红外小目标小波多尺度相关检测方法

提出一种基于小波多尺度相关的目标检测方法.该方法通过二进小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换尺度相关性计算相邻大尺度模相关量用来增强信号,抑制噪声,提取粗略边缘图;并结合小尺度检测,具有定位精确的特点,将粗略边缘图与小尺度模图相与,寻找模极大值点,得到最终的检测结果.实验结果表明,该方法较传统的小波多尺度边缘检测方法能更加有效地进行红外小目标检测.     

基于纹理模型的红外图像弱小目标检测

针对红外图像中弱小目标的检测问题，提出了一种基于图像背景纹理分析的检测方法，利用二阶高斯－马尔柯夫随机场（ＧＭＲＦ）模型对背景纹理进行描述，并采用最小平方误差方法进行参数估计，将估计参数作为纹理的特征向量。     

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。     

一种基于多尺度距离像的红外小目标检测方法

本文提出了一种基于背景纹理分析和多尺度距离像分析的目标检测方法.通过小波多尺度分解来提取不同分辨率下背景纹理的能量特征,并计算这些特征向量与中心向量的距离,从而得到相关的距离像,目标检测在所得的距离像上完成.在检测过程中利用红外小目标的特性,根据分析距离像统计直方图来实现检测门限的自适应选取.实验证明该方法取得了较好的效果.     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来.通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标.     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.     

基于小波多尺度图像配准的运动小目标检测

探讨了一种红外图像序列中独立运动小目标检测的新方法。通过一种鲁棒的小波多尺度图像配准过程消除主场或背景运动的影响。同时,利用改进的Fisher算法及小波变换对低频的图像进行分割,最终将目标从背景中分离出来,并对配准后分割的图像差分,获得目标运动轨迹。实验表明了该方法的有效性。     

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。     

基于高压绝缘套管纹理特征的红外目标检测

在基于传统图像分割法的红外图像目标检测中,当背景颜色和被检测物体颜色相近时,往往难以有效地识别红外图像中的被检测物.所以为了进一步提高绝缘套管在红外图像中的识别精度,文中提出一种基于绝缘套管伞裙纹理特征的目标检测方法.首先为增强图像纹理特性,将双边滤波代替传统高斯-拉普拉斯算子中的高斯卷积滤波,通过双边-拉普拉斯进行图...     

基于红外图像改进LBP纹理描述符的弱小目标检测算法

红外搜索跟踪(IRST)是目前受到各国大力发展的目标探测设备,IRST一般用来检测距离较远的红外弱小目标,因为在实际当中获得的红外图像一般信噪比比较低,适于IRST的弱小目标检测算法一般是序列图像的联合检测。针对这样的特点,需要在单帧检测疑似目标的时候将真实目标包含在里面,同时要求疑似目标的数量不能太多。在分析了弱小目标模型后,我们提出了利用改进的LBP纹理描述符进行目标检测的算法,通过实验发现,检测的效果比较好,可以将真实的弱小目标检测出来,同时使得虚假目标尽可能地少。     

基于SA4向量小波变换及Fisher算法的红外弱小目标检测

本文提出了一种新的红外图像弱小目标检测方法,即利用SA4向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后利用Fisher算法对经SA4向量小波变换得到的高频图像进行分割,最终将目标从背景中分离出来;大量实验表明该算法是有效的。     

基于快速独立分量分析的红外运动小目标的检测

针对红外图像运动小目标的特点,将包含复杂背景和运动小目标的图像序列视作混合信号,目标可视作为其中一个独立分量,应用快速独立分量分析(FastICA)将此独立分量从混合信号中分离出来,以检测出运动小目标.试验结果表明,此分析方法简单,速度快,适应性较强.     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

基于图像滤波与Hough变换的红外弱小目标检测

针对红外传感器成像信噪比低且易受噪声、背景杂波干扰的问题,本文提出了一种基于最大中值滤波与Hough变换的红外弱小目标检测方法.该方法首先对序列图像中的每一帧进行最大中值滤波,滤波输出与原始图像相减用以预测目标可能出现的区域.对于目标可能出现的区域使用均值滤波,反之则使用最小值滤波来抑制背景结构.然后将滤波后的序列图像直接叠加得到合成图像,采用有灰度权重的Hough变换实现弱小目标的轨迹检测.实验结果表明该方法可以实现对信噪比接近1的弱小目标的检测.同时,背景的运动对该方法的检测效果没有显著影响.     

红外序列图像运动小目标检测算法

利用红外序列图像小目标运动的连续性进行背景恢复,滤除背景以提高信噪比,在门限检测后对图像进行边缘滤波以进一步提高检测概率,最后再一次运用目标的运动特性确认目标,减小虚警率,从而有效地检测出目标.实验结果证明,这种算法检测率高,而且计算简单,易于硬件实现.     

红外图像序列中运动弱小目标检测的方法研究

研究在红外图像序列中检测运动弱小目标的方法.首先通过高通或形态学滤波进行图像预处理,进一步用似然比检测分割出候选目标,考虑到环境干扰造成的目标在某一帧暂时消失的情况,提出了利用目标运动特征通过选择合适的邻域判决条件并结合图像流分析提取运动弱小目标的一种方法.模拟实验表明该方法能够准确高效地检测出运动弱小目标.     

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。     

基于图像局部特征的红外小目标检测与跟踪算法

基于红外序列图像中小目标的典型特征,提出了一种新的红外小目标检测与跟踪算法.利用图像小目标的微分几何特性,计算图像的最小法向曲率,并以此为阈值,获得小目标的候选对象.之后利用多幅图像之间目标的相关性,在时间尺度上基于Kalman滤波算法,实现对目标噪声的过滤并实现目标的跟踪.最后对算法的有效性进行了验证.