基于局部特征统计的小目标检测算法

本文提出了一种新的基于局部特征统计的红外图像小目标检测方法。首先对图像的局部区域灰度概率进行统计,通过阈值分割,去除图像中缓慢变化的背景和弱的边缘,得到包含强的边缘点、噪声点和目标点的残留图像,然后利用残留图像内各点的局部方向信息测度的差异,进一步剔除强的边缘点。最后通过多帧累加判决的方式将真实目标从噪声点中检测出来。实验表明该方法能够极大地减少候选目标点数,准确有效地检测复杂自然背景中的红外运动弱小目标,适合于实时和多目标的检测。     

复杂背景下红外点目标的检测

在分析红外点目标、噪声及杂波模型的基础上,提出了基于二次滤波的复杂背景下红外点目标的检测算法,该算法由二阶滤波器组成。根据点目标的模型特点,通过选择合适的高通滤波器,可有效地增强信噪比、抑制噪声。实验结果表明该算法效果良好。     

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。     

海面红外小目标检测算法研究

针对海面红外图像中出现的海面杂波和孤立噪声点的问题,采用了一种将空间域的滤波结果在时间域进行二次滤波的方法,实时地检测海面图像中的小目标。在空间域上,根据海面杂波具有一定方向性的特点,设计了4种方向的结构元素分别进行形态学运算来抑制海面杂波,再使用均值融合准则进行融合。在时间域上,利用目标在帧间的运动具有连续性而噪声点不具有该性质的特点,采用均值加权滤波的方法来滤除孤立噪声点,最后使用自适应门限分割检测出小目标。实验结果表明,本文算法在复杂海面环境下,能有效地抑制海面杂波和孤立噪声点的影响,减小虚警率,是一种有效的海面小目标检测方法。     

基于高阶统计判据的红外弱小运动目标检测

针对红外预警与跟踪系统中的实时弱小运动目标检测问题，在分析红外灰度图像的非平稳高斯特性的基础上，提出了一种基于高阶统计判据的检测算法。先用一个空域的白化去均值滤波器进行空间背景抑制，为下一步时域高阶统计判据建立一个不相关的高斯背景，根据三阶以上的高阶累积量对于高斯随机过程“盲”的原理，用高阶累积量作二元统计判据检测红外图像背景中的运动弱小目标。算法全面考虑了红外灰度图像和目标在时域与空域方面的特性,大大增强了目标信噪比。通过实际获取的大地背景目标红外数据检测表明,此算法能有效地从复杂背景中检测低信噪比运动小目标,虚警率少,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。     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

红外起伏背影下运动点目标的检测方法

文中根据目标，背影干扰和噪声在红外序列图像中的差异，提出了一种基于空间高通滤波和时间域上最大递归滤波的运动点目标检测方法。     

基于改进随机漫步者非凸秩逼近最小化的复杂背景下红外点目标检测方法研究

红外点目标检测是红外制导系统的关键技术之一,是军事应用领域的研究热点。一方面,点目标在大气传输和散射过程中由于观测距离长,常常淹没在背景杂波和大噪声中,信噪比低。另一方面,图像中的目标以模糊点的形式出现,使得目标没有明显的特征和纹理信息。由于不同红外图像中的点目标具有不同的外观、形状和姿态,加之噪声杂波的干扰遮挡,经过单帧检测后,除了真实目标外,图像中可能有虚假目标和一些强噪声。因此,由于这几个因素,红外点目标检测变得非常困难。为了解决这一问题,作者研究了红外点目标检测的相关方法,提出了非凸秩逼近最小化方法（NRAM）与改进的随机漫步者方法（MRW）相结合的方法（NRAM-MRW）,在复杂的红外背景下,针对红外点目标的检测中有着较好的检测效果。     

一种基于白化滤波器的红外小目标检测方法

提出了一种新的红外图像场景模型,新模型认为红外图像中只包括2种类型的点:目标和起伏噪声。提出了基于这种模型的白化滤波器,给出了对红外图像背景进行白化的算法步骤,并采用基于单个像素局部邻域估计该点功率谱的方法实现了白化滤波器。实验结果表明,这种方法能够很好地白化起伏背景,为进一步的红外目标检测打下了基础。     

低信噪比下两种点目标检测算法的研究

红外图像中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。当红外图像传感器和目标之间距离很远时,目标在焦平面上成像面积很小,一般不超过探测器像元的大小,因此目标在图像中表现为点目标,且信噪比极低,目标被噪声（杂波）所淹没,给目标的检测带来了极大的困难。这一领域,前人已经进行了大量的研究工作,并提出了一些检测算法。文中也研究设计了两种红外图像点目标检测算法,并对其进行了计算机仿真实验和分析,结果表明这两种算法具有较好的检测能力。     

改进的分形检测海面漂浮小目标方法

为了提高海杂波中漂浮小目标的检测概率,提出了一种改进的分形检测海面漂浮小目标方法。首先,利用去趋势波动分析方法计算海杂波的分形维数;其次,利用计算过程中的“副产品”———截距组成二维判决空间;最后,通过聚类分析,检测出海杂波中的漂浮小目标。在实测数据基础上对改进算法进行了验证,结果表明：海杂波和小目标在判决空间存在明显的差异性;与Hurst指数法、神经网络集成预测法等方法比较,改进算法提高了目标检测概率;交叉极化方式( HV、VH)的检测效果优于同极化方式( HH、VV)的检测效果。     

