基于动态规划的红外运动小目标检测算法

针对低信噪比下红外小目标的特点,提出一种改进的实用动态规划算法,通过适当的预处理抑制背景噪声、多帧图像灰度累加以提高信噪比,并由虚警和检测概率确定分割门限,检测出小目标位置及状态。详细地叙述动态规划的计算过程及分割门限的确定方法,以简单的步骤实现对低信噪比小目标的检测。实践证明,改进的动态规划算法不仅能完成检测的任务,而且并行性好,易于硬件实现,为下一步的目标跟踪打下了良好的基础。     

基于动态规划算法的无源毫米波弱小目标检测方法

针对无源毫米波弱小目标特点,结合已有的动态规划算法,利用图像阈值分割原理实时计算检测门限,提出一种适用于无源毫米波小目标检测的实用动态规划算法,并分析了动态规划的计算过程及分割门限的确定方法。实验仿真结果表明,此算法能准确检测出复杂背景下的低信噪比无源毫米波弱小目标,并得到目标运动轨迹,在单帧成像信噪比为4.5dB左右时,能准确检测出目标运动轨迹。     

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。     

一种低信噪比图像序列小目标实时检测算法

图像序列弱小运动目标的实时检测,是成像探测制导系统中的关键技术之一.提出一种基于动态规划与轨迹关联的目标实时检测算法.该方法利用指数衰减和运动方向加权动态规划积累目标能量,然后进行门限判决和对候选目标进行轨迹关联检测,从而剔除假目标,给出真目标信息.该算法结构简洁,易于进行软硬件分割实现,实时性能好.实验表明该算法能实现对深空背景中信噪比大于1.8、速度范围0～1像素/帧多个目标的有效检测.     

一种低信噪比条件下的红外图像序列小目标实时检测算法

本文提出了一种基于多级门限判决与轨迹置信度检验的弱小目标检测方法,该方法综合利用能量积累、多级门限判决与轨迹搜索方法,同时对候选多目标轨迹进行置信度检验,剔除假目标,给出真目标信息。该算法针对高空背景条件下的图像目标检测,以较小的运算量和存储空间开销,解决了低信噪比条件下的弱小运动目标的检测问题,算法简洁且易于进行软硬件分割实现,算法实时性能良好。文中最后给出其实验结果。     

基于动态规划的激光雷达信号检测

为解决低信噪比下激光微弱回波的检测问题,提出了一种新的小目标检测算法。采用 动态规划方法克服了低信噪比下激光回波闪烁对目标检测的影响。仿真结果表明:该方法较传统的检测方法性能有很大提高。     

一种低信噪比运动点目标检测算法

为检测复杂背景中的低信噪比(SNR) 点目标,提出了一种自适应带通门限检测算法。 首先根据图像的信噪比选取合适的带通门限进行图像空间滤波,然后采用帧相关法进行时间滤波。实验结果表明,该算法可有效地抑制背景杂波的干扰、提高信噪比SNR ,检测出复杂背景下的低信噪比点目标,且易于实现。     

一种基于背景抑制的红外小目标检测新算法

红外图像小目标检测技术，是红外搜索与跟踪系统的一项核心技术。本文提出了一种新的红外图像小目标分割算法，采用背景抑制及双窗口自适应门限分割等技术检测目标，分析了算法的实时检测能力，并给出实物平台下的检测实例。大量的实验结果表明，此新算法能取得较好的小目标分割效果。     

低信噪比线性运动红外小目标检测方法

提出了综合运用自适应门限检测方法,Hough变换的信噪比红外小目标检测算法,利用该方法可有效地检测低信噪比条件下的作线性运行的红外小目标,并给出了实验结果。     

一种改进积累与判决的动态规划检测前跟踪算法

由于传统的动态规划检测前跟踪算法(DP-TBD)采用多帧积累提高信噪比,所得到的目标函数在目标轨迹末端形成的峰值并不是特别尖锐,会在对后续的门限判决回溯目标轨迹时出现虚假目标.首先简单介绍了DP-TBD算法,并提出一种改进的算法,通过改进相邻2帧迭代积累为相邻3帧进一步提高信噪比.在门限判决时,不是直接对目标函数进行门限判决,而是提取目标函数局部最大的极大值,然后通过对这些值进行门限判决,从而可以减少虚假目标个数进而提高检查性能,最后通过单个运动目标和两相交运动目标仿真验证了该算法改进的可行性和有效性.     

