云杂波背景弱小目标自适应时-空域滤波检测研究

针对复杂云背景成像弱小目标实时检测的需要,提出一种检测能力强、易实现的自适应时-空级联滤波目标检测算法,其中时域滤波采用改进的可递归实现的方差滤波器预检测出包含目标和少量杂波点在内的可疑目标点集,而后通过一种自适应像素空域边缘强度滤波器剔除剩余杂波点。算法两级滤波器的参数均实时更新,因此算法对场景变化适应能力强。对五组实际红外图像序列目标检测的实验结果表明,算法能稳定检测出多类天空背景中的目标。     

基于多结构元素的云杂波背景小目标检测算法

背景抑制是小目标检测的基础.传统的形态学单一结构元素,对云杂波背景滤波常留下强云层边缘,增加了后续处理的复杂程度.针对这一问题,在分析云层边缘形状和结构元素选择方法的基础上.构造与云层边缘相关的多结构元素.并用基于多结构元素的小目标检测算法,对云杂波背景图像仿真,仿真结果表明,该算法对云杂波背景抑制效果好,提高图像的信噪比,有效检测出小目标.     

一种低信噪比图像序列小目标实时检测算法

图像序列弱小运动目标的实时检测,是成像探测制导系统中的关键技术之一.提出一种基于动态规划与轨迹关联的目标实时检测算法.该方法利用指数衰减和运动方向加权动态规划积累目标能量,然后进行门限判决和对候选目标进行轨迹关联检测,从而剔除假目标,给出真目标信息.该算法结构简洁,易于进行软硬件分割实现,实时性能好.实验表明该算法能实现对深空背景中信噪比大于1.8、速度范围0～1像素/帧多个目标的有效检测.     

基于二维正态云模型算法的红外图像弱小目标检测

针对红外图像弱小目标检测的特点,采用二维正态云模型算法。首先利用一维云的特性建立二维云模型,由两个相互独立的一维云模型函数组成,目标像素的分布点为一个云滴,整个像素分布区域形成的云团反映了图像中目标的特性;接着依据目标判别条件函数来通过函数发生器产生正态云模型;最后在红外图像弱小目标检测误差函数下构造各云层的目标函数。实验仿真显示本文算法对红外图像弱小目标检测效果最好,能检测率高,虚警率低,耗时少。     

云杂波背景下红外弱小目标的改进检测算法

根据目标和背景的时域特性,建立了不同像素类型的时域模型。提出了一种基于时域廓线的云杂波背景下红外弱小目标的一种改进算法。首先,采用基于时域方差滤波预处理方法,滤除平稳背景;然后采用基于时域廓线的目标检测方法,根据时域剖面线上的拐点值变化,转化为大小相当的正负脉冲来检测目标。理论分析和实验结果表明,文中算法对于不同云杂波背景具有广泛的适应性。     

海杂波背景下漂浮小目标检测新算法

针对海杂波背景下漂浮小目标检测问题,提出一种海杂波背景下漂浮小目标检测新算法.利用互补自适应噪声集合经验模式分解-鲁棒性独立主成分分析与Savitzky-Golay滤波算法(EEMDCAN-Robust ICA&SG)联合去噪算法处理海面回波信号,对重构信号用改进蝙蝠算法优化KELM模型做混沌预测.实验结果表明:新算法...     

弱小目标检测预处理算法研究

针对光电探测系统、告警系统，讨论了复杂背景下图像中的弱小目标检测预处理算法，并针对特定的图像给出了算法的处理结果。     

一种新颖的强海杂波背景下弱小目标鲁棒检测算法

红外弱小目标的自动检测是光电火控系统、红外导引头等武器装备中的关键技术之一.本文针对复杂海杂波背景下低信噪比目标检测问题,结合SURF特征描述符,提出了一种基于自动聚类分割的弱小目标检测算法.该方法首先利用SURF算法计算出红外图像中的兴趣点,并将多帧的兴趣点投影到一帧中形成累积图.由于目标在红外序列中的连续性,目标点会在累积图中进行聚集;然后使用改进的快速聚类分割算法自适应的检测出疑似目标;最后根据目标类具有的大小约束与线性约束先验信息,从海杂波中区分出所需的弱小目标.大量仿真实验及实物验证表明,相比于其他现有算法,本文提出方法在处理具有较低信噪比/杂波比的视频下的弱小目标时可以获得较好的检测性能,同时该方法的实时性强,可在多项式时间复杂度下得到最优检测目标,适合工程应用.     