基于神经网络的远程激光测距机混沌弱信号检测

为了解决杂波背景下的激光微弱目标检测的问题,结合混沌动态建模思想,讨论了激光回波的混沌特性,提出激光信号非线性混沌序列的神经网络建模、预测及信号检测算法。利用预测误差检测到激光杂波中的有用弱信号。仿真结果表明,这种方法是比较有效的。     

弹载导引头雷达ΣΔ-STAP低秩矩阵恢复检测方法

当弹载导引头雷达检测运动目标时,由于海杂波谱严重扩展,和差波束空时自适应处理（ΣΔ-STAP）方法抑制海杂波能力非常有限,提出了一种基于低秩矩阵恢复的弹载导引头雷达ΣΔ-STAP方法。该方法基于低秩矩阵恢复理论建立弹载导引头雷达ΣΔ-STAP信号模型,首先采用ΣΔ-STAP方法预处理海杂波;然后利用鲁棒主成份分析（RPCA）技术从距离多普勒数据矩阵中分离出含有目标成分的稀疏矩阵;最后从距离多普勒谱图中有效地检测出运动目标。仿真实验验证了该方法在低信噪比情况下的有效性和鲁棒性。      

基于高斯短时分数阶Fourier变换 的海面微动目标检测方法

海上目标随海面颠簸导致姿态变化,引起回波功率调制效应,导致回波多普勒体现时变和非平稳特性.为此,本文将微多普勒理论应用于海杂波中弱目标检测,提出一种基于高斯短时分数阶Fourier变换(GSTFRFT)的海面微动目标检测方法.首先,建立海面目标的平动和三维转动回波模型;然后,基于海尖峰判别方法对回波信号进行数据筛选,改善信杂比,并采用GSTFRFT对微动信号进行增强处理,利用海面目标与海杂波的微动特征差异设计恒虚警检测方法;最后,通过GSTFRFT域滤波,提取信号的微动特征并得到瞬时频率.实测雷达数据仿真结果验证了算法的有效性,具有在强海杂波中检测微弱目标的能力.     

基于MRF的自适应正则化红外背景杂波抑制算法

针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现.     

基于自适应可调Q因子小波变换的海杂波背景下的目标检测技术

本文针对海杂波背景下的慢速微弱目标的检测问题,根据海杂波和目标的振荡特性差异,提出了一种基于自适应可调Q因子小波变换（Adaptive Tunable Q-factor Wavelet Transform, A-TQWT）的海杂波背景下的目标检测算法。通过迭代计算、搜索出最能匹配海杂波和目标振荡特性的可调Q小波变换（TQWT）三元参数组合 ,运用形态分量分析法（Morphological Component Analysis, MCA)对海面回波信号进行分析,得到目标的最优稀疏表示;再根据目标分量各小波子带占总能量的比重,选取合适的门限确定重构小波系数集进行重构,得到目标的重构信号,从而实现目标和海杂波的有效分离。最后在IPIX实测数据集上添加慢速微弱运动目标进行算法验证,结果表明本文提出的算法可以有效检测出落入海杂波多普勒通道中的慢速微弱目标,且不需要任何目标和杂波的先验信息。      

降低船用连续波雷达虚警概率的海杂波抑制方法

为了解决海杂波引起的船用连续波雷达虚警概率增大,以及海杂波抑制算法工程应用难度大的问题,提出了一种工程实用的海杂波抑制方法。首先,通过双参数删除型CFAR检测算法和统计检测算法进行二次检测;然后,依据邻近帧之间目标回波相关性较强和片状海杂波相关性较弱的特点进行帧间处理。仿真和海上实验均表明,应用该方法的船用连续波雷达可以降低不同强度的海杂波背景下的虚警概率。     

基于概率加权和帧间关联的多目标初值估算

针对目标个数的不确定性和目标航迹的初始化问题,提出一种综合的检测算法.首先将序列图像在时域上进行组合,消除背景影响.在此基础上对组合帧图像进行网格划分,估计出目标存在区域,从而缩短了目标搜索时间,然后利用帧间目标的互关联特性初始化各目标的航迹.仿真试验结果表明,该算法具有有效性与实时性的特点.     

基于卷积构型的单元平均CFAR目标检测算法

提出一种基于卷积构型的单元平均恒虚警率(convolution based cell averaging constant false alarm rate, CCA-CFAR)快速检测算法.该算法首先根据背景杂波分布模型计算待检测合成孔径雷达(synthetic aperture radar, SAR)图像统计量矩阵, 然后对单元平均恒虚警率(cell averaging constant false alarm rate, CA-CFAR)检测器构建卷积模型, 利用卷积运算实现对背景杂波的矩估计, 并求出详细的背景杂波分布函数, 最后根据分布函数计算出每个像素的判定阈值, 并对所有待检测像素是否为目标点进行判定.该检测算法复杂度低, 运算效率高, 能够快速实现SAR图像实时目标检测.仿真实验证明了该方法的有效性和工程实用价值.