紫外图像处理方法

针对紫外成像存在噪声干扰的问题,为获取高品质的紫外图像及对目标准确检测,对典型紫外成像系统进行了研究。分析了紫外成像噪声干扰原因,建立了紫外目标场景模型。并以此研究紫外图像复原方法,对单幅图像进行门限处理,去掉背景噪声。然后对连续多帧图像进行均值处理和时域递归滤波,阈值分割后得到较好的图像输出。从图像输出结果可以看出,多帧图像均值处理和时域递归滤波都能有效地去除紫外图像中的随机噪声,特别是时域递归滤波方法对于图像复原有更好的效果。     

基于双递归均值滤波的红外点目标检测

提出了一种红外点目标检测算法,采用长短两个尺度的时域递归滤波器对像素灰度沿时轴进行滤波处理,然后采用动态门限分割并进行连续过门限计数,最后利用航迹关联输出确认航迹,实现了低信噪比条件下的红外点目标检测。     

基于LWT和递归最小类内绝对差的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于提升小波变换(LWT)和递归最小类内绝对差的检测方法.一方面先利用提升小波对原始图像进行去噪,再利用Top-hat算子抑制背景;另一方面先利用Top-hat算子抑制原始图像的背景,经提升小波去噪后,再进一步使用Top-hat算子;上述两方面得到的图像求和即为预处理图像.然后采用递归最小类内绝对差阈值选取方法分割预处理图像.针对红外小目标图像进行了大量实验,并与基于形态滤波及基于小波和形态学的红外小目标检测方法进行了比较.结果表明本文方法提高了信噪比,检测率分别提高15%和10%.     

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.     

基于最大值递归滤波器的暗点目标检测算法

从目材噪声模型以及最大值递归滤波器处法入法,在两种不同的条件下对基于最大值递归滤波器检测进行了详细的性能分析与仿真,得出一系列结论。     

红外起伏背影下运动点目标的检测方法

文中根据目标，背影干扰和噪声在红外序列图像中的差异，提出了一种基于空间高通滤波和时间域上最大递归滤波的运动点目标检测方法。     

云杂波背景弱小目标自适应时-空域滤波检测研究

针对复杂云背景成像弱小目标实时检测的需要，提出一种检测能力强、易实现的自适应时-空级联滤波目标检测算法，其中时域滤波采用改进的可递归实现的方差滤波器预检测出包含目标和少量杂波点在内的可疑目标点集，而后通过一种自适应像素空域边缘强度滤波器剔除剩余杂波点。算法两级滤波器的参数均实时更新，因此算法对场景变化适应能力强。对五组实际红外图像序列目标检测的实验结果表明，算法能稳定检测出多类天空背景中的目标。     

基于改进DPA的空间小目标检测算法

针对以往动态规划算法（Dynamic Programming Algorithm, DPA）单点能量累积效率低、不能有效检测中途入场目标的问题,从三方面对DPA改进并应用于空间小目标检测。第一,对递归方程进行修改,利用多点累积方法克服工程应用中人为增加光学散焦导致目标信息丢失的问题;第二,将各个速度平面分别计算修改为速度更新,减少计算量;第三,增加对入场目标的特殊处理,克服不能有效检测中途入场目标的问题。利用实摄序列图像对比实验,证明改进的有效性。     

一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同，可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测，而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法，以多云天空为研究背景，提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制，基于检测前跟踪（TBD）的基本思想，根据相邻三帧进行目标分割，利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明，该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标，而且对目标的运动速度和方向无任何限制。     

基于方向累积的运动点目标检测新算法

针对从低信噪比图像序列中检测点目标运动轨迹问题,提出了基于方向累积的新方法.首先进行单帧检测,然后由多帧逻辑投影构成二维平面上的组合帧,再基于点目标运动轨迹的连续性,用方向累积来滤波并进行二次检测,最终提取目标运动轨迹及参数.仿真实验结果表明这种方法在对速度没有约束的情况下能够有效地检测出低信噪比条件下做直线或曲线运动的点目标,且运算复杂度很低.     

改进的Meanshift运动目标跟踪算法

Meanshift算法在对快速运动的目标进行跟踪时容易丢失目标,并且在目标被遮挡时,也容易造成跟踪失败,跟踪的过程中跟踪框不能随着运动目标的大小变化而变化.提出一种基于Meanshift运动目标跟踪算法的改进算法.该算法基本思想是采用改进的三帧差分法对运动目标区域进行提取,求得跟踪框轮廓,同时用Meanshift算法对运动目标进行跟踪,获得目标最大概率区域,将该区域中心作为跟踪框的中心.跟踪过程中通过巴氏系数判断是否目标被遮挡,若被遮挡则调用Kalman滤波进行预测跟踪.实验结果表明,该算法能够快速、准确地跟踪目标.     