海面杂波背景下红外图像中舰船目标的检测

复杂杂波背景下,海面红外图像中舰船目标检测的关键是如何降低虚警、检测出真正的目标.为了实现这个目标,首先利用Haar小波函数进行小波变换,对图像进行预处理;然后进行恒虚警检测(CFAR);第三步采用行程法对检测的目标进行标记;最后采用管道滤波法剔出虚假目标,检测出真正的目标.经仿真实验证明,此方法能有效地降低虚警,在复杂杂波背景中检测出目标.     

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。     

基于各向异性背景预测模型的弱小目标检测算法

探讨了红外图像中的弱小目标检测问题.当目标处于复杂背景中时,弱小目标的检测将变得更加困难.提出了一种基于各向异性的背景预测模型(ABPM),并使用这种模型进行复杂背景的抑制.同时将各向异性背景预测模型的检测结果与各向同性背景预测模型(IBPM)的结果进行了比较.仿真结果表明,各向异性背景预测模型的检测效果普遍优于各向同性背景预测模型.     

红外序列图像运动小目标检测算法

利用红外序列图像小目标运动的连续性进行背景恢复,滤除背景以提高信噪比,在门限检测后对图像进行边缘滤波以进一步提高检测概率,最后再一次运用目标的运动特性确认目标,减小虚警率,从而有效地检测出目标.实验结果证明,这种算法检测率高,而且计算简单,易于硬件实现.     

一种基于区域背景预测的红外弱小目标检测方法

提出了一种基于区域均值化背景模型的背景预测算法,用于红外弱小目标检测,算法通过\     

一种红外弱小目标检测方法

提出了一种红外弱小目标检测算法,该算法通过“区域最小化背景模型”,来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的,算法适用于强对比度云层的空背景、目标与背景对比度比较低的空背景,是背景预测算法的一个重要扩展,针对实际红外图像的试验仿真表明,提出的算法是有效的。     

基于时空域滤波的红外弱小目标背景抑制

在红外成像探测系统中,对红外图像背景进行有效的抑制是准确检测出弱小目标的前提条件.基于目标在空域局部灰度稳定和时域运动连续的约束,提出了一种基于时空域滤波的红外弱小目标背景抑制新方法.首先,利用引导滤波保存图像细节和时域偏微分方程提取图像中突变区域的优势,实现对图像空域与时域中平稳和强起伏不同特征复杂背景进行抑制处理;然后,将时空域背景抑制结果利用相与操作算子处理完成对高度类似弱小目标信号的剔除;最后,为恢复前期抑制结果中丢失的目标信息,利用时空域融合结果作为引导图像进行进一步优化处理,得到最终背景抑制结果.仿真实验采用两组低信杂比运动弱小目标红外图像序列进行方法验证,并将该方法与几种背景抑制方法进行了比较,实验结果表明:该方法无论从主观视觉还是客观评价指标上均优于其他几种方法.     

同质背景预测用于红外弱小目标检测

背景预测是红外弱小目标检测中抑制背景的主要方法之一.提出了一种同质背景预测算法,在分析空背景下不同背景成分图像灰度特征模型的基础上,首先对图像进行边缘检测,将图像划分为不同灰度性质的区域,然后使用边缘检测结果调制预测权值矩阵.仿真结果表明,该算法对背景杂波具有很好的抑制效果,能够有效保护图像细节,明显降低异质区域像素灰度对预测的不利影响,显著改善低信噪比条件下弱小目标的检测性能.