利用改进分形特征对SAR图像目标检测方法的研究

改进分形特征是用指数小波在一个尺度上对检测图像滤波,针对特定大小目标用能量关系函数求得各像素点的分形特征。该文研究了利用改进分形特征对SAR图像进行目标检测的方法,分别使用改进特征与扩展分形特征对单一背景和复杂背景条件下的SAR图像进行目标检测,结果表明:改进分形特征能够在这两种背景条件下以更低虚警率检测出全部特定大小的目标,目标空间可分辨性好、位置指示准确;但在复杂背景条件下的检测虚警率比单一背景下的检测虚警率有所上升。     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于分数布朗运动模型的激光雷达目标检测

研究和分析了激光雷达目标回波与杂波背景的分形特性,以分数布朗运动(FBM)数学模型为基础,通过对不同信噪比(SNR)激光雷达回波的分析,初步证明了激光雷达回波具有布朗运动的特征。针对激光雷达杂波数据具有布朗运动的增量统计自相似性,激光雷达杂波能与分数布朗运动较好地匹配,因此可以采用布朗运动模型对激光雷达回波数据进行分析处理。当信噪比比较低时,杂波和含有目标的回波信号的分形维数比较接近,发生重叠,单靠单一的分形维数无法检测出目标。针对这一问题,分析杂波和目标信号在不同尺度上的分形维数,提出基于不同尺度分形维数的变化特征进行目标检测的算法,即基于多尺度分形维数的目标检测算法。理论分析和实验结果表明该方法具有较高的可靠性和准确性。     

自然地面背景红外目标检测方法研究

文章结合分形特征的特点,提出了一种基于分形技术的图像预处理算法。该方法利用 自然背景和人造目标的不同分形持征检测目标,并利用领域连通性进行目标边界的合并,进一步地提取目标,大大提高了单帧检测的概率。仿真结果表明,该方法可以有效地在单帧图像中检测出目标。     

高阶分形特征在雷达信号检测中的应用

本文将高阶分形特征用于雷达信号的分析,提取出用于区分目标和杂波的新的分形特征——缝隙尺度变化率.推导了缝隙值在加性分形噪声中的关系式.实验表明:利用缝隙特征进行海上雷达目标的检测,可以取得较分维值检测更高的准确率.     

基于高尺度分形差量的海杂波背景下小目标检测

为了降低复杂海情对海杂波背景下小目标检测的影响,提高微弱信号检测准确度,文中采用多重分形去势波动分析法分析了海杂波数据在高尺度条件下的分形特性,将分形尺度q 扩展到[-30,30],对多重分形参数H(q)的估计进行了研究,得到了高尺度分形差量驻H(q),分析了尺度q 的选取对驻H(q)的影响,提出了一种基于高尺度分形差量的海杂波中小目标检测方法。实验结果表明:IPIX 海杂波数据的分形特性受到海情和雷达极性的影响,选择高尺度指数q 时,所提方法能够有效地区分动目标与纯海杂波之间的分形差异性,降低海杂波背景下小目标检测对海情的依赖性,相较于单尺度去势波动分析检测方法,大部分海情的检测门限提高了40% 以上,发挥了海杂波数据在高尺度多重分形上的优势。     

基于分形的红外图象目标自动检测

本文介绍了一种基于分形的复杂背景下红外图象目标自动检测方法,该方法以自然背景和人造目标在分形特征上的固有的差异为依据,利用了人造目标分形特征拟合误差大的特点,实现了复杂背景中红外图象目标的自动检测。实际检测的实验结果表明：该目标自动检测方法对环境的适应性强,是一种颇具发展前景的目标自动检测方法。     

SAR图像目标的融合检测方法

该文提出了一种利用扩展分形特征和局部对比度特征进行融合的SAR图像目标检测方法。分析了扩展分形特征的尺度敏感性及其在不同目标杂波模型下的二阶统计特性,分析表明扩展分形特征在目标检测中存在负值效应,即在正确检测出目标的同时把一些与目标具有相似形状而灰度值较低的区域也检测出来。而CFAR检测方法只利用了目标的局部对比度信息,不存在负值效应,但在强杂波环境中的检测结果存在很高的虚警。两种方法的融合可以滤除大量杂波虚警而保持目标。实测数据的融合检测结果证明了该方法的有效性。     

基于分形理论的红外目标检测算法

通过计算红外图像的分形特征参数可以达到区分红外目标和自然背景的效果.计算了基于多尺度分形参数总体表现的新的多尺度D维面积K(即MMK),并提出了将MMK和基于灰度法计算的分形维数DΔr结合使用(即MKD)的目标检测算法.实践证明,在红外图像中,基于分形理论的目标检测算法效果优于以往的基于分形理论的目标检测算法.     

