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.     

一种基于稀疏化核方法的红外强杂波背景抑制算法

杂波背景抑制一直是红外弱小目标检测面临的难题.背景抑制可分为背景预测和差分滤波两步.针对强杂波背景呈现非线性分布的特征,提出了一种基于稀疏化核递推最小二乘(KRLS)算法的非线性背景抑制算法.算法采用监督学习模型,使用序列图像作为训练样本.通过稀疏化控制学习函数的复杂度并剔除冗余信息,不但可以提高学习机器的推广能力,还可以降低运算量.使用真实红外图像对算法进行了测试,并分析了算法参数.实验结果表明:算法可自适应预测不同类型的强杂波背景,并有效抑制背景杂波.     

基于自适应差分量化的红外背景抑制新方法

针对复杂背景下红外弱小目标图像的背景抑制难题,从图像采集环节考虑,根据自适应差分量化理论,提出了一种基于自适应背景抑制的红外弱小目标图像采集方法.其基本思想是:根据红外弱小目标图像背景杂波的相关性,利用自适应预测器,由已采集的像素信息实时估计出下一时刻背景杂波的最佳估计,并将其反馈至原始图像信号输出端,与实际采集图像信号相比较.通过量化残差图像信号来获得预测增益,从而提高采集图像的信噪比.理论分析与仿真实验表明,与传统的直接图像采集方法相比,此方法不仅等效地提高模数转化器的性能,而且能够很大程度地提高采集图像的信噪比(SNR),SNR可由1.43提高到4.57.     

自适应背景预测技术在红外弱小目标检测中的应用

文章总结了自适应背景预测技术在红外弱小目标检测领域的典型应用,分析了线性和非线性自适应算法的优缺点。对传统的LMS自适应背景预测算法进行了改进。改进的算法利用连续帧中目标的运动特性,通过迭代得到滤波器最佳权值向量。试验结果说明,改进后的算法有效抑制了由云层边缘产生的虚警,提高了处理非平稳、非线性杂波背景和低信噪比图像的能力．     

基于多向背景预测的红外弱小目标检测

杂波背景中的弱小目标检测是红外图像处理中的一个重要问题.普通的二维滤波背景预测方法可以用来检测图像中的小目标,但是也存在对复杂场景的适应性差,杂波边缘虚警高的问题.通过分析二维最小均方滤波背景预测算法的方向特性,在对图像四邻域滤波残差进行像素级加权融合后,得到了一种基于多方向融合自适应滤波背景预测的弱小目标检测方法.对构造图像和实际红外云杂波场景中的小目标检测仿真表明,该方法对不同背景适应性较强,在保持目标检测概率的同时显著抑制了杂波边缘虚警,有效提高了杂波背景中小目标的检测性能.     

基于非平稳背景下的红外小目标检测

针对非平稳复杂背景下单帧图像的红外小目标检测概率较低的问题,该文提出了一种基于当前残差的改进M估计的红外背景预测和抑制算法。该算法利用M估计的基本模型预测背景,将目标像素和观测噪声视为背景估计的混合干扰,提出与背景图像残差相关的校正函数c(ε)自适应地调整估计增益,从而减小异常样本对背景估计的影响,提高了估计的准确性。同时引入遗忘因子α使算法能够适应于非均匀复杂背景的估计,提高了算法的鲁棒性。多组红外图像实验表明：所提算法不仅能够在非平稳背景下有效地估计背景,还能在滤除背景的同时最大程度地保留目标像素的信息,提高了目标的检测概率。     

一种新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Robinson Guard背景杂波抑制的空间滤波算法.该方法对于起伏背景下红外小目标的检测和识别有良好的性能,且具有目标信息损失小的优点.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,所提出的单帧红外小目标检测算法有很好的检测性能.     

基于MAC的红外小目标自适应检测

针对复杂背景下的红外小目标检测,介绍了一种基于小波包变换和最小平均代价的最佳全局自适应检测算法.通过对目标图像进行小波包降噪和非线性变换对比度增强处理抑制背景杂波、提高信噪比.分析并提取了一种用于目标检测的有效特征矢量,建立并验证了目标和背景不同模式下特征矢量的分布模型.根据该模型基于最小平均代价准则解算出最佳全局自适应分割门限,从而实现红外小目标的自适应检测.仿真实验表明,小波包变换与非线性图像增强处理具有良好的降噪性能,且最佳全局自适应检测法的检测性能优越.     

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.     

