基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

基于稀疏环决策的天空背景红外弱小目标检测算法

针对天空背景红外图像中弱小目标检测的难题,分析了红外目标检测的模型,提出了基于稀疏环决策的目标检测算法。利用数学形态学滤波目标增强方法对图像进行背景抑制,而后采用恒虚警检测方法对滤波后图像进行自适应分割,从而获得候选目标点,然后计算各个候选目标点的局部自相似性描述子,对自相似性描述子归一化、分块之后得到稀疏环表示,利用相应的判断准则可以判别目标点与虚警点。实验结果表明,该算法应用于复杂云层背景弱小红外目标图像能够得到较理想的结果,与移动管道滤波方法相比,能有效区别目标点与固定云层杂波干扰,并且虚警率低,易于实现。     

基于复杂背景的红外弱小目标识别

为了降低红外图像中弱小目标检测的虚警率,提升图像边缘处理效果,提出一种基于局部对比度联合facet小面模型的红外弱小目标检测改进算法。首先采用高斯滤波去除图像中高斯噪声。然后,利用改进算法进行图像子块遍历,去除图像中可疑的弱小目标。最后,利用facet模型方向导数特征得到不同方向的弱小目标梯度分布,使算法具有良好的边缘处理特性,从而获得待处理图像中真实的弱小目标。实验结果表明,与传统算法相比,改进算法的虚警率最低,大大提高了图像边缘处理效果。     

基于均值漂移滤波及谱分类的海面舰船红外目标分割

提出了一种有效的海面舰船红外目标分割方法.利用均值漂移方法的不连续保持性滤波特性,滤除海面的强杂波干扰,同时又不损失舰船目标的信息.根据滤波得到的区域构建区域邻接图,采用基于最大最小SST图划分算法对区域邻接图的节点进行划分.划分结果最终将图像分为天空背景、海面背景以及舰船目标3个部分.由于采用区域节点来表征图像,较之采用原始图像象素节点表示,其节点个数大大减少,从而使算法的计算效率得到很大提高.实验结果也表明提出两步算法具有优越的性能,能够在海面强杂波干扰的情况下有效提取舰船红外目标.     

强阳光反射背景下红外舰船目标自适应分割

针对海面有强阳光反射背景下现有红外舰船目标分割算法效果较差,提出了一种有效的红外舰船目标分割方法。利用均值漂移方法的不连续保持性滤波特性,抑制海面小面积强杂波干扰,同时又不损失舰船目标信息。对滤波后图像做行垂直方向梯度均值投影,获取舰船目标感兴趣区域。最后运用改进的行列均值自适应阈值分割算法,结合使用红外舰船目标的几何特征量达到自动分割的目的。     

一种自动检测红外运动目标的改进形态学方法

针对红外图像序列中运动目标的检测问题,提出了一种提高红外图像信噪比的改进双重Top-Hat形态学预处理算法,并通过自适应形态学阈值获得了二值化图像,最后利用序列帧间信息进行管道滤波去除二值化图像的噪声和伪目标,完成多个红外运动目标的自动检测.实验结果表明,提出的方法有效地保留了运动目标的灰度信息,便于后续的目标识别处理,而且算法在实时性肯和信噪比方面的综合效果优于其他几种常用滤波算法.     

一种基于局部熵的海背景红外目标检测算法

介绍了一种新的红外目标检测方法。在对图像中值滤波之后,用3×3的窗口计算图像局部熵,从而使由局部熵映射的灰度图像中的目标边缘更加清晰,在此基础上使用适应性更强的Canny算子进行边缘检测。实验证明,对于海面目标和海面背景的灰度对比度比较小的红外图像,此方法提高了检测概率。     

基于加权场景先验的海上红外弱小目标检测

为了提高海上红外弱小目标检测的检测精度和实时性,提出了一种基于加权场景先验的红外弱小目标检测方法.该方法首先利用目标的稀疏特性以及海面场景的非局部自相关特性,将目标和背景的分离问题转化为恢复低秩和稀疏矩阵的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)问题.之后,将海面背景的先验特征信息通过加权核范数的方式加入模型,加快算法中目标和背景图像块矩阵的分解速度.最后,通过引入交替方向乘子法(ADMM)算法进一步加速求解的迭代速度.实验结果表明:该算法能有效地提高目标检测准确率,算法实时性较原算法提高了120%.     

