基于多重相关分析的红外弱小目标快速检测

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点，本文利用像素之间的相关性，提出了一种基于多重相关峰值检测红外弱小目标的检测方法，从而实现低信噪比条件下红外弱小目标的快速检测．实验表明该方法是一种抗噪性能强，自适应性能好的弱目标检测方法．     

基于多重相关分析的红外弱小目标快速检测

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,本文利用像素之间的相关性,提出了一种基于多重相关峰值检测红外弱小目标的检测方法,从而实现低信噪比条件下红外弱小目标的快速检测．实验表明该方法是一种抗噪性能强,自适应性能好的弱目标检测方法．     

一种新的相关跟踪算法的设计与实现

提出了一种粗搜索结合粗匹配定位的两极图像相关匹配算法,该法利用目标中心信息的稳定性,并结合图像序列间的相关不变性和目标的自相关性给出了一种新的置信度评估方法,在存在复杂背景、类似目标、较强噪声和一定旋转及尺寸变化的情况下仍有较高的匹配精度和跟踪稳定性,匹配速度也很快,还描述了采用ＣＰＬＤ芯片与ＤＳＰ处理器共同实现算法的方法。     

基于多特征相关滤波的红外目标跟踪

为实现在复杂背景和多干扰条件下红外目标的稳 定跟踪,提出一种基于多特征相关滤波的红外目标 跟踪算法。首先综合考虑生物视觉关注特性及目标运动特性,提取目标区域的空间特征和 运动特征,进而融合一种改进的卷积特征,生成多特征权值函数;然后在传统 相关滤波的基础上,引入多特 征权值函数用以表征不同候选区域的重要程度,形成权值相关滤波的红外目标跟踪框架;最 终得到能够表 征目标位置的置信图,从而完成红外目标的鲁棒跟踪。在6组不同条件下红外视频序列上的 实验结果表明, 和经典目标跟踪算法相比,本文方法在复杂背景下的平均跟踪成功率提升15%左右,能够有 效应对相似虚 假目标、遮挡、背景辐射强度变化和探测器晃动等不良因素的影响,适用于复杂背景条件下 的红外目标跟踪。     

地面目标的红外被动测距研究

讨论了地面目标与背景红外辐射在大气中的传输情况，基于红外探测系统测出的目标与背景的辐照度差，提出了一种新的被动测距方法．利用该方法，得到了测距公式和测距的距离分辨率公式．计算了不同天气情况下，目标与背景的辐照度差与距离以及距离分辨率与距离之间的关系．计算结果表明，该方法可用于对地面目标的被动测距．     

前视红外系统中复杂背景下典型地物目标跟踪

前视红外系统主要处理复杂地物背景下的典型地面目标，如桥梁、机场跑道、大型建筑物等。跟踪地面背景较复杂的目标常用的是目标模板匹配的方法。而模板匹配相关跟踪的关键是对实时模板的更新及替换策略。针对前视目标跟踪问题，采用模板相关匹配的方法搜索目标；采用Kalman滤波的方法更新实时模板中的每个像素．以迭到更新实时模板的目的．采用Kalman滤波的方法校正跟踪结果坐标位置数据。为了减小运算量同时又不影响跟踪精度．采取了隔若干帧更新一次模板及跟踪位置数据的策略。仿真实验证明，跟踪效果较好。     

海空复杂背景下红外弱点目标的检测算法

为第空复杂背景下红外弱点目标的检测,提出了基于小波变换模极大的检测算法,该算法通过计算小波变换模极大值求出图像中的所有奇异点,去除由复杂背景形成的模极大值链,消除云层、海浪及水天线等复杂背景,提高了单帧点目标检测能力,结果表明,余步坷检测信杂比为２的点目标。     

机载多传感器实时图像跟踪系统研究

针对某型号机载光电吊舱的总体性能技术指标，研制了一种多传感器实时图像跟踪处理系统，该系统在硬件上以高速数字信号处理器（DSP），大规模复杂可编程逻辑器件（CPLD）及微处理器为核心，采用模块化流水线处理结构，实现目标图像的实时跟踪，在系统软件上提出一种高效的快速相关算法，建立相关跟踪置信度评估，模板自适应刷新、相似目标辨识，目标丢失判断和再捕获等准则，有效地提高目标跟踪的稳定性和鲁棒性，该系统进行了大量复杂地面背景条件下的目标跟踪试验，取得了满意的结果。     

基于人工神经网络的多路光学相关器相关峰的实时识别

提出一种应用人工神经网络根据多路光学相关器相关面输出图像识别目标的方法．运用统计规律确定相关峰的位置，不但把自相关峰作为目标特征，还将互相关峰也引入了识别，并通过神经网络实现相关峰复杂特征的抽取．该方法能有效地排除目标背景干扰和器件性能波动的影响，实现了对目标的实时识别     

在海域红外杂波背景中小目标探测的空间匹配滤波技术

利用空间匹配滤波技术，针对海域复杂的红外杂波背景进行了小目标探测。由计算机模拟获得了滤波器设计参数，结果表明滤波后信杂比增益有显著提高，虚警率随之下降，滤波算法硬件易于实现，证明这是一种抑制红外背景杂波的有效技术。     

基于侧抑制的红外图像自适应预处理

针对复杂海空背景下的红外图像,提出了一种基于侧抑制的红外图像自适应预处理的方法。根据不同背景图像方差加权信息熵的变化,建立了方差加权信息熵与侧抑制网络作用调节因子的对应关系。通过对不同实际场景自适应地调整侧抑制网络作用强度,实现了不同背景条件下实时红外序列图像的自适应处理。仿真实验表明,该方法能有效提高杂波背景下图像的信杂比,具有突出目标特征和适应复杂背景的能力。     

