题,提出了一种自适应SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合SUSAN边缘检测算子与各向异性扩散,形成新的扩散方程对红外图像进行背景预测,与原图像差分后实现弱小目标检测。为使算法具备自适应能力,提出SUSAN边缘检测器灰度差阈值的自适应设定方法,采用绝对偏差中值算子作为其扩散系数。实验结果表明,该算法能够有效滤除复杂图像背景,大幅提升信噪比,同时保留目标大小。     

基于热传导理论的背景抑制算法应用研究

针对复杂背景中红外运动目标检测速度慢,检测概率低的问题,对红外图像的背景和目标特性进行了分析,提出了一种基于热传导方程和自适应阈值的红外目标实时检测算法。首先,依据红外图像背景具有各向同性的分形特性,确定采用各向同性的算子对背景进行估计;然后,根据热传导方程和反热传导方程在图像处理中的应用,推导出了用于红外目标检测的背景抑制算子,在此基础上设计了自适应阈值用于红外目标的检测;最后给出了该算法的实验结果,并与基于特征选择性滤波的检测算法做了比较。实验结果表明该算法具有良好的背景抑制和目标增强性能,大幅提升了图像的信噪比,提高了红外运动目标的检测概率,且结构简单,有利于硬件实时实现。     

一种低信噪比运动点目标检测算法

为检测复杂背景中的低信噪比(SNR) 点目标,提出了一种自适应带通门限检测算法。 首先根据图像的信噪比选取合适的带通门限进行图像空间滤波,然后采用帧相关法进行时间滤波。实验结果表明,该算法可有效地抑制背景杂波的干扰、提高信噪比SNR ,检测出复杂背景下的低信噪比点目标,且易于实现。     

基于改进surendra背景更新算法的运动目标检测算法

提出了一种改进的surendra运动目标检测算法,该算法可以自适应的调整背景更新速度。首先将第一帧图像作为背景图像,并利用改进的surendra背景更新算法根据每帧图像对背景图像进行更新获得可靠的背景。然后,将当前帧与背号作差,得到差值图像。使用自适应阈值对差值图像进行二值化处理,并利用形态学滤波对二值图像进行适当处理,这样运动目标就被准确地提取出来。     

基于颜色空间转换的运动目标检测与阴影去除

针对室内视频监控中运动目标检测常出现的阴影误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法.在RGB空间采用自适应背景差对视频图像进行前景背景分离,并将检测出的前景目标锁定在活动轮廓矩形框内进行目标跟踪,对于误检的虚假目标(即阴影),利用其亮度等信息,在HSV空间去除.经实验验证,该算法对阴影的去除有良好的效果,能准确检测出真实目标.     

基于局部统计特征的自适应红外背景抑制算法

背景抑制是红外运动点目标检测的核心技术之一。提出了一种基于图像局部统计特征的自适应背景抑制算法,给出了一种近似估计图像噪声方差的方法,解决了L滤波在背景抑制应用中实时性的问题。采用该算法对实际录制的红外图像序列进行背景抑制实验,结果表明：该算法能够很好地抑制起伏的背景,大幅度提高了目标的信噪比。     

基于自适应Wiener滤波的红外小目标检测方法

在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法。采用连续采集的红外图像序列进行了实验，仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析。结果表明，算法能够从信噪比大于2．0的图像序列中检测出目标轨迹。     

SAR图像人造目标检测研究

在合成孔径雷达(SAR)自动目标识别中,人造目标的检测至关重要。该文根据SAR图像的特点,对图像中的人造目标进行了检测。首先采用自适应小波滤波方法对图像进行滤波,在保留图像细节的前提下有效地去除了图像中的乘性噪声,使后续的检测变得相对容易。然后采用基于自适应遗传算法的C-划分二维模糊熵算法对图像进行分割。实验结果表明,该文方法能够有效地检测出图像中的人造目标。     

基于自适应差分量化的红外背景抑制新方法

针对复杂背景下红外弱小目标图像的背景抑制难题,从图像采集环节考虑,根据自适应差分量化理论,提出了一种基于自适应背景抑制的红外弱小目标图像采集方法.其基本思想是:根据红外弱小目标图像背景杂波的相关性,利用自适应预测器,由已采集的像素信息实时估计出下一时刻背景杂波的最佳估计,并将其反馈至原始图像信号输出端,与实际采集图像信号相比较.通过量化残差图像信号来获得预测增益,从而提高采集图像的信噪比.理论分析与仿真实验表明,与传统的直接图像采集方法相比,此方法不仅等效地提高模数转化器的性能,而且能够很大程度地提高采集图像的信噪比(SNR),SNR可由1.43提高到4.57.     

