基于多向梯度表决融合的双波段目标检测算法

为解决海空复杂背景下弱点目标的检测,针对电视和3～5μm红外弱点目标提出了一种采用多向梯度表决融合的检测方法。该算法依据目标辐射特征是像素灰度在水平和垂直方向上梯度变化,将弱点目标特性转化为对图像奇异性的分析。采用匹配的梯度分割阈值分别对红外和电视通道的图像进行检测,并对各通道的检测结果进行表决融合。仿真实验通过实测的海空背景下电视和3～5μm红外图像进行。在红外梯度阈值系数选取为2．4～2．8、电视梯度阈值系数选取0．6～1．8时,可实现对信杂比(SCR)为1的海空背景下点目标的检测概率≥97％,单帧图像的虚警个数≤10。     

基于形态滤波与帧间差分的红外点目标检测算法

针对复杂背景下弱点目标的检测问题,提出一种基于形态学处理和帧间差分相结合的红外点目标检测算法。该算法依据背景的缓变特性,采用帧间差分法消除背景孤立奇异点,突出目标信息,建立了预测复杂背景的有效模型。仿真实验证明,该算法能够将复杂背景下的空间点目标可靠地检测出来,便于进一步的目标识别与跟踪。     

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。     

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。     

强杂波中红外弱点目标检测新算法

为解决强杂波中红外弱点目标的检测问题,提出了基于小波变换模极值及其位相值的双特征检测算法。通过去掉相邻奇异点形成的模析值链及位相链,消除云层、海浪及水天线等强要波背景,提高了单帧点目标的检测能力,模拟实验表明,算法特别适用于帧率的红外警戒系统,可检测信杂比为２的点目标。     

基于背景自适应预测的红外弱小运动目标检测

介绍了一种检测背景杂波中弱小红外目标的新方法．该方法根据背景红外辐射空间分布上的相关性,采用ＬＭＳ自适应空间预测滤波技术对背景空间红外辐射分布进行预测,并根据预测误差检测红外运动目标．本文还介绍了改进预测效果的方法,并以实际录取图像的处理结果,说明了上述方法的有效性     

基于局部对比度机制的红外弱小目标检测算法

针对复杂背景和低信杂比条件下的红外弱小目标检测难题,提出了一种基于局部对比度机制的红外弱小目标检测方法。该方法提出了一个包含中心层、中间层和最外层的3层窗口,可以使用单尺度计算完成不同尺度弱小目标的检测。首先,对中心层引入匹配滤波思想,有针对性地增强真实目标;同时,提出最接近滤波原则,对最外层进行背景估计,以缓解目标靠近边缘时的检测难题;然后,在目标增强结果与背景估计结果之间进行比差联合的对比度计算,达到同时增强目标和抑制背景的目的;最后,通过自适应阈值分割,提取真实目标。实验结果表明,相比现有算法而言,该算法可更好地增强目标、抑制复杂背景,且原理简洁易实现,可有效减少运算量。     

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。     

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FPGA的红外目标自动检测系统

红外成像在军民监控领域广泛应用,红外自动目标检测能减少人工参与,有效提高效率。本文实现了基于FPGA的红外目标检测系统,首先对系统的硬件资源需求进行评估,并设计了以FPGA为核心处理器的系统硬件平台。其次,开发了基于FPGA的红外目标自动检测处理流程,经过两点校正与盲元补偿等预处理后的红外图像信号,通过混合高斯背景建模的方法建立背景模型,自动检测前景目标,再将目标区域周围高亮标识出来。实测结果表明,该系统可有效检测出高亮背景下的红外目标。     

基于向量机的红外小目标检测技术研究

针对红外序列图像中弱小目标检测问题,提出了用最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,实现目标的粗定位。真正的目标取决于中心点的灰度是否高于其邻域的平均灰度。并以径向基核函数为例推导出了极值点估计所需的二阶方向导数算子。对模拟和实际图像进行了小目标检测的实验验证。结果表明,基于支持向量机的小目标检测算法具有较强的适应性。     

一种自适应红外目标尺寸变化的检测跟踪算法

在实际场景中随着红外探测距离的缩小,红外弱小目标的尺寸等会动态增长,常用的红外弱小目标检测跟踪算法便无法继续稳定检测与跟踪。为解决上述问题,本文提出了一种自适应红外目标尺寸变化的检测跟踪方法,借助低阈值信噪比实现弱小目标的初筛,并通过自适应尺寸分割避免大目标漏检误检,构建备选目标库,最后配合使用卡尔曼算法模型预测运动轨迹,完成小范围波门检测,实现目标跟踪。与传统DBT（Detection Before Track）跟踪检测算法相比,本文算法可同时兼顾弱小目标和大尺寸目标的检测跟踪,在所选目标尺寸动态增长的场景中,本文算法的检测跟踪率提升了约10%。     

基于萤火虫最优偏差的红外目标检测算法

为了提高红外目标检测的性能,借鉴萤火虫算法,提出了一种基于萤火虫最优偏差的红外目标检测算法。算法首先建立红外目标检测模型,通过红外拍摄系统对目标像点定位,将检测目标的光强分布看成高斯分布函数,利用质心窗口采集图像;以红外点目标成像的艾里斑能量分布做为萤火虫适应度函数,利用差分迭代对红外目标进行检测寻优;通过控制最优偏差估计的检测误差来优化检测目标。最后实验仿真显示本文算法能够检测出红外目标区域,相比其他算法边缘定位更准确,同时检测效率较高。     

基于子波相关算法的红外图像点目标检测( 英文)

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一。目标在图像中的表现为点状 ,且信噪比低 ,目标被噪声 (杂波 )淹没。现结合前人的一些检测算法 ,按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析 ,提出了基于子波相关算法的点目标的检测方法 ,并对其进行了仿真和软件编程。结果表明这种算法具有很好的检测能力     

基于子波相关算法的红外图像点目标检测

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一，目标在图像中的表现为点状，且信噪比低，目标被噪声（杂波）淹没，现结合前人的一些检测算法，按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析，提出了基于子波相关算法的点目标的检测方法，并对其进行了仿真和软件编程，结果表明这种算法具有很好的检测能力。     

基于粗糙集理论的红外小目标检测

红外图像处理中的点目标检测技术是近年来信息处理研究的热点和难点之一，而粗集是一种用于处理含糊和不确定性问题的新的数学工具。本文提出了基于粗集理论的红外小目标检测算法，该检测算法可按红外图像模型的频域属性、灰度值属性和相关性属性，把目标从背景中分离出来。实践结果表明，该算法能够对小目标进行可靠的检测。     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

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。