红外弱小运动目标实时检测的规整化滤波方法

低信噪比小目标检测能力决定着系统的探测灵敏度和作用距离,是反映红外低可观测目标识别能力至关重要的一项核心技术.自适应杂波背景抑制技术是实现这一目标的有效途径.本文将杂波背景抑制滤波归纳为逆问题求解的优化问题;建立了新的红外弱小目标/背景模型,在此基础上发展了一种基于规整化技术的滤波框架;并提出了"去杂波-保目标"规整化的自适应各向异性滤波新算法.详细的理论分析和试验结果表明:该算法能在单步处理中消除杂波背景、同时增强弱小目标信号,运算量小;对低信噪比的强杂波背景表现出良好的滤波性能和适应能力,且结构简单、利于硬件实时实现.     

基于改进双向扩散滤波的红外背景抑制算法

针对复杂背景下红外弱小目标图像背景抑制难题,提出了一种基于曲面拟合的双向扩散滤波红外背景抑制新算法。采用高斯Facet模型拟合邻域图像曲面,采用综合方向导数梯度(IDDG)算子描述拟合图像的灰度特征,进而对双向扩散滤波进行改进,并将其与IDDG算子相结合,发展出了具有解析形式的改进的双向扩散滤波算法,给出了该算法关键参数的自适应选取方法。与传统的背景抑制算法相比,本文算法对图像灰度特征的描述更准确,并能据此在前向扩散和后向扩散之间自适应地切换,从而实现了在抑制背景杂波的同时增强目标能量,且能够克服传统算法处理椒盐噪声方面的缺陷。理论分析与仿真实验表明,本文算法对包含强纹理结构的复杂背景杂波具有良好的抑制作用和稳健的适应作用,对于信噪比为0.8的图像,可获得21.6的信噪比增益。     

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.     

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。     

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。      

基于形态学滤波的红外弱小目标背景抑制

针对红外弱小目标检测中的背景抑制问题进行研究.首先对形态学滤波中结构元进行改进,提出一种组合型结构元,然后结合线性滤波和非线性滤波技术,对受背景杂波和随机噪声影响的图像采用低通滤波与改进型形态学滤波相结合的方法进行背景抑制.对比实验结果表明,该方法比低通滤波和标准形态学滤波算法在低信噪比环境下具有较大优势,较好地实现了对背景杂波的抑制和目标信号的保持,显著提高了图像信噪比.     

基于局部结构张量的红外图像背景抑制

文中将局部结构张量与双边滤波相结合,提出了一种基于局部结构张量的红外图像结构化背景抑制算法。该算法采用局部结构张量的标准差作为双边滤波的执行判定,并利用双边滤波加权系数实现背景估计,从而实现结构化背景抑制和目标信息增强。实验结果显示,与二维最小均方滤波和偏微分方程算法相比,该算法对含有弱小目标的复杂背景具有良好抑制效果。     

基于RX算子的背景杂波抑制

红外图像复杂背景杂波抑制是红外监视告警系统发现远距离弱小目标的难题。文章根据红外图像中目标和背景杂波的特性,提出了一种将RX算子与非线性扩散方程相结合的弱小目标背景抑制新方法。该方法首先采用非线性扩散方程对图像进行多尺度分解,获得图像的多尺度特征,然后,根据目标和背景杂波信号系数在不同尺度之间的差异,通过应用RX算子进行处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的。实验结果显示,与二维最小均方误差滤波方法相比较,该方法能有效地检测出信杂比在1.6以上的目标。     

基于杂波抑制的海平线红外弱小目标检测

针对红外图像中海天交接处目标能量较弱,难以获得精确检测的问题,本文提出一种基于杂波抑制的海平线弱小目标检测方法。该方法通过对红外图像特征分析,检测海平线像素特征,去除障碍物干扰,确定海平线区域;对海平线区域采用改进的均值差滤波与背景建模,去除海平线杂波;杂波滤除后,计算两个区间自适应阈值作为滞后阈值,从而检测出海平线弱小目标像素。实验结果表明,本文提出的算法能够有效去除海平线杂波,确定海平线区域,有效提取海平线像素,从而准确检测出海平线弱小目标,具有较高的检测率与较低的虚警率,验证了该算法的有效性。     

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图...     

基于变差函数的红外图像预处理算法

提出一种基于变差函数的红外背景图像预处理算法。通过分析红外目标、背景及噪声的变差函数特性,采用变差函数对红外图像进行纹理分析,研究基于变差函数的目标检测预处理算法。实验表明:此算法对空间和时间相关性强的云背景具有良好的抑制作用,能有效地提高目标信杂比。     

基于小波变换与灰度形态学滤波的双波段红外图像弱目标融合检测

针对舰载红外搜索与跟踪系统中的弱目标检测问题,本文首先提出了一种采用小波变换与灰度形态学滤波相结合的背景抑制与目标增强算法;然后基于所提出的背景抑制与目标增强算法设计了一种双波段红外图像弱目标融合检测方法;最后采用实际的双波段红外图像序列对所提出的背景抑制与目标增强算法和所设计的双波段红外图像弱目标融合检测方法进行了实验测试,并给出了详细的分析与比较。实验结果显示所提出的背景抑制与目标增强算法在较大程度上改善了在信噪比条件下的红外图像弱目标检测效率,而双波段红外图像的应用进一步提高了系统的目标检测性能。     

基于时空域滤波的红外弱小目标背景抑制

在红外成像探测系统中,对红外图像背景进行有效的抑制是准确检测出弱小目标的前提条件.基于目标在空域局部灰度稳定和时域运动连续的约束,提出了一种基于时空域滤波的红外弱小目标背景抑制新方法.首先,利用引导滤波保存图像细节和时域偏微分方程提取图像中突变区域的优势,实现对图像空域与时域中平稳和强起伏不同特征复杂背景进行抑制处理;然后,将时空域背景抑制结果利用相与操作算子处理完成对高度类似弱小目标信号的剔除;最后,为恢复前期抑制结果中丢失的目标信息,利用时空域融合结果作为引导图像进行进一步优化处理,得到最终背景抑制结果.仿真实验采用两组低信杂比运动弱小目标红外图像序列进行方法验证,并将该方法与几种背景抑制方法进行了比较,实验结果表明:该方法无论从主观视觉还是客观评价指标上均优于其他几种方法.     

红外图像目标环境生成技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题，提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程，基于数学形态学理论实现了图像背景感缸的应用研究算法，实验测评表明，该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力。     

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.     

结合频域显著性分析和形态学滤波的红外小目标检测算法北大核心CSCD

针对复杂背景下的红外小目标检测问题,提出了基于频域显著性分析和形态学滤波相结合的图像处理算法。通过构建图像频域显著性分析图,并引入自适应阈值实现显著图的分割,提取感兴趣区域(ROI)以确定候选目标,达到凸显目标并抑制背景的目的。为抑制残余的杂波干扰,基于候选目标轮廓尺寸自适应并引入新的评价机制实现滤波结构元的筛选,采用新型Top-hat滤波技术消除伪目标响应。本算法充分利用红外小目标的频域显著性和空域尺寸先验信息的互补性实现检测,在设计中则平衡了计算复杂度与处理效果的矛盾关系,在有效提升检测指标的同时保证了实时计算的工程需求。实验表明本文提出的算法能显著提高目标信噪比,高效和准确地检测噪声背景下的弱小红外目标。     

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。