基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于视觉显著性和目标置信度的红外车辆检测技术

提出了一种复杂地面背景下的红外车辆检测算法。首先,提出一种新的自适应分段线性灰度拉伸方法来增强当图像整体亮度偏低时的目标信息。其次,利用拉伸后图像的显著性图生成目标潜在的兴趣区。再次,利用平均梯度法在兴趣区内进行目标的边缘再分割,完成目标精确分割检测。最后,利用车辆的红外融合特征计算目标置信度,对目标进行评估和确认。实验结果表明:对实际拍摄的红外图像进行检测的算法可有效地检测出地面车辆目标。     

基于最优可免域神经免疫网络的深度模糊红外目标提取算法

深度模糊是模糊红外图像的一类表现特征,准确提取红外图像的深度模糊区域是提取模糊红外目标的基础。基于生物免疫系统在抗原检测、提取和消除上表现出识别、学习、记忆、耐受和协调配合等优异特性,结合生物免疫中神经系统与免疫系统相互作用的关系,提出了一种基于最优可免域神经免疫网络的深度模糊红外目标提取算法。该算法通过设计神经网络能给进行模糊红外图像目标与背景分类的免疫网络以指导作用。依靠独立于免疫系统神经网络先验知识的作用,设计了最优可免域神经免疫网络,实现了针对深度模糊红外目标的准确提取。实验结果证明,相对于其他传统目标提取算法,该算法能更有效和更准确地提取模糊红外目标图像中的目标。     

多级分割融合算法提取红外舰船目标潜在区

针对海天背景下红外舰船图像目标与背景对比度低,图像边缘模糊的特点,提出了一种红外图像舰船目标潜在区的提取算法.算法对图像进行了预处理和频域增强,在海天线附近区域进行多级分割融合以提取目标潜在区.实验结果表明,对于海天背景红外图像,采用该算法能够克服传统分割方法中单一阈值不好选取的问题.多级分割融合的结果能够覆盖目标区域,为后续的目标识别和跟踪奠定了良好的基础.     

基于全卷积神经网络和动态自适应区域生长法的红外图像目标分割方法

复杂背景下的红外图像往往由于噪声较多、背景区域重叠、目标与背景对比度较差等因素,在对目标区域分割时会造成过分割或欠分割。针对此现象,提出了一种将全卷积神经网络和动态自适应区域生长法相结合的红外分割算法。首先利用全卷积神经网络对目标区域在像素级别进行特征提取,通过神经网络强大的自学习能力获得目标区域的粗分割结果;然后根据粗分割结果,对其取外接最小面积矩形框,并根据矩形框位置在原始图像上确定目标区域,并以此矩形区域进行动态自适应区域生长,形成第二次分割结果。最后融合全卷积网络(FCN)的粗分割结果和区域生长分割结果,实现目标区域的最终分割和提取。仿真实验表明,该方法能有效利用FCN对红外图像复杂背景的消除能力,而区域生长法对分割细节的敏感也同时弥补了FCN分割精度的不足,取得了较好的分割效果。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题，提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波，对红外目标图像中的噪声和微小的干扰区域进行滤除，接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度，而后用改进的分水岭算法对图像进行分割，最后针对过分割问题提出了一种新的区域融合方法．实验结果表明，该算法能较好地解决红外图像中的目标分割问题．     

基于冗余小波变换的高频地波雷达目标检测算法

为了从高频地波雷达(High Frequency Surface Wave Radar, HFSWR)信号生成的复杂距离多普勒(Range Doppler, RD)图像中准确提取运动点目标, 提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation, RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异, 首先在距离方向进行自适应RDWT以去除海杂波和地杂波, 并在多普勒方向进行自适应RDWT以去除电离层杂波; 然后利用图像形态学运算对背景噪声进行了抑制; 最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声, 能从复杂的RD图像中实现点目标的有效检测, 其检测性能优于改进的恒虚警率(Constant False Alarm Rate, CFAR)算法.     

Building Recognition Based on Geometric Model in FLIR Image Sequences

In this paper, we propose a novel method for building recognition from forward looking infrared (FLIR) image sequences with clutter in the background for automatic target recognition (ATR). In the first phase, dynamic feature space is defined, and camera model and multi-scale characteristic views model that are used to predict model’s features based on 3D object reference model are introduced. In the second phase, the original image is preprocessed using morphological grayscale filters that respond to the size, shape and orientation of object to suppress the background that contains the non-stationary nature and man-made objects of the clutter image. In the following phase, segmentation for the result of image preprocessing is used to obtain regions of interest (ROIs), and features extraction of ROIs and matching retain ROIs that are closest to predicted features. Lastly, the object is identified by fusing the line features. Experiment results show the algorithm can recognize the object from FLIR image sequences with a complicated background.     

基于改进加权增强局部对比度测量的红外小目标检测方法

红外弱小目标检测技术是红外搜索与跟踪系统的重要组成部分(IRST)。一般来说,在复杂背景环境下,红外弱小目标检测往往会有高虚警率和低检测率的问题。为了解决这一问题,提出一个改进的加权增强局部对比度测量（IWELCM）检测框架,具有重要意义。首先,通过将局部对比度机制与信杂比(SCR)的计算相结合,提出一个增强的局部对比度测量方法,在增强图像中疑似红外弱小目标区域的同时也提高图像的SCR。其次,通过利用红外图像中弱小目标的特性,以及目标与周围背景的统计差异,提出一个改进的加权函数来进一步增强目标和抑制背景。最后,采用一个自适应阈值分割的方法去获取检测的目标。在不同场景的数据集上的对比实验表明,与七种现有流行的方法相比,提出方法在复杂背景下能够有效地从干扰对象中提取真实的红外弱小目标,具有更好的检测性能。