复杂海天背景下红外舰船目标实时检测算法

针对复杂海空背景条件下的低信噪比舰船目标检测问题，在分析海面背景舰船目标红外图像特点的基础上，提出首先进行红外图像预滤波以抑制噪声背景增强目标，然后通过检测图像水平与垂直边缘得到潜在目标区域，最后通过小范围的图像分割检测舰船目标。实际录取数据实验结果表明，算法针对各种海面场景与目标类型均能准确检测目标，实时性好。     

基于方向梯度直方图和局部对比度特征的海面背景红外图像分类

在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图（HOG）方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使用支持向量机（SVM）对测试集图像进行分类。文章使用了HOG和局部对比度方法（LCM）结合的新特征描述符对海面红外图像的场景进行分类,与其它方法相比,结果表明改进方法的准确率达到96.4%,体现了可行性和有效性。     

一种基于局部分形维的CFAR检测算法

目标检测是图像处理领域和计算机视觉中一项非常重要的研究课题.针对光学遥感图像自然背景下人造目标检测中检测时间长,虚警率偏高的问题,本文提出一种基于局部分形维的CFAR检测算法.该算法首先引入重标极差分析法,把图像的局部窗转化为一维序列的形式,且通过对一维序列极差和偏差的运算得到反映图像局部纹理特征的局部分形维,并以此构造出图像的分维像.然后在分维像基础上进行快速CFAR检测,确定滑窗中心点像素是否为目标像素.最后对目标像素进行聚类以提取感兴趣目标区域.利用本文提出的算法对不同地区的光学图像进行了大量的实验,得到了较好的检测结果.实验结果证明了该算法在高分辨光学图像中能有效、快速地地检测自然背景中的人造目标.与传统的人造目标检测算法相比,本文提出的算法能有效地减少检测时间,降低虚警率.     

空域加权局部对比度的红外小目标检测算法

针对传统局部对比度算法在强杂波背景下,容易引入虚警目标的不足,提出了一种空域加权局部对比度的红外小目标检测算法。首先,利用具有中心激励和侧向抑制性的二维高斯差分滤波器,抑制了原始图像大部分的背景杂波,以提高图像的信噪比;然后,利用目标均值与邻域的中值的比值进行局部对比度测量,再用目标各区域的灰度均值差加权局部对比度,生成目标显著图;最后,对显著图进行自适应阈值分割,检测出真实目标。实验结果表明,与其他几种检测方法对比,该算法不仅具有较高的信躁比增益和背景抑制因子,还具有较高的检测率和较低的虚警率,是一种有效的红外小目标检测方法。     

基于非线性抗噪声估计的视觉显著性弱小目标检测

针对红外图像处理技术中弱小目标检测的重要性及关键性,提出一种基于非线性抗噪声估计的检测算法来解决高可靠性、高鲁棒性的弱小目标检测问题。提出的方法基于传统视觉显著度算法及空间距离处理方法,对目标及背景区域采用非线性加权方法进行估计,在不显著降低目标信号信噪比的基础上,削弱孤立微小噪声点对检测算法性能的影响,可提高抗噪性能。首先,采用模块化及非线性映射方式预测背景;然后,融入距离相关因子滤除噪声干扰;最后,在处理结束的图像上进行二值化阈值分割,自动检测并向下一级处理软件输出目标位置信息。实验结果表明:提出的算法与近年来先进的弱小目标检测算法相比,在受试者测试曲线上,在相同的虚警率下,可获得更高的检测率,对背景噪声的抑制很明显;在局部信噪比及背景抑制因子的测试比对数据上,提出的算法可获得更高的检测指标。缺点是算法采用了非线性处理技术,运算效率较低,需进一步优化算法以提高计算速度,实现算法的实时目标检测。     

