基于引导滤波和模糊算法的红外背景抑制算法

为了减少背景对红外小目标检测结果的影响,同时降低检测虚警率,采用了基于引导滤波和模糊算法的红外背景抑制算法,利用非下采样轮廓波多尺度、多方向的分解机制,将红外序列图像分解为低通子带和带通子带;再利用引导滤波对低通子带处理,以平滑图像、抑制噪声、增强背景细节;带通子带则采用模糊算法处理,实现目标和残留背景分离;最后将各子带图像通过非下采样轮廓波逆变换,得到了背景抑制图像。结果表明,该方法可以将均方误差降至5~10,有效抑制了背景,突出了目标。该研究为提高复杂背景下的红外小目标检测精度提供了支持。     

基于多尺度广义模糊算子的红外图像背景抑制

自动检测和跟踪红外图像中的弱小目标在现代预警和探测系统中非常重要。针对现有的检测方法因受到复杂云层和地面自然背景的干扰,导致系统虚警率较高和探测概率较低的问题,提出了一种基于多尺度广义模糊算子的红外图像复杂背景抑制方法。首先利用非下采样轮廓波变换方法将图像进行分解,获取不同尺度和方向的包含小目标和背景杂波的子带图像。然后,通过应用模糊非线性背景抑制算子将红外图像中小目标和背景杂波系数差值拉大,同时将相关性较强的杂波系数做平滑处理以达到抑制背景和增强小目标的目的。多组包含真实和模拟图像序列的实验表明所提方法优于其他方法,特别是对于包含云层和地面复杂背景的红外图像。     

基于非下采样方向滤波器组的红外复杂地面背景抑制

针对弱小目标检测技术的难点,根据红外图像中目标和背景杂波的特性,提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先,采用非下采样方向滤波器组对图像进行多方向分解,提取图像方向细节特征,然后,根据目标和背景杂波信号的差异,通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标点,最终实现对目标的检测。实验结果显示,与最大中值滤波和局部去均值滤波方法相比较,该方法能有效地检测出信杂比较低的目标。     

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波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,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。     

联合NSCT和SVD方法的红外弱小目标复杂背景抑制

复杂背景抑制是天基红外预警系统中红外弱小目标探测技术的一个关键环节。为降低复杂背景下杂波干扰,提高目标检测精度,利用非下采样轮廓波变换(NSCT,non-subsampled contourlet transform)的多尺度分解及多方向分解特性以及图像矩阵奇异值分解(SVD,singular value decomposition)不同奇异值代表图像不同能量信息的特点,提出了联合NSCT和SVD的红外图像背景的抑制方法。首先依据非下采样轮廓波变换思想对红外原始图像进行多尺度多方向分解,得到与原始图像同样大小的不同尺度和不同方向上的子带图像,然后,利用奇异值分解的中序部分奇异值调整各子带图像矩阵系数以区分目标和背景杂波,最后对调整后各子带系数组成的矩阵施加NSCT逆变换,最终获得抑制背景处理后的图像。对比实验表明,该方法能够在低信噪比环境下有效抑制复杂背景及边缘,突显目标,降低虚警率。     

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。     

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。     

改进的空间约束加权模糊核聚类红外图像分割

红外图像分割算法对复杂背景下的目标检测跟踪具有重要意义,提出了一种改进的基于空间约束的加权模糊核聚类红外图像分割新算法.在其中引入了红外图像像素间的空间位置约束关系和关于类别的结构信息,并定义了类别权重可靠性指数修正类别权重,不但抑制了红外图像中存在的噪声点和野值等干扰,而且可以保护红外图像中的小目标,防止被背景淹没.通过对实际红外图像的分割结果表明,该算法很大程度上减少了背景像素对目标识别的干扰,适于进行复杂背景下红外目标的准确分割.     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

基于Contourlet变换的红外弱小目标检测方法

介绍了存在背景干扰和噪声情况下的红外图像中弱小目标的检测问题,提出一种基于Contourlet变换的检测算法。首先对图像进行Contourlet变换,利用Contourlet分解后子图像的特性抑制背景和去噪声,最终实现对目标的检测。通过在含有随机目标的红外序列图像中的实验,并与小波变换进行比较,证明了算法的有效性。     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。     

一种红外小目标的图像检测方法

针对复杂背景条件下的红外图像目标检测问题,将空域滤波和时域滤波相结合,提出了基于数学形态学的目标检测算法.该算法先对原始图像序列作能量膨胀累积以增强目标信息和提高信噪比,然后采用基于数学形态学的Top-Hat变换空域滤波处理技术消除在目标尺度范围外的背景、干扰和噪声,达到探测目标的目的.仿真结果验证了该算法是一种实时、有效,且易于实现的目标探测方法.     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

红外小目标图像的分割与聚类分析

天空背景下红外小目标图像的分割与聚类是检测和识别目标过程的预处理部分。首先对图像进行对比度增强处理,并通过模板滤波法去除弱噪声,再运用分割算法把目标和强噪声从背景中分离出来,然后根据聚类得到可能的小目标,最后给出整套处理方法的实验结果和分析。     

基于二维模态分解与斑块对比度相结合的红外小目标检测算法

红外小目标检测在红外目标搜索跟踪等应用中发挥着重要作用。文中提出一种二维经验模态分解与多尺度斑块对比度算法相结合的红外小目标检测算法。首先,利用二维经验模态分解将红外图像分解成不同尺度的模态分量,再将低频模态分量去掉进行图像重构,实现对背景杂波的抑制。然后,将重构图像做为多尺度斑块对比度算法的输入,生成目标结果图。最后,对目标结果图进行自适应阈值分割,检测出真实的红外小目标。实验仿真结果表明,该算法与现有算法相比,在不同背景下能够有效抑制背景对目标的干扰,具有较高的检测率,验证了该算法的有效性和鲁棒性。     

结合频域显著性分析和形态学滤波的红外小目标检测算法北大核心CSCD

针对复杂背景下的红外小目标检测问题,提出了基于频域显著性分析和形态学滤波相结合的图像处理算法。通过构建图像频域显著性分析图,并引入自适应阈值实现显著图的分割,提取感兴趣区域(ROI)以确定候选目标,达到凸显目标并抑制背景的目的。为抑制残余的杂波干扰,基于候选目标轮廓尺寸自适应并引入新的评价机制实现滤波结构元的筛选,采用新型Top-hat滤波技术消除伪目标响应。本算法充分利用红外小目标的频域显著性和空域尺寸先验信息的互补性实现检测,在设计中则平衡了计算复杂度与处理效果的矛盾关系,在有效提升检测指标的同时保证了实时计算的工程需求。实验表明本文提出的算法能显著提高目标信噪比,高效和准确地检测噪声背景下的弱小红外目标。     

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。     

基于小波变换的红外弱小目标检测新方法

研究了红外序列图像中弱小目标的检测。对图像序列进行小波变换，利用目标小波变换的特性，对单帧小波变换后的各高频分量进行累加，利用门限处理并通过与一个与管道得到包含候选目标点的图像，最后利用目标运动的连续性，进一步检测，得到目标点的位置。实验结果表明，该方法能有效地检测红外弱小目标。