在线自适应选择子空间的红外目标跟踪方法

传统基于子空间的目标跟踪方法以能量大小为准则建立子空间,没有考虑目标与背景之间的鉴别性,当两者间存在近似外观分布时将降低跟踪系统的性能。考虑到红外图像信噪比、对比度不高等特点,提出了一种以评估目标与背景间可区分能力为基础的子空间选择方法,并将该方法有效嵌入到粒子滤波跟踪框架下实现对红外目标的鲁棒跟踪。首先利用采样粒子分布以及当前目标状态,综合衡量粒子与目标间的特征分布差异和粒子逼近目标的程度来评估不同子空间的鉴别性,然后选择鉴别性最优的子空间作为下帧的跟踪子空间,从而实现对红外目标进行子空间自适应选择的鲁棒跟踪。对多个复杂场景下的目标跟踪实验表明所提出的算法要优于传统基于增量子空间学习的跟踪算法。     

基于小波提升框架及小波能量的红外弱目标检测方法

针对图像序列中红外弱小目标的检测与跟踪中遇到的难点，即信噪比低、帧间相对位移小等问题，提出一种基于小波提升框架及小波能量的目标检测算法。新方法首先对隔帧融合生成的图像进行小波提升变换，然后通过计算水平及垂直方向上小波能量并选取合适的阈值将目标提取出来，再结合目标的帧间相关性实现准确跟踪。由于新方法联合考虑了帧间信息及单帧的灰度信息，因而检测结果比常规方法更为准确可靠。试验结果表明，新方法对信噪比小于2、帧间位移小于一个像素的红外斑点目标的检测与跟踪十分有效，并且实时性很好。     

一种红外小目标的图像检测方法

针对复杂背景条件下的红外图像目标检测问题,将空域滤波和时域滤波相结合,提出了基于数学形态学的目标检测算法.该算法先对原始图像序列作能量膨胀累积以增强目标信息和提高信噪比,然后采用基于数学形态学的Top-Hat变换空域滤波处理技术消除在目标尺度范围外的背景、干扰和噪声,达到探测目标的目的.仿真结果验证了该算法是一种实时、有效,且易于实现的目标探测方法.     

一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

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。     

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。     

基于大气红外背景抑制的空中目标跟踪技术

复杂大气背景的抑制是提高红外运动目标跟踪精度的关键技术.针对远距离目标低信噪比、强杂波等特点,使用基于小波分析的目标跟踪方法对空中红外目标进行了探测,跟踪精度为82%,表明该方法可以有效地提高空中目标跟踪精度.     

一种自适应空间目标提取的红外跟踪系统设计

设计了一种用于空间目标探测的红外精跟踪系统。该系统基于ADSP-TS201 DSP,系统的软件设计采用了VDK内核。针对获得的空间目标红外图像特性,综合采用了自适应背景去除、动态阈值、卡尔曼滤波的目标检测和跟踪算法。实验结果证明,本设计可满足系统对空间目标实时跟踪要求。     

基于遗传搜索的低信噪比图像点目标跟踪算法

该文提出了一种快速检测,跟踪序列图像中低信噪比（〈２）点目标的算法。该算法有机地结合了遗传算法与多级假设检验算法。仿真结果表明应用此算法,可快速实现信噪比小于２的点目标的检测与跟踪,文中根据低信噪比点目标检测的难点,设计了合适的编码方案,提出了合格个体保留法,选择了合适的遗传算法。     

基于Sinda/G和Matlab的空间目标红外辐射特性分析

空间目标的红外辐射特性分析一直是比较难的课题,文中提出采用Sinda/G软件和Matlab编程相结合的方法来研究空间目标红外辐射特性。介绍了Sinda/G软件的基本原理,阐述了基于Sinda/G和Matlab实现空间目标红外辐射特性分析的具体流程。以空间球面壳体目标为例,利用该方法得到了目标的红外辐射强度以及跟踪探测器在不同时刻、不同观测方向接收到的红外辐射强度。此方法在研究空间目标红外辐射特性,实现空间目标探测和跟踪方面具有十分重要的意义。     

