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。     

Hierarchical Feature-Based Detection Method for SAR Targets Under Complex Environment

A reliable target detection method for Syn-thetic aperture radar (SAR) images is needed urgently with the wide application of SAR systems. The perfor-mance of conventional detection algorithms, such as Con-stant false alarm rate (CFAR), degrade significantly in low SCR or complex regions while the Human visual system (HVS) can identify targets of interest without knowing characteristics of the background even in complicated en-vironment. The combination of HVS with the SAR-ATR system may effectively achieve real-time multi-target de-tection in complex occlusion scenes. A new effective tar-get detection algorithm is put forward using hierarchical characteristics of targets. Inspired by different roles of the retina and visual cortex in the HVS, this detection algo-rithm is divided into coarse detection and fine detection stage. Two kinds of features based on the correlation be-tween target features and suspicious targets, namely over-all feature and refined feature, are used in these two stages respectively to extract real targets. Experimental results verify its correctness and effectiveness in complex environ-ment.     

双邻域差值放大的高动态红外弱小目标检测方法（特邀）

针对现有红外弱小目标检测方法背景抑制不充分、计算复杂度高,导致红外侦察预警系统虚警率高、响应速度慢的问题,提出一种基于双邻域差值放大的高动态红外弱小目标检测方法。首先,分析真实红外图像中目标与邻域的均值特性;然后,计算出目标区域与内外双层邻域的差异,从而提升亮、暗弱小目标的局部对比度并抑制复杂背景和噪声;最后,利用自适应阈值分割算法获取目标的位置。针对信杂比增益和背景抑制因子难以客观评价红外图像序列的目标增强和背景抑制性能的问题,提出一种目标轨迹显著图评价方法,有效评价红外图像序列目标检测性能。实验结果表明:与同类检测方法相比,该方法的信杂比增益与背景抑制因子分别提高了12%与10%,运行时间约缩短了34 ms,是一种有效可行的高动态红外弱小目标检测方法。     

基于梯度方向一致性和特征分解的红外小目标检测算法

在复杂的海天背景下,现有红外小目标检测算法存在虚警率高的问题,文中深入分析目标和背景的特征差异,首先,提出了一种基于灰度差和梯度方向一致性的方法,增强了小目标并抑制了部分背景杂波,其次,结合特征分解法进一步抑制了锐利边缘背景,最后,采用自适应阈值分离出小目标。实验结果表明,与五种现有算法相比,所提出的检测算法能够在不同复杂场景都有效降低虚警率,大大提升信杂比（SCR）和背景抑制因子（BSF）,并且具有良好的鲁棒性。     

基于改进LCM的红外小目标检测算法

如何在复杂背景和低信杂比条件下准确检测到小目标对于精确制导武器的发展和红外预警等具有重要意义。为了在复杂背景条件下提高图像信杂比并有效地检测出小目标,提出一种基于中心域与邻域灰度对比度的红外小目标检测方法。通过计算输入图像的对比度图和显著度图,提高了目标对比度同时抑制背景杂波;在此基础上自适应设定阈值分离出小目标。实验结果表明:与传统LCM（Local Contrast Measure）方法相比,所提出的方法能够取得更高的检测率和较低的虚警率,尤其是对于复杂背景下的弱小目标检测,相对于对比算法,优势更明显。     

基于局部对比度机制的红外弱小目标检测算法

针对复杂背景和低信杂比条件下的红外弱小目标检测难题,提出了一种基于局部对比度机制的红外弱小目标检测方法。该方法提出了一个包含中心层、中间层和最外层的3层窗口,可以使用单尺度计算完成不同尺度弱小目标的检测。首先,对中心层引入匹配滤波思想,有针对性地增强真实目标;同时,提出最接近滤波原则,对最外层进行背景估计,以缓解目标靠近边缘时的检测难题;然后,在目标增强结果与背景估计结果之间进行比差联合的对比度计算,达到同时增强目标和抑制背景的目的;最后,通过自适应阈值分割,提取真实目标。实验结果表明,相比现有算法而言,该算法可更好地增强目标、抑制复杂背景,且原理简洁易实现,可有效减少运算量。     

基于双核判决的红外小目标检测方法

复杂背景下红外小目标检测与跟踪是红外目标探测系统的核心技术之一。为了准确检测与跟踪空中多个小目标,针对复杂背景下单帧检测虚警率偏高,导致帧间检测计算量大的问题,提出了一种基于双核判决的小目标检测算法。首先根据目标、背景及噪声的不同灰度特性,利用Robinson滤波器结构,设定背景区域和小目标区域,更为真实的表现背景与小目标的区域分布;然后计算外核目标与背景在四个方向上的对比度及内核目标区域内的相似度,若双核度量同时达到设定阈值条件,则判定为真实目标点,这样消除背景边缘及噪声的影响,减少目标检测虚警。实测数据表明,与传统的高通滤波法、Top-hat算法相比,该算法能在单帧检测上更有效检测出小目标,抑制背景边缘和噪声点,提高抗噪能力,降低虚警率,增强帧间目标的检测识别率,能大大减少序列图像间目标检测与跟踪的计算量。     

采用综合信噪比的中波光谱探测波段选择

中波红外是非常重要的探测波段,对于目标探测而言,在保证足够光子数的情况下,进行波段选择有利于更好地区分目标与背景。针对典型目标及其所在区域的背景的中波红外光谱辐射特性,分析了信噪比和信杂比对探测的影响,提出了一种基于综合信噪比的波段选择方法,该方法综合考虑了传感器噪声、背景杂波辐射对目标探测的影响,计算了典型状态下目标信噪比、信杂比和综合信噪比,从仿真结果来看,不同典型场景下能使目标探测的综合信噪比较高的波段并不相同,从而给出不同场景下最优探测波段的建议。白天探测该目标,3~3.7m可以考虑作为优选波段,在夜间探测该目标,3~5m可以考虑作为优选波段。     

基于非线性积累的高分辨极化目标检测

研究了毫米波高分辨雷达体制下的目标极化检测问题,提出了极化域非线性加权积累的思路,以提高雷达接收信号杂比,在此基础上提出了基于高分辨雷达目标一维距离像“位置“相关的目标检测方法,在毫米波段的实验结果表明,该方法是一种非常有效的扩展目标检测方法。     

基于二阶方向导数尺度空间的小目标检测

目标的尺度信息,是2维图像中小目标检测性能发挥的重要因素。该文提出一种基于二阶方向导数尺度空间的小目标检测方法,直接利用目标尺度信息对所感兴趣的目标进行选择。在Lindeberg尺度空间理论的基础上,该文采用偏微分方程方法,推导了最大和最小二阶方向导数的尺度空间,并分析了其在目标尺度表示上的特点。同时,给出构造尺度空间的参数选择依据,分析不同目标在尺度空间上的变化规律,提出利用二阶方向导数尺度空间进行小目标检测的具体实现算法。通过方法对比和对实际数据的处理,表明了该文方法具有较为稳健的小目标检测性能,提高了Laplace尺度空间对非圆结构目标的检测能力。