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。     

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.     

基于SSD框架的红外弱小目标检测技术研究

针对红外序列图像中点状机动目标的检测问题,利用卷积特征对图像具有更细致的描述能力、可以有效地感知弱小目标与干扰的差异的特点,提出了一种基于SSD框架的红外弱小目标检测方法。本文设计了针对弱小目标的SSD检测框架,且克服了传统方法缺少大量实验数据的困难,利用真实红外图像数据库进行了仿真验证,实验结果表明,该方法对多种不同场景中的信噪比较低的目标具有良好的检测效果和虚警抑制能力。     

基于时域信噪比的红外弱小目标检测

复杂背景下红外弱小目标检测与追踪技术一直是遥感成像应用领域一项复杂而艰巨的课题。利用高帧频红外面阵成像系统采集到图像的强帧间相关性特征,设计了一种多帧累加的时域信噪比的弱小目标检测方案。同时利用目标运动的连续性,采用多帧确认的方法关联目标,输出真实目标运动轨迹。实验结果表明,算法在vs2013上运行的平均运算时间为23 ms,检测到的目标最低信噪比为2.91,同时对多目标的检测具有较强的适应性。     

基于背景抑制的4种红外小目标检测算法比较

背景抑制是红外小目标检测的关键技术.对空域高通滤波、最大中值滤波、单一结构元素形态学和多结构元素形态学的背景抑制原理进行分析,并在云杂波背景条件下对4种算法进行仿真并作比较.仿真结果表明多结构元素形态学算法性能最好,最大中值滤波算法次之,单一结构元素形态学算法稍差些,高通滤波算法最差.     

一种微弱点运动目标的快速统计检测算法

本文提出一种新的从序列图像中检测微弱点状运动目标算法,该算法基于多帧检测技术,它首先累加多个差分帧,构成组合帧,然后在组合帧内对目标轨迹进行统计判别.与其它检测算法相比较,该算法在保证较高检测性能的同时,具有快速、实时的特点.本文还给出了该算法性能的理论分析结果及实验仿真结果.     

天基微弱运动点目标检测研究综述

近几十年来,针对复杂背景下红外图像序列的天基微弱 运动点目标探测问题备受关注。该问题对于空间监视系 统、预警系统以及导弹跟踪系统等而言十分重要。受各方面的影 响,天基微弱点目标检测、跟踪和识别研究仍然面临着很多挑 战。仪器抖动和平台运动均会造成目标定位偏差。受制于观测距 离和天基成像环境,目标往往会淹没在背景杂波或噪声之中。因此,如 何在低信杂噪比的情况下快速、准确地探测和识别运动点目 标,并满足检测率和虚警率指标,是相关领域亟待解决的问题。 对近年来国内外相关领域的研究进行了分类和总结,以期在此基 础上寻求新的探索和发现。     

基于海杂波混沌特性的微弱目标信号检测

研究了实际采集的海杂波的关联维及最大Lyapunov指数。结果表明,海杂波具有混沌特性。基于复杂非线性系统的相空间重构理论和混沌信号可短期预测的特征,提出了强海杂波中的微弱目标信号检测的神经网络方法,给出了雷达检测的模型。     

基于时空域集成判决的微小运动目标检测方法

提出了一种基于时-空域集成判决的序列图像中微小运动目标检测方法。首先,将背景杂波抑制后的残差图像沿时间轴进行累加,形成组合帧,在组合帧中经过二元假设门限判决,检测出疑似目标;然后,只对疑似目标按可能的运动方向进行空域能量集成;最后,对目标轨迹进行统计判别。算法的性能分析和实验仿真结果表明,该方法在保证较高检测概率的同时,大大减少了运算量,有利于实时实现。     

基于改进的三帧差分法运动目标检测

为了提高运动目标检测的准确性和效率,提出了基于改进的三帧差分法检测运动目标的算法.该算法对传统的三帧差分法进行了改进,结合了单高斯模型背景提取、背景自适应更新和自适应阈值提取的方法,从而解决了传统三帧差分法中可能出现的无法检测出完整的运动目标的问题.背景的自适应更新和自适应阈值的提取减少了光线亮度变换以及噪声对运动目标检测带来的影响.实验表明,该算法与传统的三帧差分法相比可以更加完整地检测出运动目标,并且可以有效地避免出现“漏检”等情况,提高了运动目标检测的效率和准确性.     

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。     

基于改进的奇异值分解的红外弱小目标检测

为了克服传统的基于奇异值分解的目标检测方法存在目标强度变弱的不足之处,采用改进的奇异值分解方法用于红外弱小目标检测。根据奇异值分解的性质,对其中目标贡献最大的中序部分奇异值进行了非线性修正的改进,并将其它奇异值设置为零后通过重构图像得到背景抑制后的目标图像。结果表明,该方法不仅能够保存和增强目标能量,提高目标信号的信杂比和对比度,而且还能得到很好的背景抑制效果。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

空时自适应杂波分类抑制与弱小运动目标检测

提出了一种新的方法应用于一类重要的高维信号检测问题:在强杂波干扰下检测数字图像序列中位置和速度未知的弱小运动目标.通过对输入序列时域灰度矩进行学习,将像素分成两类———静杂波和动杂波.分别对其采用非参数时域滤波和LS自适应滤波进行去除,从而将原始数据转化为准SPGWN模型.杂波抑制后,根据单帧多像素目标模型假设,采用在空、时域联合集成信号能量的检测算法,能有效地改善信噪比并且有利于实时实现.理论分析和对真实数据的大量仿真试验验证了本方法的有效性.     

低信噪比下的红外弱小目标检测算法研究综述

低信噪比条件下的红外弱小目标检测问题一直是近些年来国内外学者研究的一个热门课题。针对复杂背景下红外图像弱小目标检测困难、信噪比低的问题,越来越多的新方法不断被提出。更好的实时性,更高的检测概率,更低的虚警率成为了研究者们追求的目标,实时、鲁棒、通用成为了红外弱小目标检测信号处理算法的核心要求。本文梳理了红外弱小目标检测的常用方法以及其技术发展,在介绍一些传统算法发展的基础上,重点介绍了红外弱小目标检测的几类典型算法的原理、发展及其优化算法,为后续红外弱小目标检测的研究提供了便利。     

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。     

基于多特征融合的弱小目标检测方法研究

提出了一种基于多特征距离图的红外弱小目标检测方法。弱小目标的许多特征,如局部熵、平均梯度强度等,不但刻画了弱小目标的特点而且易于提取。通过特征融合技术,可以将弱小目标检测问题转化成在一个多特征空间的极值求取问题。该方法利用已经提取的多个特征,采用特征融合技术构造一个距离图像,再对该图像进行二值化处理,达到目标检测的目的。通过对实际的红外图像序列进行小目标检测,验证了所提方法的可行性和有效性。     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。