基于背景杂波自适应预测的红外弱小目标检测

文章根据背景杂波和运动目标的红外成像差异,提出了两种自适应杂波预测技术的低 信噪比小目标检测方法。首先讨论了一种基于均方误差最小的自适应线性预测器,该预测器计算量小,易满足实时要求,且对平稳和线性云层红外背景图像具有很好的背景预测能力。然后提出了一种基于非线性函数可调整的BP 神经网络预测器,该预测器中的非线性函数可调整且非线性程度很高,能很好的适应各种复杂的起伏背景,特别是非平稳和非线性杂波背景。文中还通过实际的红外图像验证了两种方法的有效性。     

Adaptive prediction in speech differential encoding systems

The design of speech coders that produce high-quality highly intelligible speech at 6 to 16 kb/s while retaining robustness to background and transmission impairments is an area of current research interest. Differential encoding structures employing adaptive quantization and adaptive prediction constitute one of the most promising approaches to achieving these design objectives. This paper focuses on the design and analysis of adaptive predictors for differential encoders. Several differential encoding systems, including adaptive predictive coding, differential pulse-code modulation, noise feedback coding, direct feedback coding, and prediction error coding, are described and related. Adaptive quantizers are briefly discussed and quantitative and qualitative indicators of speech coder performance are defined. The channel model, the speech model, and the research problem statements used in the design of differential encoders and adaptive predictors are presented. The nomenclature and theory of forward and backward adaptive prediction are developed, and several new backward adaptive algorithms based on various assumptions are presented. A detailed survey of theoretical and simulation results on adaptive prediction for speech differential encoders is given, and the effects of background and transmission impairments on these systems are discussed, Finally, the impact of adaptive predictors on rate distortion theory motivated coders is indicated. Numerous areas for future research are highlighted.     

Lossless image compression with a codebook of block scans

When applying predictive compression on image data there is an implicit assumption that the image is scanned in a particular order. Clearly, depending on the image, a different scanning order may give better compression. In earlier work, we had defined the notion of a prediction tree (or scan) which defines a scanning order for an image. An image can be decorrelated by taking differences among adjacent pixels along any traversal of a scan. Given an image, an optimal scan that minimizes the absolute sum of the differences encountered can be computed efficiently. However, the number of bits required to encode an optimal scan turns out to be prohibitive for most applications. In this paper we present a prediction scheme that partitions an image into blocks and for each block selects a scan from a codebook of scans such that the resulting prediction error is minimized. Techniques based on clustering are developed for the design of a codebook of scans. Design of both semiadaptive and adaptive codebooks is considered. We also combine the new prediction scheme with an effective error modeling scheme. Implementation results are then given, which compare very favorably with the JPEG lossless compression standard     

高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法（特邀）

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战,提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题,提出了增量惯导信息概念,设计了增量惯导信息的位置预测模型,实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架,通过增量惯导信息对不同位姿下的成像进行校正,引入基于爬山法互相关匹配算法计算校正后图像的平移参数,采用高斯加权对背景图像进行估计,最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。     

基于模板修正和自适应Kalman预测的刚性目标跟踪

目前在远景刚性目标的跟踪中,由于长序列图像具有亮度动态范围大及背景噪声大的特点,当前模板的尺寸和位置往往不能有效代表目标,从而使目标的预测和相关搜索产生误差累积;另外,Kalman预测常因过程噪声与模型不匹配使其对机动目标跟踪适应性差.对上述问题进行研究提出了一种基于区域增长的模板修正方法,并对Kalman预测中过程噪声自适应的方法进行了仿真.结果表明,这种新的模板修正方法具有良好的尺寸及位置自适应能力和抗背景噪声能力,而且过程噪声的自适应也有效提高了Kalman预测的准确度,对目标跟踪具有指导作用.     

Adaptive prediction applied to seismic event detection

Adaptive prediction was applied to the problem of detecting small seismic events in microseismic background noise. The Widrow-Hoff LMS adaptive filter [1], [2] used in a prediction configuration is compared with two standard seismic filters as an onset indicator. Examples demonstrate the technique's usefulness with both synthetic and actual seismic data.     

自适应背景预测技术在红外弱小目标检测中的应用

文章总结了自适应背景预测技术在红外弱小目标检测领域的典型应用,分析了线性和非线性自适应算法的优缺点。对传统的LMS自适应背景预测算法进行了改进。改进的算法利用连续帧中目标的运动特性,通过迭代得到滤波器最佳权值向量。试验结果说明,改进后的算法有效抑制了由云层边缘产生的虚警,提高了处理非平稳、非线性杂波背景和低信噪比图像的能力．     

一种基于自适应背景预测的红外弱小目标检测方法

针对目前典型的基于背景预测的红外弱小目标检测方法中无法较好消除噪声的问题,提出了一种基于自适应背景预测的红外弱小目标检测方法。该方法不同于传统方法,在对红外图像进行背景预测时,不仅考虑邻域内像素点的灰度值,同时还通过自适应处理的方法将待预测像素点灰度值也考虑其中,能有效改善低信噪比下红外图像弱小目标的检测性能。通过大量的仿真数据对本文和传统方法进行了对比和分析,证明了该方法的有效性和优越性。     

采用多扫描自适应预测的红外弱目标检测

提出了一种多扫描预平滑RLS自适应算法用于增强红外成像数据中的弱目标检测.感兴趣的目标被假设为只有极小的空域扩展度,而且淹没于强背景杂波干扰中.通过RLS自适应滤波器,背景杂波分量被准确地预测并从输入信号中去除,从而只剩下目标信号与残留噪声.在全空域非平稳数据中应用多扫描机制可以增强算法对非平稳杂波的跟踪性能;而将原始图像数据经过预平滑处理后作为自适应滤波器的输入,则能够减少由于目标灰度扩展带来的背景预测失准.对真实图像数据的仿真表明该算法的性能明显优于其它几种传统方法.