采用多扫描自适应预测的红外弱目标检测

提出了一种多扫描预平滑RLS自适应算法用于增强红外成像数据中的弱目标检测.感兴趣的目标被假设为只有极小的空域扩展度,而且淹没于强背景杂波干扰中.通过RLS自适应滤波器,背景杂波分量被准确地预测并从输入信号中去除,从而只剩下目标信号与残留噪声.在全空域非平稳数据中应用多扫描机制可以增强算法对非平稳杂波的跟踪性能;而将原始图像数据经过预平滑处理后作为自适应滤波器的输入,则能够减少由于目标灰度扩展带来的背景预测失准.对真实图像数据的仿真表明该算法的性能明显优于其它几种传统方法.     

Small Target Detection Algorithm Based on Average Absolute Difference Maximum and Background Forecast

Detecting small targets in clutter scene and low SNR (Signal Noise Ratio) is an important and challenging problem in infrared (IR) images. In order to solve this problem, we should do works from two sides: enhancing targets and suppressing background. Firstly, in this paper, the system utilizes the average absolute difference maximum (AADM) as the dissimilarity measurement between targets and background region to enhance targets. Secondly, it uses a predictor to suppress the background clutter. Finally, our approach extracts the interested small target with segment threshold. Experimental results show that the algorithm proposed has better performance with respect to probability of detection and less computation complexity. It is an effective small infrared target detection algorithm against complex background.     

基于梯度相关性的红外微弱目标检测

提出了一种新的基于空域梯度相关性的图像杂波自适应预测算法.该算法能显著改善微小目标的邻域信杂比(SCNR).试验证明,本算法相对于已有的多种算法,有着更好的性能.对微弱目标SCNR的增益相对于传统算法提高3 dB以上.本文还引入了一种基于统计分析的微小目标检测算法.该算法考虑了微小目标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,在虚警概率小于10-4时,假设重叠系数为3,SCNR为4 dB,系统检测概率从小于20%,大幅提高到80%.理论分析及仿真表明,本文提出的检测系统存微小目标枪测中,具有很高的实用性.系统在原始信号的邻域信杂比(SCNR)小于0 dB的情况下,能有效检测出目标,在采用10帧集成检测,目标像素重叠参数为5的情况下,虚警概率小于10-7,系统检测概率大于80%,虚警概率小于10-4,系统检测概率大于95%. 标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,在虚警概率小于10-4时,假设重叠系数为3,SCNR为4 dB,系统检测概率从小于20%,大幅提高到80%.理论分析及仿真 明,本文提出的检测系统存微小目标枪测中,具有很高的实用性.系统在原始信号的邻域信杂比(SCNR)小于0 dB的情况卜,能有效检测出目标,在采用10帧集成检测,目标像素重叠参数为5的情况下,虚警概率小于10-7,系统检测概率大于80%,虚警概率小于10-4,系统检测概率大于95%. 标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,     

Generalised-structure-tensor-based infrared small target detection

Infrared (IR) small target detection is a key technique in areas like space surveillance systems, early-warning systems and missile tracking systems etc. It is a challenging task to detect IR small targets under complex sky background because of cloud clutter. The conventional methods are usually based on clutter suppression, such as the 2D least mean square (TDLMS) adaptive filter [1], the 2D normalised LMS (TDNLMS) filter [2], the median subtraction filter [3], etc. In this Letter, we use the second conjugate symmetry derivative of a 2D Gaussian (SCSDTDG) to model the small target pattern based on the generalised structure tensor (GST). Experiments show that the proposed method is robust.     

基于改进加权局部对比度的红外小目标检测

在复杂背景的红外图像中弱小目标通常淹没在高亮边缘与强杂波处,提出一种基于改进加权局部对比度的红外小目标检测方法。利用小目标的局部特性建立一种加权函数将目标与其背景邻域的差异点乘凸显目标,进而与相接背景邻域作比值运算达到抑制复杂背景的效果;通过目标的各向同性和背景的各向异性,采用六方向梯度决策法创建背景抑制模型进一步抑制高亮边缘,实现降低虚警率,提高检测率的目的;最后,通过卷积计算将两者结合,采用自适应阈值分割检测真实目标。实验结果表明,该算法在复杂背景及强杂波干扰下有较强的鲁棒性。     

基于自适应Wiener滤波的红外小目标检测方法

在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法。采用连续采集的红外图像序列进行了实验，仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析。结果表明，算法能够从信噪比大于2．0的图像序列中检测出目标轨迹。     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容。为解决红外起伏背景下的小目标检测问题，提出了一种自适应的背景抑制方法，并对抑制背景后的图像进行了目标分割，最后用邻域法判决目标位置。实验结果表明，该算法能够从信噪比大于2．0的图像序列中检测出目标。     

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点.介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法.该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割.实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标.