基于自适应SUSAN各向异性扩散的红外弱小目标检测

针对复杂背景下红外弱小目标提取困难的问题,提出了一种自适应SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合SUSAN边缘检测算子与各向异性扩散,形成新的扩散方程对红外图像进行背景预测,与原图像差分后实现弱小目标检测。为使算法具备自适应能力,提出SUSAN边缘检测器灰度差阈值的自适应设定方法,采用绝对偏差中值算子作为其扩散系数。实验结果表明,该算法能够有效滤除复杂图像背景,大幅提升信噪比,同时保留目标大小。     

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.     

基于注意力机制的复杂背景下红外弱小目标检测方法研究

针对复杂场景下红外图像中弱小目标像素占比少、特征细节不明显致使目标特征提取困难、检测准确率低的问题，提出了一种基于注意力机制的复杂背景下红外弱小目标检测方法。该方法以YOLOv5网络为基础，设计SimAMC3注意力机制模块，优化网络的特征提取层；设计目标检测头，通过增加特征融合层来改变其开始进行特征提取的深度，获得新的弱小目标检测层，使浅层特征层更好地保留弱小目标的空间信息；改进预测框筛选方式，提高距离相近或重叠目标的检测精度。实验选取了两个SIRST红外弱小目标图像数据集，对其进行标注并训练。实验结果表明，改进后的算法与原YOLOv5算法相比，平均精度均值（mAP）分别提升了4.8%和7.1%，在不同复杂背景下均可有效检测出红外弱小目标，体现了良好的鲁棒性和适应性，可以有效应用于复杂背景中的红外弱小目标检测。     

基于局部二元模式算子的红外弱小目标检测

文中针对在传统红外弱小目标检测中,需要进行背景抑制滤波所带来的图像性质改变和检测速度不理想的问题,提出了一种基于局部二元模式(local binary pattern,LBP)算子的红外弱小目标检测方法.该方法对传统LBP算子进行了改进,使其提取的LBP编码值可以有效地描述红外弱小目标的灰度分布特性,达到了在不进行背景抑制滤波的条件下有效检测弱小目标的目的.结合改进的LBP算子和红外弱小目标灰度的"尖峰"特征,建立了灰度自适应快速扫描机制,有效提高了检测速度,降低了重复告警的出现概率.通过实录红外图像序列检测实验,证明本文方法在检测性能和检测速度方面的有效性和优越性.     

基于小波多尺度分析及Fisher分割的红外弱小目标检测

介绍一种新的红外图像序列中的弱小目标检测方法，利用小波多分辨特性，对图像进行预处理，以抑制背景杂波；利用改进的Fisher算法，对经预处理后的图像进行分割，最终将目标从背景中分离出来；对相邻帧进行差分运算，估计目标的运动轨迹采用本文方法与类别方差自动门限法，对大量的红外弱小目标进行了检测，实验对比结果表明了该算法的有效性。     

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。     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

时空域滤波方法在红外弱小目标检测系统中的应用

针对远距离红外弱小目标低信噪比的特点,提出一种空域滤波与粒子滤波相结合的目标检测方法.首先在空域进行形态滤波Tophat变换,抑制背景和背景杂波,得到了滤除背景的目标图像,再通过滑窗累积方法进一步增强目标,提高目标的信噪比,增大检测概率.然后根据目标时域运动的连续性和规则性,采用基于粒子滤波预测的邻域目标检测判决方法,达到弱小目标检测的目的.实验结果表明:该方法能够有效地检测出幅度信噪比约为1.7的弱小目标,对背景变化情况下的弱小目标检测具有较好的适应性.     

基于背景抑制的改进Top-Hat红外小目标检测方法

针对红外小目标在背景较为复杂时边缘模糊不易被检测、虚警率高等问题,提出了一种基于SUSAN背景抑制的改进Top-Hat的检测方法。该方法先将原图像做SUSAN背景抑制,再对抑制后图像做开运算,最后将开运算结果与原图像做比较并分别赋值得到结果图像。为了验证改进Top-Hat方法的优越性,在图像做完背景抑制后分别做传统Top-Hat处理与改进后的Top-Hat处理,并对其结果进行了对比。结果表明,所提算法能够大大提高复杂背景下红外小目标的检测概率,有效地减少伪目标数量,即降低了虚警率。     

红外弱小目标的单帧捕获

提出了基于背景预测的单帧检测弱小目标改进算法.该算法采用改进的最大值背景预测算法.为了能同时检测点目标和小目标,预测背景的四个预测窗的位置与目标点之间保持一定的距离,保证预测窗中的像素能准确反映当前像素灰度中的背景灰度信息.为了保证单帧的较低的虚警率,同时结合多方向多极梯度算法,对背景预测初步检测出来的可能目标点进一步检测,以排除绝大多数的虚假目标.经实验证明,该算法在单帧图像上能很好的检测出弱小目标来,并能满足实时性的要求.     

