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TAPF算法的红外景象匹配特性研究

红外景象匹配是自动目标识别领域的一个重要方向,如何在复杂的天气条件下提高红外景象匹配概率是研究的难点.在研究不同天气条件下的红外成像和传统匹配滤波器性能的基础上,提出了三值振幅-位相匹配滤波算法（TAPF）,该算法结合了二值振幅信息与二值相位信息进行编码.对比灰度相关、二元纯位相匹配滤波和三值振幅-位相匹配滤波三种相关算法在不同天气下的结果,实验表明,提出的TAPF算法在相关面上的相关峰特性参数均优于其他两种算法,对恶劣的天气条件具有较强的适应性,是一种有效的红外景象匹配滤波算法.     

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。     

一种基于时域滤波的红外点目标检测算法

基于天空背景的红外运动点目标检测和跟踪是红外成像制导信息处理的重要研究内容.在分析红外图像序列的基础上,利用矩阵奇异值分解,提出了一种基于时域滤波的目标检测算法,通过选择滤波器的参数,该算法可以有效分离天空中的云团背景以及所检测的目标,最终试验结果验证了算法的有效性.     

红外点目标的辐射特性分析及目标检测系统的设计

分析了不同背景下目标的红外辐射特性．通过计算远距离红外点目标在探测器上理想状态和实际状态的探测概率，得出影响红外点目标检测的多种因素。在电路设计中详细介绍了两种红外滤波算法，同时对滤波算法进行详细的理论计算，并且选择高性能数字信号处理器进行滤波后的数字图象的综合处理，解算出当前目标的相关信息．实现对红外点目标的实时检测．     

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。     

低信噪比下抖动的红外弱小目标的实时检测

文章根据实时测量需要,结合硬件提出了一种快速算法。在分析红外点目标、噪声及杂波模型的基础上,通过去除温度非线性及选择合适的高通模板的预处理,有效地抑制了噪声,提高了信噪比,从而达到复杂背景下红外点目标检测的目的。已成功研制了一种红外处理系统,它实时完成了弱小目标的有效检测和精确跟踪。     

基于三值振幅-位相滤波器的红外景象匹配算法

针对传统的二元纯位相匹配滤波器进行光电混合景象匹配时存在信息丢失量大、识别困难的问题,提出了三值振幅-位相匹配滤波器算法.对红外景象匹配过程进行了计算机仿真实验,并与BPOF和ACMF匹配算法的相关结果进行对比.实验表明,三值振幅-位相匹配滤波算法提高了相关面的信噪比、相关峰锐度,增强了系统的抗噪声能力,进而有效地提高了景象匹配概率.     

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。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

基于冗余小波变换的高频地波雷达目标检测算法

为了从高频地波雷达(High Frequency Surface Wave Radar, HFSWR)信号生成的复杂距离多普勒(Range Doppler, RD)图像中准确提取运动点目标, 提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation, RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异, 首先在距离方向进行自适应RDWT以去除海杂波和地杂波, 并在多普勒方向进行自适应RDWT以去除电离层杂波; 然后利用图像形态学运算对背景噪声进行了抑制; 最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声, 能从复杂的RD图像中实现点目标的有效检测, 其检测性能优于改进的恒虚警率(Constant False Alarm Rate, CFAR)算法.     

强杂波中双波段目标检测新算法

对海空背景下的电视和3～5μm红外目标提出了一种采用多向梯度表决融合的检测方法：依据背景图像中点目标的奇异特性，得到图像的多向剃度检测结果，并进行表决融合。通过实测的电视和红外图像仿真，结果表明，采用“and”判决规则的多向梯度表决融合的检测算法消除了云层、海浪、海天线等背景干扰，在实现高检测概率的同时，可以达到较低的虚警概率。该算法特别适用于低帧率的红外警戒系统，可检测信杂比为1的点目标。     

改进帧差与分水岭算法融合的运动目标检测法

针对机器视觉系统中运动目标检测问题,在帧间差分法的基础上,提出了一种新的运动目标检测算法。采用改进的帧间差分法,融合分水岭算法分割特点,获得真实目标的轮廓,并进行实验验证。结果表明,该算法对帧差法进行改进后,得到的动态目标更接近于实际情况,改进的算法更适合于智能系统中消除杂波及对运动目标的检测。     

基于时频脊-Radon变换的海面小目标检测方法

针对海杂波背景下雷达对海面弱小目标探测技术难题,提出一种基于时频脊-Radon变换的帧平滑双特征检测方法。该方法首先采用分块白化方法对海杂波进行抑制,根据抑制后海杂波单元与目标单元在时频域二维平面呈现的不同能量分布特征,对时频脊做Radon变换并在变换域特征空间中提取出峰值和频宽特征。考虑到实际雷达采用的相干脉冲数通常较少（大多情况下为64个或更少）,易导致特征不稳定,进而影响海杂波与目标可分性,为此,通过多帧扫描历史数据和当前帧数据的综合应用,对特征做帧平滑处理以增强可分性。最后采用凸包分类算法,在双特征平面进行融合检测。经2级和4级海况实测数据验证,在同等参数条件下,本文检测方法相比已有基于时频三特征的检测方法、频域CFAR检测方法和分形特征检测方法具有更好的检测性能。      

一种基于空间滤波的红外小目标检测算法及其应用

针对红外探测系统中单帧红外图像中的小目标检测问题,在分析红外场景模型的基础上,提出了一种基于自适应噪声平滑和空间滤波的背景杂波抑制算法.该方法对于起伏背景下红外小目标的检测有良好的性能,且具有目标信息损失小的优点.同时,利用ADSP-TS201S高性能数字信号处理器实现了该算法,并成功应用到某全向红外搜索跟踪系统中.实验结果表明,在低信噪比情况下,算法有很好的检测性能.     

An Improved Wavelet Denoising Algorithm for Wideband Radar Targets Detection

A novel denoising technique based on wavelet transform modulus maxima (WTMM) is proposed for processing wideband radar spread targets detection signal in a clutter environment. Combined with the improved adaptive Bayes–Shrink threshold and Lipschitz exponents, we propose the path pruned approach at each scale terms as full-scale to split the signal. The estimation of WTMM over each scale has been optimized, thus, the signal and the noise can be split effectively. Additionally, to improve the computational efficiency, a fast method based on a piecewise polynomial interpolation algorithm is applied for the split signal reconstruction. Statistical results are quite promising and perform better than the conventional denoising algorithms: compared with the classical WTMM algorithm, the improved WTMM full-scale denoising algorithm not only increases the signal-to-noise (SNR) ratio by over 10 % but also reduces the processing time by 88 % and reduces the root-mean-square-error (RMSE) by over 35 %. More generally, the proposed algorithm has better performance than that of several typical algorithms in its denoising quality and singularity detection.     

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.     

Wavelet-Based Detection and Its Application to Tracking in an IR Sequence

We propose an effective technique using a wavelet-based temporal decomposition algorithm to detect single-pixel targets with motion from frame to frame. We next integrate the proposed detection algorithm with an interacting multiple-model method and multiple filter bank approach to provide an effective solution for tracking multiple single-pixel nonmaneuvering and maneuvering targets. Through Monte Carlo simulations, we establish the efficiency and robustness of the proposed approach. Based on exhaustive empirical study, we demonstrate the effectiveness of our proposed approach in tracking multiple single-pixel targets in a sequence of infrared images with clutter and occlusion due to moving clouds in airborne applications.     

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。