基于视觉对比机制的红外弱小目标检测方法

为解决复杂背景下红外弱小目标检测精度低的问题,本文提出一种基于视觉对比机制的红外弱小目标检测方法,算法主要模拟了人眼对目标对比度敏感这一机制。首先利用8向梯度方程提取红外图像的梯度显著图并二值化处理;根据小目标的尺寸大小特征对梯度显著图进行优化处理,剔除孤立的噪声点和尺寸较大的背景梯度显著区域;利用视觉对比机制对优化后的显著图进行局部对比度计算,通过阈值处理剔除虚警目标,完成红外弱小目标检测。仿真实验表明,该算法在低信噪比情况下对红外弱小目标的检测率较高,且虚警率低,单帧检测时间较小。     

复杂环境下分布式多雷达系统检测性能仿真分析

分布式多雷达检测系统能够提高检测性能和适应性。针对Rayleigh杂波、杂波边缘、干扰目标三种环境,仿真分析了分布式有序统计恒虚警率（OS-CFAR）、分布式单元平均恒虚警率（CA-CFAR）的检测性能,并分析了融合方式选择、局部处理算法和参数调整对系统检测性能的影响,可为工程应用提供参考。     

基于CFAR级联的SAR图像舰船目标检测算法

SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。     

采用三层窗口局部对比度的红外小目标检测

在红外制导、预警等领域，高检测率、低虚警率和高实时性地检测出红外小目标具有重大的理论和实际意义。提出了一种采用三层窗口局部对比度的红外小目标检测方法，该三层窗口可以通过单尺度计算解决不同尺度小目标的检测难题，提高检测的实时性。同时，通过在对比度计算前、对比度计算中和对比度计算后等环节中分别对真实目标进行增强、对复杂背景进行抑制，实现提高检测率、降低虚警率的目的。在若干红外序列和图像中进行实验验证表明，相比8种现有算法而言，该方法可以取得更好的检测率和虚警率，其平均耗时仅为某些多尺度算法的1/3~1/2左右。     

分布式CFAR检测系统的最优门限求取新方法

针对并行分布式检测网络结构局部采用CFAR检测器的情形,提出了一种在融合规则给定时,局部CFAR检测器最优门限的求取方法。给出了在任意融合规则下融合中心的检测概率和虚警概率关于局部门限的一阶导数的数值计算公式,并利用Broyden方法求取最优的局部门限。该方法避免了传统方法需要计算二阶导数的复杂性,并且更容易推广到局部采用多类CFAR检测器的情形。实验分析表明了算法的有效性。     

结合目标提取和深度学习的红外舰船检测

传统显著区域提取红外舰船目标检测算法进行图像处理时虚警率高,而深度学习的红外舰船目标检测方法速度慢。针对这些问题,提出了一种将传统的目标提取与深度学习中分类的思想相结合的红外舰船目标检测算法。首先通过高帽变换（TOP-HAT）和 低帽变换（Bottom-HAT）对图像进行处理,然后通过阈值分割方法和归并算法对图像进行候选区域的提取,再运用深度学习中分类的思想完成对目标船舰的检测。通过测试数据集进行实验并对比分析,结果表明改进后的检测算法平均精确度达到83.69%,较之于传统显著区域提取算法精确度提升了8.09%,较之于Faster-R-CNN算法每百张检测时间缩短了2 s。     

基于压缩感知的步进频雷达目标检测算法

为了解决压缩感知步进频雷达在低信噪比下的目标检测问题,结合传统雷达的恒虚警检测和压缩感知雷达重构思想,建立基于压缩感知的步进频雷达的目标检测模型,利用复近似消息传递消息的特性,提出了一种基于多脉冲的重构算法,并结合恒虚警检测实现了低信噪比下的压缩感知步进频雷达目标检测。仿真结果表明：文中所提的方法提高了检测概率,改善了目标检测性能。