分形理论在空中目标识别中的应用

以分形理论为基础，为空中人造目标的外图像建立了一个新模型，提取出具有较好几何不变性的特征－目标和干扰物灰度曲面的分形维数随尺度的变化规律，并以这种规律作为识别特征，将分形特征与传统的特征作了比较，大量的实验及理论分析表明，该特征具有较高的识别能力和识别可靠性。     

基于分形理论的目标检测

军事目标检测一般是由自然背景和少量的人造目标所组成．现有的图像目标检测方法大多是基于对目标本身特性进行分析，不适用于目标特性未知的军事目标检测．本文根据人造目标和自然背景在分形特征上的固有差异，在利用分形维数提取人造目标边缘特征的基础上，结合小波分析方法提取的目标边缘特征，对自然背景中的人造军事目标进行检测．实验证明该方法具有较好的适应性．     

基于分形特征的红外烟幕遮蔽热像效果评价

提出一种基于分形特征的红外烟幕对目标热像遮蔽效果的评价方法,该方法将烟幕运动视为分形布朗运动,以自然背景和人造目标图像在分形特征上的固有差异为依据,利用战术目标分形拟合误差大的特点,采用表面积法计算目标热像区域不同时刻分维数和分形拟合误差的变化,来评价烟幕对目标热像遮蔽的程度。实验结果表明该评价方法有助于对遮蔽程度作出准确判别与分析。     

基于分形维与拟合误差的光电目标检测方法

对光电目标进行自动检测与识别是导弹末端智能制导的一项关键技术,分形理论的出现为解决这个问题提供了新的技术途径。自然背景与人造目标所在区域的分形维与拟合误差特征差别非常明显,因此,提出了一种分形维与拟合误差的光电目标检测方法。实验证明,对于光电目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

Infrared dim and small target detection based on U-Transformer

Infrared dim and small target detection is a key technology for space-based infrared search and tracking systems. Traditional detection methods have a high false alarm rate and fail to handle complex background and high-noise scenarios. Also, the methods cannot effectively detect targets on a small scale. In this paper, a U-Transformer method is proposed, and a transformer is introduced into the infrared dim and small target detection. First, a U-shaped network is constructed. In the encoder part, the self-attention mechanism is used for infrared dim and small target feature extraction, which helps to solve the problems of losing dim and small target features of deep networks. Meanwhile, by using the encoding and decoding structure, infrared dim and small target features are filtered from the complex background while the shallow features and semantic information of the target are retained. Experiments show that anchor-free and transformer have great potential for infrared dim and small target detection. On the datasets with a complex background, our method outperforms the state-of-the-art detectors and meets the real-time requirement. The code is publicly available at https://github.com/Linaom1214/U-Transformer.     

基于局部分形维数的多目标检测算法

在以自然景物为背景的图像中,分形维数是一种能有效地将目标从自然背景中检测出来的纹理特征.将图像的局部窗转化为一维序列的形式,在研究R/S分析法的基础上,提出了一种局部分形维数估计算法.将一维最大熵的检测结果与分形特征图的检测结果进行逻辑与运算,从而实现目标边缘的精确定位.实验表明该算法不仅可以有效地实现多目标检测同时具有较好的抗噪性能.     

利用局部灰度特征分析实现红外弱小目标检测

提出了一种利用局部灰度特征分析进行红外弱小目标检测的新方法.该方法通过判断图像局部灰度包络曲面是否具备二维高斯函数曲面特征实现红外弱小目标检测,不需要进行传统的背景预测.设计了新的目标局部灰度特征提取方法和适合工程计算的自动目标检测算法.实验结果证明了算法参数选择策略的有效性,验证了算法对复杂背景边缘良好的杂波抑制能力...     

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征--缝隙特征.实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率.