弱目标检测的图像流去

本文研究用高频图像滤波器去除背景干扰，提取可能的弱目标，进一步用假设检验分离出可能的弱目标。导出图像流约束方程，提出一种基于图像流和运动连续性分析的弱目标检测方法。该方法在强噪声背景和复杂背景下有良好的检测性能，计算机模拟实验检验了方法的性能。     

弱目标检测的图像流法

本文研究用高频图像滤波器去除背景干扰，提取可能的弱目标，进一步用假设检验分离出可能的弱目标。导出图像流约束方程，提出一种基于图像流和运动连续性分析的弱目标检测方法。该方法在强噪声背景和复杂背景下有良好的检测性能，计算机模拟实验检验了方法的性能。     

红外背景抑制与小目标检测算法

在有云层背景的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。介绍了一种简单可行的在云层背景下检测小目标的方案。算法中,首先进行背景抑制以获得更高的信噪比,接着是用门限分割以得到二值图像,最后依照目标在时间和空间运动的连续性,用一种管线法进行目标识别。实验结果表明算法十分有效。     

基于Wiener滤波的小目标检测方法

红外云背景中小目标检测是红外成像技术的一种典型应用。为了检测红外云背景中的弱小目标，分析了背景特性，建立了红外场景模型，提出了一种基于Wiener滤波的自适应背景抑制方法。经过去除虚假目标和目标分割，再利用目标运动的连续性和规则性进行目标检测和跟踪。对包含了仿真目标的红外云背景图像序列进行了实验，结果表明，该方法能够有效地从信噪比为2．0的背景中检测到小目标。     

强起伏云背景下的小目标图像预处理算法

强起伏云背景下的小目标分割是图像处理中的重点和难点之一.本文将高通滤波和数学形态学图像处理算法相结合,提出一种新的预处理方法.首先,利用高通滤波器作为背景抑制滤波器,消除强起伏云背景对图像分割的影响;其次,利用阈值算法将背景抑制后的图像转化为二值图像;最后,应用形态学方法消除噪声得到最终的小目标分割结果.仿真试验表明,该算法具有较好的预处理效果.     

红外图像中小目标检测研究

在获得的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。本文对小目标检测系统的背景抑制和目标检测算法和方案进行了调研。采用背景抑制算法以获得更高的信噪比,利用NP准则对图像进行分割,然后用识别算法对目标进行跟踪和识别。计算结果显示,抑制杂波后,采用序贯图像检测能够很好地增加探测概率。     

基于时空域融合滤波的小目标检测算法

针对目前小目标检测存在的难点,提出了一种基于时空域融合的小目标检测方法。该方法首先运用形态学Top-hat进行空域滤波,将原图像中的大部分背景及杂波抑制,时域上采用三帧差分方法增强目标。融合后对图像进行自适应阈值分割,得到潜在目标点,最后根据目标运动的连续性与规则性采用邻域判决法滤除虚警点,检测出目标的运动轨迹。仿真结果显示该方法能较好检测出复杂背景下低信噪比运动小目标。     

基于改进的双边滤波的单帧红外弱小目标背景抑制

提出了一种基于双边滤波的弱小目标背景抑制算法,传统的方法是直接用双边滤波对背景进行抑制,虽然能很大程度上保留背景,但也保留了小目标的信息,使得残差图上的信杂比不是很大,仍要后续的分割算法进行处理.改进了滤波器,在滤波中加入模板的限制,从而改善了这一缺点,提高了图像的对比度和信杂比.实验结果表明改进的滤波器与传统的双边滤...     

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。     

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点.介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法.该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割.实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标.     