基于扩展数学形态学的高光谱亚像元目标检测

提出了一种基于扩展数学形态学和光谱角度匹配相结合的高光谱亚像元目标检测算法。在目标与背景未知的情况下,同时利用光谱和空间信息实现目标的定位与检测,实现高光谱亚像元目标的检测识别。通过扩展的形态学膨胀和腐蚀运算实现端元提取,采用光谱角度匹配算法进行感兴趣目标的检测识别。算法性能通过AVIRIS数据进行评价,与仅利用光谱角度匹配的算法和RX异常检测算法进行比较。实验证明,所提出的算法性能优于其他两种算法,具有低虚警率的亚像元目标检测结果。     

基于背景抑制的星空图像目标运动轨迹提取

研究了空间观测CCD图像弱小目标检测与运动轨迹提取技术，介绍了一种基于背景抑制的多目标检测与运动轨迹提取方法。首先，对图像进行阈值处理，滤除图像的背景灰度和噪声；然后生成基于序列图像叠加与形态学变换相结合的背景掩模图像，对序列图像进行屏蔽处理，得到运动目标图像；对目标图像进行交叉投影算法确定目标区域，并进一步精确确定目标质心，进而提取目标的运动轨迹。实验证明所提出的算法不仅能够有效检测星空序列图像中的多个弱信号小目标，而且具有较强的实时性。     

扩展目标GMPHD滤波器的航迹维持算法

概率假设密度(PHD)滤波器提供了各目标在每个时刻的状态信息,但未形成航迹。该文提出了扩展目标高斯混合PHD(GMPHD)滤波器的航迹维持算法。首先对后验概率强度的每个高斯分量添加标签;其次在后验概率强度随着时间进行演化时,标签也随之演化;并通过航迹管理方案为扩展目标提供航迹。为提高GMPHD滤波器性能,提出了自适应的量测集划分法。最后通过仿真验证了提出算法的有效性。     

一种基于卡尔曼滤波及粒子滤波的目标跟踪算法

针对卡尔曼跟踪算法在非线性非高斯情况下跟踪结果不再准确,以及粒子滤波跟踪算法计算量大难以满足实时性的缺陷,提出了卡尔曼滤波及粒子滤波相结合的算法。利用卡尔曼滤波进行跟踪得到候选目标并计算目标模型与候选模型的匹配程度,若与目标模型匹配度小于一定阈值,则转换跟踪方式利用粒子滤波进行跟踪来修正卡尔曼滤波结果;同时,采用"模板缓冲区法"对目标模型进行更新以保证跟踪的连续性、稳定性及准确性。实验结果表明,这种跟踪算法既发挥了卡尔曼滤波的实时性又保持了粒子滤波的准确性,有较好的跟踪性能。     

基于聚集疑似目标的快速TBD弱小多目标检测方法

提出了一种无需复杂图像预处理的快速的自适应弱小多目标检测方法,适用于有背景起伏的低SNR的噪声随机分布的红外图像序列.采用线性滤波算子,直方图排序分割,快速目标聚集三个核心算法,实现了高速的TBD弱小目标检测.根据直方图进行梯度滤波的结果自适应地进行门限分割,然后剔除随机的不聚集的高梯度值噪声,最后进行时间低通滤波,减少虚警率和漏检率.通过对比实验,表明本文提出的先跟踪后检测的方法,在具有良好检测效果的同时,速度优于需要复杂形态学滤波或中值滤波的方法.     

Improved SMC cardinality-balanced multi-Bernoulli forwardbackward smoothing track-before-detect algorithm

For the tracking problem of multiple maneuvering targets in radar observation,the sequential Monte-Carlo cardinality-balanced multi-Bernoulli track-before-detect (SMC-CBMeMBer-TBD) algorithm is inaccurate in the estimation of the number of targets and the precision of state estimation.An improved algorithm based on SMC-CBMeMBer forward backward smoothing track-before-detect algorithm was proposed.In the algorithm,the multi target particle swarm optimization (MOPSO) was added between the process of prediction and update,and the fitness function was set up based on the observation value to make the particle set move to the position of the larger posterior probability density distribution,and solve the particle poverty in the heavy sampling process.In the update step,the algorithm was used.Then the smoothing recursive method was added,and the arithmetic operation time was prolonged,but the number and the state estimation precision were improved.The simulation results show that compared with the CBMeMBer-TBD method,the proposed algorithm improves the accuracy of the estimation of the number of maneuvering targets and the accuracy of the target state estimation.     

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.     

一种基于神经网络的形态滤波器优化设计方法

给出了一种利用神经网络实现灰度形态滤波器参数的优化设计方法。文中首先简述了形态滤波器的基本理论,并设计出了灰度形态学的两种最基本运算(膨胀和腐蚀)的神经网络结构,其网络权值即为形态运算的结构元素值。然后,按照d学习规则,自适应地对结构元素(形状和数值)进行学习训练,以获得最佳的灰度形态滤波器参数。该方法设计简便,实用性强且易于推广,对提高形态滤波性能效果显著。     

基于MMSE准则的自适应脉冲压缩

传统的匹配滤波器只能将距离旁瓣压缩到一定的程度,因此可能出现强目标掩盖弱目标的情况。基于最小均方误差准则（MMSE）的自适应脉冲压缩（APC）是一种有效的抑制距离旁瓣方法,由于APC方法在计算时不具有重复迭代性,给出了改进的算法步骤。仿真比较了该算法和失配滤波器算法的脉冲压缩性能,仿真结果表明,自适应脉冲压缩算法可以很好地提取在强目标附近的弱目标。最后分析了该算法的性能,结果表明,该算法在动目标的情况下仍然能够很好地实现脉冲压缩。