海空复杂背景下红外弱点目标的检测算法

为第空复杂背景下红外弱点目标的检测,提出了基于小波变换模极大的检测算法,该算法通过计算小波变换模极大值求出图像中的所有奇异点,去除由复杂背景形成的模极大值链,消除云层、海浪及水天线等复杂背景,提高了单帧点目标检测能力,结果表明,余步坷检测信杂比为２的点目标。     

海空背景下红外点目标检测算法

提出了一种基于灰度形态学的海空背景下的红外点目标检测算法。该算法三步：第一步,对原始序列图像进行了膨胀后累加,以提高信噪比（SNR）;第二步,对原始序列图像进行形态学滤波,去掉噪声和目标以提取出背景;第三步,前两步结果相减,自适应阈值后即可得到点目标,用实际摄取的图像进行实验,结果表明该算法能检测出信杂比（SCR0为1的红外图像。     

野外复杂背景下红外图像的目标检测

野外复杂背景下红外图像序列目标检测是红外野外监视中的重点问题。大量的背景物增加了目标检测的难度。文中针对野外复杂背景下红外图像序列的特点,提出了一种实用的运动目标检测算法。该算法包括两个处理步骤：首先,在场景配准后利用帧间差图像提取目标的运动信息,并据此进行目标的粗检测;其次,合目标运动在时间和空间上的相关性进行精检测。粗检测的低漏判度和精检测的低误差率保证了算法的可靠性。在检测的同时算法确定了目     

复杂背景下红外点目标的检测

在分析红外点目标、噪声及杂波模型的基础上,提出了基于二次滤波的复杂背景下红外点目标的检测算法,该算法由二阶滤波器组成。根据点目标的模型特点,通过选择合适的高通滤波器,可有效地增强信噪比、抑制噪声。实验结果表明该算法效果良好。     

低空复杂背景红外小目标检测

提出了基于复杂低空背景条件下新的图像序列跟踪方法.首先在全视场范围内采用自适应滤波法搜索目标,连续几帧检测到目标后,进入小视场范围内分割检测目标进行精确跟踪.若目标丢失,再返回全视场模式搜索目标.试验结果表明,在背景噪声较为强烈的情况下,该方法依然能有效地检测跟踪目标.由于采取了小视场跟踪的策略,减少了计算时间,实时性较好.     

复杂背景下减少红外小目标检测虚警率的算法

为了减小复杂背景下红外小目标检测的虚警率,采用自适应平滑再中值滤波的方法抑制背景噪声,边缘增强阈值分割检测方法突出和提取目标,利用小目标是孤立奇异点且不能发生突变的特点,通过多特性联合判断方法实现虚警目标剔除算法。实验表明,本文的算法计算量小、实时性好、实现灵活,在复杂背景下能有效降低虚警又不漏检目标,并实际完成了FPGA和DSP的硬件实现。     

复杂背景下点目标检测算法的FPGA实现

从强杂波背景中检测目标是红外成像制导中的重要课题。数字信号处理器常常因为在复杂性、运算速度等方面的限制,难以实时实现复杂的检测方法。本文针对红外点目标检测的要求,给出了用现场可编程门阵列（FPGA）实现复杂背景下点目标检测算法的方案。实验结果表明,本文设计的方案能有效检测出红弱小目标,为后续处理节省更多的时间,具有实际应用价值。     

红外起伏背景下运动点目标的检测方法

文中根据目标、背景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。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响，有效地检测出点目标。实验结果表明，采用这种时空混合处理的方法可以得到满意的结果。     

强杂波背景下高空红外运动点目标检测

对强杂波背景下高空红外遥感图像序列的背景和目标特性进行了分析,采用新型的形态滤波方法实现了背景抑制,提出了一种子窗口检测门限算法,并进行了仿真试验,有效地提取了强背景低信噪比下的目标.对比分析说明子窗口检测门限算法具有较好的效果,并且可以提高并行计算能力,适合应用于强杂波背景下大面积扫描或凝视红外图像序列的处理.     

红外背景抑制与点目标分割检测算法研究

针对红外点目标检测问题,采用图像灰度同本行均值相减方法抑制温度场的非线性影响;利用Top-Hat算子形态滤波,抑制背景和增强目标;通过比较预处理后的不同背景下红外图像直方图特点,确定分割阈值;最后进行目标二值化分割,得到包含较少虚警点的点目标分割图像.实验证明,该方法较好地解决了不同红外背景下低信噪比红外点目标的分割检测问题.     