动态规划算法在运动点目标检测中的应用研究

序列图像中低信噪比运动点目标的实时检测算法,是许多实时处理系统中的关键算法之一。该文在对面临的实际问题与对检测算法分析的基础上,详细阐述和研究了利用LS线性预测器的动态规划能量累积算法,并根据仿真实验的效果,指出此算法较直接动态规划能量累积算法可最大程度地降低能量扩散,减少团聚在目标周围的虚警目标点,十分利于后续轨迹关联检测处理.     

基于动态规划的红外弱小目标检测算法的硬件实现

提出基于动态规划的红外弱小目标检测算法的硬件实现方法,分析基于动态规划的能量累加原理,阐述了目标识别的过程,分析图像处理所需要的硬件资源,建立FPAG＋DSP硬件处理平台,验证了算法的实时性和可靠性。文中提出的方法解决了大多数算法无法满足实时性要求的问题,为红外弱小目标的检测提供了一个新的思路。     

基于分区动态规划和航迹关联的弱小目标检测

序列图像中低信噪比运动弱小目标的实时检测算法，是精确制导系统中的关键算法之一。提出一种图像序列弱小目标实时检测新算法，采用分方向区间的动态规划算法和二值图像航迹关联检测。通过在动态规划能量累加过程中引入方向限制，减小了噪声轨迹能量积累和目标轨迹能量扩散，提高了算法的目标检测能力。对算法的检测性能进行了仿真实验，结果表明该算法能有效检测深空背景下信噪比大于1.8、运动方向任意、速度不大于1像素/帧的多个运动弱小目标。     

推扫型光学传感器的目标联合检测跟踪算法

为了从扫描图像序列中检测弱小运动目标并对其状态参数进行估计,提出一种基于随机有限集理论的目标联合检测跟踪算法.根据推扫型光学传感器的扫描特性,建立目标在像平面的运动模型和测量模型.将目标状态和量测数据描述为随机有限集合,将目标的联合检测跟踪问题建模为目标状态集的贝叶斯最优估计问题,并依据随机有限集理论推导出贝叶斯滤波的预测和更新表达式.从算法实现的角度,利用高斯混合技术实现算法的递推滤波.仿真结果表明,该算法适应杂波的能力强,对漏检的影响更小,可以有效完成推扫型光学传感器的目标检测跟踪任务.     

运动弱小目标先跟踪后检测技术的研究进展

对低信噪比下图像序列运动小目标先跟踪后检测技术进行了较为系统地研究。首先针对运动弱小目标检测问题，分析比较了先检测后跟踪技术与先跟踪后检测技术；详细阐述了先跟踪后检测技术的主流算法，包括时空域匹配滤波器、基于投影变换与三维匹配滤波相结合的算法、多阶假设检验、动态规划算法、高阶相关方法、递推贝叶斯滤波等算法，并比较了其中几种算法。     

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。     

采用小波变换和数学形态学的小目标检测

鉴于常用检测方法不能准确稳定地检测出复杂背景中小目标,结合小波变换和数学形态学,提出了一种小目标检测新方法.首先对图像进行单尺度小波变换,提取高频分量系数;其次,利用阈值算法将各个高频分量系数图像转化为二值图像后对其进行多结构元素形态学滤波,滤波结果与原二值图像相减后在差值图像上得到可能的小目标.将3个方向的高频系数的检测结果相关联获得单帧检测结果;最后将多个单帧检测结果进行流水线检测,得到最终的检测结果.仿真结果表明该方法能够准确稳定地检测出信噪比(SNR)大于2的弱小目标.     

卡尔曼动态规划机动目标检测前跟踪方法

针对传统动态规划算法,由于转移步长固定、在检测机动目标时性能较差的问题,提出了针对转弯运动等机动目标的卡尔曼动态规划算法,该算法利用卡尔曼滤波中的状态预测步骤来自适应改变动态规划算法中的转移步长,以此来避免在检测转弯运动目标时传统动态规划算法由于转移步长不变而造成的转移步长与目标速度失配的问题。根据对该算法的目标状态估计误差分析结果,文中给出了一种误差补偿方法。仿真结果显示,在检测转弯运动目标时该算法在误差补偿后具有优异性能。