车号定位识别与可信度估计

以车号的定位与识别为例，应用行投影法对车号图片进行倾斜行定位，证明了模拟与场景的二维互相关系数近拟等于一维投影互相关系数，在此基础上提列投影法快速行扫描识别算法及相应的可信度估计方法，这种方法对于室外拍摄的有复杂背景，光照变化，字体微倾，字符排列疏密不均及噪声干扰的车牌图像具有很好的识别效果。     

复杂光线环境下结构化光斑的差动成像提取方法研究

结构化光斑提取是线结构光三维视觉测量的重要基础。针对在复杂背景光环境下结构化光斑难以提取的问题,本文提出一种基于时域差动成像的结构化光斑提取方法。通过电路控制线结构光与成像单元的同步工作,使连续拍摄得到的两帧图像中一帧含有结构化光斑,另一帧不含结构化光斑,通过对两帧图像灰度值的相似性特征参数识别,提取光斑的潜在区域,再结合关联区域筛选处理,即可有效提取出结构化光斑。这一方法能够在复杂的背景环境中将低信噪比结构化光斑准确提取出来,对于线结构光三维视觉测量等结构化光斑的相关应用都具有很高的实用价值。     

基于粒子滤波的系数编码车辆跟踪方法

传统基于生成式的车辆跟踪方法仅考虑了目标信息,忽略了车辆背景信息,降低了目标与背景的表征能力.针对复杂背景条件下视觉导航对车辆跟踪精度的需求,提出了一种基于粒子滤波的系数编码车辆跟踪方法.该方法首先对获取的帧图像进行仿射变换归一化处理,并采用深度去噪自编码器对变换后的图像进行完备特征字典的生成;接着,采用稀疏编码对完备特征字典进行降维处理,消除网络高层目标特征的冗余信息,保留网络底层的高效关联特征;最后,将提取的深度稀疏编码特征应用到粒子滤波的框架内实现车辆的有效跟踪,有效克服了判别式跟踪方法无法处理遮挡问题的缺陷.实验结果表明,在尺度变化、光照变化以及遮挡等复杂环境下,本文方法将跟踪精度提升了17％,每秒处理的帧图像速度提升了64％.     

一种激光脉冲相关检测的改进方法

在激光脉冲相关检测系统中,针对窄带滤光片的非理想性以及并联探测单元之间的背景光干扰存在相关性的问题,提出了一种相关检测系统的改进方法.利用两路探测单元同时接收目标信号和背景光的混合信号,另两路视场完全相同的探测单元仅接收背景光,将它们的输出分别对应相减后再进行相关处理,从而抑制了各单元间相关的背景光干扰.采用Simul...     

一种新的地面目标多特征关联方法

地面目标的强机动性和背景环境的复杂性,使得传统关联方法的目标分布类型和先验概率不易获得,且传统方法仅利用状态信息进行关联,导致目标关联正确率不高.针对这些问题,采用无需先验假设的灰色关联方法,在状态信息的基础上引入属性信息,共同作为灰色关联的多个特征指标,并利用最大离差法确定指标权重.仿真结果表明这里的算法有效地改善了...     

抗背景光干扰的双波长激光脉冲相关检测方法

针对激光脉冲相关检测易受背景光干扰影响的问题,提出了一种抗背景光干扰的双波长激光脉冲相关检测电路设计方案。设计了四路视场相同的探测单元,分别在其前面加装中心波长不同的窄带滤光片。当其中一个工作波长的威胁激光出现时,对应波长的两路探测器的输出与威胁激光信号和背景光响应,而另外两路探测器的输出则仅作为背景光响应,将它们分别对应相减后再进行相关处理,从而抑制各单元间相关背景光的干扰,同时实现对双波长激光脉冲的相关检测。实验结果表明:电路在实现对背景光干扰有效抑制的同时还能实现对双波长激光脉冲的相关检测,证明了设计方案的可实施性与有效性。     

抗背景光干扰的激光脉冲相关检测方法

针对激光脉冲相关检测对具有相关性的背景光干扰难以抑制的问题,提出了一种抗背景光干扰的系统改进方法。利用两路探测单元同时接收目标信号和背景光的混合信号,另两路视场完全相同的探测单元仅接收背景光,将它们的输出分别对应相减后再进行相关处理,从而抑制了各单元间相关的背景光干扰。实验结果表明,改进后的系统对背景光干扰能够有效的抑制,证明了方案的可实现性与有效性。     

基于深度学习的复杂背景图像分类方法研究

复杂背景图像受背景干扰后不易被识别。针对这一问题,文中提出了基于前景分割机制的卷积神经网络图像分类方法。采用全卷积神经网络对图像前景区域进行自动分割,通过图像中前景区域周围的最小边界框对其进行定位。对于定位的前景区域,构建卷积神经网络对其进行处理以区分不同的类别,从而实现复杂背景图像的分类。将提出方法在公开数据集中提取的单一背景和复杂背景图像数据集上进行对比实验,并使用迁移学习与数据增强等方法优化模型。实验结果表明,所提方法使用前景区域分割相比于仅分类CNN具有更高的准确度,且复杂背景图像上的准确度提升幅度要远大于单一背景图像。该结果说明引入前景区域分割对于复杂背景图像分类模型准确度的提升具有一定帮助,能够显著前景区域特征并减少背景因素的干扰。