序列图像运动点目标快速检测与跟踪方法

为解决低信噪比运动点目标在实时检测中的系统抖动和信噪比低等问题，根据运动点目标的特点，提出了基于数学形态学滤波、目标光强度连续性和假设检验的点目标检测方法。基于数学形态学的高通滤波器能较强地抑制背景噪声并增强目标；利用光强度时空连续性识别目标；假设检验对解决目标丢失和新目标出现都具有较好的效果。用TMS320C6201高速信号处理器的处理结果表明：算法对信噪比约为2的点目标检测性能较为满意。     

红外图像序列运动小目标检测的预处理算法研究

讨论了复杂背景下低信噪比的运动小目标的检测,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,然后采用领域判决法实现运动目标的进一步分离,用图像流分法进行目标的最终检测。实验结果表明：该算法能够对小目标甚至是点目标的运动进行可靠地检测。     

空中红外运动点目标检测算法

针对空中红外点目标的特性,提出了一种检测算法。首先,对图像进行高通滤波预处理,增强目标与背景的对比度。增强后的相邻帧图像做差分运算以进行目标的粗检测,提取出候选目标区域;其次,对原图像或预处理后的图像在候选区域内进行自适应分割,检测出点目标;最后,根据目标像素在序列图像中运动的连续性排除噪声干扰,从而准确地检测出真实目标。通过对红外图像序列进行实验,证实了算法的有效性。     

天空背景下红外弱小目标检测算法研究

针对天空背景下红外弱小目标检测困难的情况,首先通过改进的形态学滤波目标增强方法对图像进行背景抑制与噪声去除,而后采用恒虚警检测方法(CFAR)对滤波后图像进行分割,获得候选点目标,然后采用行程目标标记的方法得到候选目标的位置信息、面积信息等,单帧图像检测之后,复杂的天空背景仍然会存在虚警。为了提高检测概率、降低虚警率,结合目标运动特性(包括运动轨迹、速度、加速度等)、灰度变化、面积变化等帧间相关性采用移动式管道滤波方法对序列图像候选目标做进一步判断。实验结果表明,该方法能有效地从复杂背景中检测出真实目标。     

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。     

基于红外背景复杂程度描述的小目标检测算法

提出了关于红外“背景复杂程度”的基本概念,发现并论述了一种有效的红外背景复杂程度定量描述方法。此外,提出了一种基于红外背景复杂程度描述的自适应Butterworth高通滤波方法,实现了具备一定普适性的红外图像预处理。在小目标检测问题的研究中,构造并实现了一种更具实用性的先检测后跟踪小目标检测算法,此算法在一个完整的框架下实现了红外图像预处理过程和小目标检测过程的自适应统一。     

基于顺序形态滤波的运动点目标检测

为解决低信噪比快速运动点目标的检测问题,文中提出了一种基于顺序形态波波的点目标检测算法。首先采用百分位p＝1的中面序形态滤波提取目标的广义内边缘,找出少量候选运动目标点,然后利用图像流模型建立 建立目标的运动约束议程,根据目标像素在图像序列中运动的连续性和轨迹的一致性 原则,在多帧连续图像中检测出真实的目标运动轨迹。实验结果证明,该方法能够快速、可靠检测信噪比小于3的运动点目标。     

基于GLRT的红外多光谱弱小运动目标检测

针对多光谱红外图像序列中未知光谱辐射强度、位置和速度的弱小运动目标检测问题,建立了与之相应的基本框架模型.对于这种含参信号的复合假设检验问题,采用广义似然比检验(GLRT)得到了该问题的检测算子,同时利用速度滤波器组在实际应用中实现了该检测算子.从理论角度估计了该算法的虚警概率和检测概率,并通过计算机仿真验证了上述分析...     

红外背景抑制与小目标检测算法

在有云层背景的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。介绍了一种简单可行的在云层背景下检测小目标的方案。算法中,首先进行背景抑制以获得更高的信噪比,接着是用门限分割以得到二值图像,最后依照目标在时间和空间运动的连续性,用一种管线法进行目标识别。实验结果表明算法十分有效。