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SUSAN算法和行列均值分割的海面舰船检测

提出一种基于SUSAN检测和行列均值分割的复杂海天背景的红外舰船目标检测算法。首先建立一个简单的舰船轮廓模型,结合SUSAN算子检测得到感兴趣区域ROI,并且感兴趣区域的大小可以由轮廓模型进行一定的控制;然后对感兴趣区域运用改进的行列均值分割得到舰船目标。实验结果表明,提出的算法能正确分割出舰船目标。     

利用局部灰度特征分析实现红外弱小目标检测

提出了一种利用局部灰度特征分析进行红外弱小目标检测的新方法.该方法通过判断图像局部灰度包络曲面是否具备二维高斯函数曲面特征实现红外弱小目标检测,不需要进行传统的背景预测.设计了新的目标局部灰度特征提取方法和适合工程计算的自动目标检测算法.实验结果证明了算法参数选择策略的有效性,验证了算法对复杂背景边缘良好的杂波抑制能力...     

一种改进的基于时域的红外弱小目标检测算法

提出了一种基于时域的红外弱小目标检测算法.该方法根据目标与背景的时域特性,建立了不同像素类型的时域模型.首先,对不同像素模型的时域方差进行分析,滤除掉天空背景以及云内部的像素;然后,根据时域剖面线偏离其包络线的程度不同,对弱小目标进行检测.理论分析和实验结果表明文中算法对于低信噪比条件下的弱小目标检测,具有很好的检测性能.     

基于改进YOLOv5的复杂背景红外弱小目标检测算法

针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5（You Only Look Once）的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值（mean Average Precision,mAP）可达99.6%以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低。     

基于多向差异度的红外弱小目标检测算法

在分析红外图像中弱小目标的特征后,针对目前经典的红外弱小目标检测算法性能不足的问题,提出了一种基于多向差异度的红外弱小目标检测算法。该算法利用待检测像素点在各方向上的差异度来判决其是否为目标,无需背景预测、图像增强等处理,因此其构造简单,计算量小,易于实现,并能有效改善复杂背景环境下红外弱小目标的检测性能。通过大量的仿真实验证明了该算法的有效性和优越性。     

云杂波背景下红外弱小目标的改进检测算法

根据目标和背景的时域特性,建立了不同像素类型的时域模型。提出了一种基于时域廓线的云杂波背景下红外弱小目标的一种改进算法。首先,采用基于时域方差滤波预处理方法,滤除平稳背景;然后采用基于时域廓线的目标检测方法,根据时域剖面线上的拐点值变化,转化为大小相当的正负脉冲来检测目标。理论分析和实验结果表明,文中算法对于不同云杂波背景具有广泛的适应性。     

基于梯度直方图和SUSAN算子的红外目标检测

红外制导技术的核心任务是将视场中的目标提取出来,然而受多种因素的影响,红外成像呈现出信噪比低,对比度不强的特点。为有效检测出红外目标,首先分析红外图像梯度信息并进行直方图统计,发现其值只占据窄小的区间,借鉴直方图均衡化思想,对梯度直方图进行拉伸,并与原图进行加权融合,增强图像对比度的同时增大信噪比,然后采用改进的SUSAN算法对图像进行处理,可较好的提取出红外目标。仿真实验结果表明,与传统算法相比,文中算法计算量小、运行时间短,可有效检测出目标,有利于工程实现。     

云杂波背景图像序列中小目标检测算法研究

云杂波背景图像序列中运动小目标的实时检测算法，是红外精确制导系统中的关键算法之一。首先对云杂波背景图像像素进行分类分析，研究了两种最大顺序滤波器和利用序列图像中像素时域剖面检测小目标的自适应方差滤波器算法，继而提出了一种适合云杂波背景的小目标检测算法。使用此算法对两组真实图像序列中运动小目标进行检测，根据对检测结果的分析，指出此算法可有效地完成检测任务，并且具有运算简单、存储量小、可并行实现、实时性好等特点。最后提出了后续工作的方向。