基于多向梯度法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信噪比(SNR)低、对 比度小造成的红外目标检测率低和实时性差的问题,提出一种基于多向梯度法的红外弱小目 标快速提取算法。目标提取前, 利用多尺度拉普拉斯-高斯(LoG)算子抑制图像背景,凸显背景边缘轮廓与弱小目标;然后 引 入多向梯度目标搜索算法,选取最佳梯度数,利用最简算法快速搜索目标。实验结果表明, 本文算法处理后的红外图像有较高的SNR与对比度,检测率 为传统红外目标提取算法的1.5倍,充分保证了检测精度,且计算耗 时短,实时性强。     

改进高帽变换的红外目标增强和提取算法

红外图像增强及其目标提取是军事航空航天领域和国民经济发展的一项至关重要的技术。针对红外图像对比度低、特征信息不明确、杂波严重、信噪比低、视觉效果模糊的问题,对形态学中传统的高帽变换算法进行优化,提出了基于改进高帽变换的红外目标增强和提取算法。该算法通过引进判断值和加权系数,对高帽变换进行改进,对红外小目标进行增强,利用迭代算法对图像阈值进行处理,进而实现小目标的提取。实验结果表明,提出的算法可以很好地增强红外图像视觉效果,有效的提取红外小目标,方便后续的目标识别和目标跟踪等,应用前景广泛。     

红外探测系统抗地物及云层算法研究

通过对红外探测系统图像的地物、云层背景及目标特征的详细描述和分析,提出了目标背景亮度和梯度信噪比检测算法以及目标纵向边缘跳动方差检测算法,用于降低云层、地物中的虚警,并给出了算法流程和实验结果。该算法作为辅助算法应用到了红外探测系统中,取得了良好的效果。     

时空联合红外小目标检测算法的设计与实现

针对小目标检测方法受信噪比影响较大的情况,本文提出了一种时空联合小目标检测方法,通过使用目标的灰度特征,梯度特征,运动特征实现对小目标的检测,并在FPGA平台上完成了硬件实现。实验结果表明,本文提出的算法检测准确性较高,实时性较好,能够实现对红外小目标的实时检测。     

基于非下采样Contourlet变换的红外小目标检测方法

对存在背景干扰和噪声情况下的红外小目标检测方法进行了分析,提出了一种时空结合的红外小目标检测算法.首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,接着对残差图像进行非下采样Contourlet变换,利用非下采样Contourle分解后子图像的特性抑制剩余的背景并消除噪声,提高了目标信噪比,最后通过...     

基于多特征融合相关滤波的红外目标跟踪

针对红外目标分辨率低、对比度差、信噪比低、纹理信息缺失等特点,提出一种融合多特征的红外目标跟踪算法。利用背景感知相关滤波器生成大量真实样本,对红外目标提取HOG特征和运动特征,通过线性求和方式进行特征融合,更好地发挥各自特征优势,实现对红外目标运动的精准跟踪。另外,提出使用空间加权窗代替传统相关滤波器中的余弦窗,可以更加突出目标的中心位置,同时也能很好地抑制边缘效应。采用VOT-TIR 2016数据集对算法性能进行评估,同时和15种流行算法进行比较。结果表明,本文算法在精确度和成功率上的得分分别为0.751和0.697,在精确度和成功率指标方面分别提高了8.8%和15.4%,具有一定的研究价值。     

低信噪比运动红外点目标的检测

为解决高空背景条件下红外低噪比运动点目标的检测问题,本文提出了一种基于膨胀累加的检测方法。运用形态膨胀运算能够使同一目标处于不同帧上的能量仍然能够实现有效的累加,从而达到目标增强的目的。同时本文还采用小波变换预处理的方法,对图像中相关的１／ｆ噪声进行白化。本文对这一方法进行了大量的仿真实验和详细的理论分析。实验证明该算法能够快速稳定地检测出信噪比为２的运动点目标。     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

低信噪比下星光点目标的检测

大气相干长度仪作为测量大气参数的仪器,白天用太阳边缘(夜晚利用恒星)成像在CCD上,利用到达角起伏法测量大气参数.在昼夜交替阶段,肉眼看不到星光而太阳高度角不在可测范围而无法测量.为进行此时间段连续测量,首先要实现低信噪比下星光点目标的检测.在选用合适红外滤波片和高灵敏度CCD的基础上,对采集到的图像进行帧累加和局部增强等处理方法,较好地完成了目标的检测.     

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。