空中红外运动点目标检测算法

针对空中红外点目标的特性,提出了一种检测算法。首先,对图像进行高通滤波预处理,增强目标与背景的对比度。增强后的相邻帧图像做差分运算以进行目标的粗检测,提取出候选目标区域;其次,对原图像或预处理后的图像在候选区域内进行自适应分割,检测出点目标;最后,根据目标像素在序列图像中运动的连续性排除噪声干扰,从而准确地检测出真实目标。通过对红外图像序列进行实验,证实了算法的有效性。     

基于图像感知哈希的行人跟踪算法

针对传统目标跟踪算法计算复杂度高,在发生遮挡、形状改变时,运动目标丢失的问题,提出了将图像感知哈希算法应用于目标跟踪问题上,并针对行人这一特定目标进行了改进。按照行人的特征,将其分成若干区域,给不同区域分配不同权重,计算跟踪目标的感知哈希值,计算待测区域的哈希值,选择合适的待测区域作为目标区域。该算法与MeanShift算法相比,能更好地处理目标遮挡,不易产生目标丢失,且具有较低的复杂度。     

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。     

红外图像序列小目标的特性分析与检测

在红外图像中微弱小目标的检测一直是研究的重点和难点。文中介绍了一种利用形态学的Top-hat算子检测方法，主工步骤是先对图像进行滤波，然后依据目标运动的连续性进行目标检测，并对检测所得的目标特性进行分析。实验表明，该检测方法十分有效，并且还发现图像序列中小目标的灰度和质心位置变化是有规律的，它可提高检测的准确性。     

Track Initiation for Dim Small Moving Infrared Target Based on Spatial-Temporal Hypothesis Testing

Track initiation for dim small moving target particularly in a heavy clutter environment is a theoretical and technological challenge for diverse tracking systems. The different spatial-temporal characteristics presenting in sequence scans are utilized to recognize target and initialize track in this paper. In spatial domain, the small target mapped in the image is a uniform gray spot other than pixel-sized object with high congregated degree, whereas, the false alarm is independent, irrelative and lower congregated degree. In temporal domain, the target’s trajectory projected on image sequence is continuous for the continuity of target motion and will appear in the neighborhood at consecutive instants with the maximum probability, on the contrary, the false alarm is disorderly, and occurs in the neighborhood at consecutive instants is impossible. Based on the spatial-temporal characteristics mentioned above, a track initiation algorithm for dim small moving target based on spatial-temporal hypothesis testing, which consists of neighborhood clustering and trajectory continuity, is derived and analyzed in detail. The theory analysis and experimental results show that this method could effectively initialize the track for dim small moving target in heavy clutter environment.     

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。     

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题．提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标．在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性．利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率．抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

红外制导系统中的点目标检测技术

本文讨论红外自动寻的末制导系统中的点目标检测问题。文间分析了点目标检测的难点及可能解决问题的途径，并基于目标轨迹的连续，平滑特性提出了一种利用构造总代价函数并使之最小从而实现对点目标检测的非线性方法，针对匀速运动和匀加速运动两种轨迹的不同特性具体推导了两种检测算法，最后，对检测器统计检测性能进行了估算。     

基于粗糙集的红外弱小目标检测方法

提出了利用粗糙集理论处理不完整信息的能力对红外弱小目标的运动轨迹进行辨识的检测方法。首先利用形态学滤波算法，分离出每帧图像中候选目标并提取其特征属性。把提取到的特征属性作为条件属性，把每帧图像中候选目标作为个体，构成知识决策系统。通过对决策表进行约简，得到决策系统的最小决策算法，并利用序列图像中目标运动的连续性和轨迹一致性来实现小目标的识别。实验表明，该方法能够有效解决目标跟踪过程中目标短暂丢失以及重现的问题，实现弱小目标的稳健检测和跟踪。     

红外图像序列中运动弱小目标检测的方法研究

研究在红外图像序列中检测运动弱小目标的方法。首先通过高通或形态学滤波进行图像预处理，进一步用似然比检测分割出侯选目标，考虑到环境干扰造成的目标在某一帧暂时消失的情况，提出了利用目标运动特征通过选择合适的邻域判决条件并结合图像流分析提取运动弱小目标的一种方法。模拟实验表明该方法能够准确高效地检测出运动弱小目标。