基于Contourlet变换和Facet模型的红外小目标检测方法

针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换,利用硬阈值对图像进行去噪,提高图像的信噪比和平滑性;然后设计了一种基于Facet模型多向梯度特性的中值滤波器,对去噪后的图像进行滤波,有效地抑制复杂背景和噪声;其次采用两级最大类间方差算法对滤波后的图像进行分割;最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明,这种算法抗噪性强,对包含强纹理结构的复杂背景具有良好的抑制作用,能够有效地检测出弱小目标。     

基于CHMM 的尖锐频率局部化Contourlet 域图像去噪

提出了一种基于上下文信息隐马尔科夫模型（CHMM）的尖锐频率局部化Contourlet 域图像去噪方法。首先,对噪声图像进行循环平移操作,再利用尖锐频率局部化Contourlet 变换对平移后的图像进行分解,解决了原始Contourlet 变换频率非局部化及缺乏平移不变性的问题,抑制图像在奇异点处产生的伪吉布斯现象。然后,设计一种新的上下文构造方案,针对图像高频子带系数构建CHMM 进行去噪处理。最后,执行尖锐频率局部化Contourlet 逆变换以及逆向循环平移操作获得最终的去噪图像。文中方法采用有效的变换机制并利用上下文信息构建了一个全面的统计相关模型,充分表达了轮廓波高频子带系数在尺度间的持续性、尺度内的多方向选择性和空间邻域内的能量聚集特性,更加有利于图像的去噪处理。实验结果表明:该方法在提高去噪图像PSNR 值的同时进一步改善了其视觉效果,去噪性能优于基于小波变换和原始Contourlet 变换的去噪方法。     

基于LWT和递归最小类内绝对差的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于提升小波变换(LWT)和递归最小类内绝对差的检测方法.一方面先利用提升小波对原始图像进行去噪,再利用Top-hat算子抑制背景;另一方面先利用Top-hat算子抑制原始图像的背景,经提升小波去噪后,再进一步使用Top-hat算子;上述两方面得到的图像求和即为预处理图像.然后采用递归最小类内绝对差阈值选取方法分割预处理图像.针对红外小目标图像进行了大量实验,并与基于形态滤波及基于小波和形态学的红外小目标检测方法进行了比较.结果表明本文方法提高了信噪比,检测率分别提高15%和10%.     

遥感图像的NSCT自适应阈值去噪方法

提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。通过小波估计被噪声污染遥感图像的噪声强弱,根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

基于小波和NSCT的图像自适应阈值去噪方法

提出了一种基于小波和非下采样Contourlet变换(NSCT)相结合的图像自适应阈值去噪方法.先用小波估计噪声图像的噪声强弱,再根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值.仿真实验结果表明,与小波硬阈值、Contoudet硬阈值和基于非下采样Contourlet硬阈值去...     

遥感图像的NSCT自适应阈值去噪方法

本文提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。首先通过小波估计被噪声污染遥感图像的噪声强弱,再根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

Contourlet域自适应萎缩阈值去噪方法

受到传输距离、电子干扰等多方面因素的影响,在测量船远程故障视频诊断系统中,地面接收到的设备状态图像不可避免地混合有随机噪声,因此图像去噪是设备状态图像预处理阶段重要的任务之一。Contourlet变换是一种优异的图像去噪工具,但固定的萎缩阈值不能自适应于Contourlet系数的邻域信息。构造了一种利用Contourlet系数邻域信息的自适应萎缩阈值,用该阈值结合Contourlet循环平移方法实现图像去噪,实验结果表明,该方法可以提高去噪后图像的峰值信噪比。     

基于NSCT子带自适应Bayes阈值图像去噪方法

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点,提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT变换域．能根据不同尺度、不同方向的子带能量,自适应调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Conto...     

基于小波变换的双色红外图像融合检测方法

针对复杂背景中/长波红外图像的特点，提出了一种基于小波变换的中/长波红外图像融合检测方法。首先，对原始中/长波红外图像分别进行小波变换，提取出两幅图像的低频和高频信息；然后，分别对图像的低频和高频信息采用不同的融合准则进行融合，并用小波逆变换重建成融合图像，自适应选取阈值，获得最终的目标检测结果。在实验中，采用相同的方法分别用融合图像、单波段红外图像进行目标检测，实验结果证明，用文中提出的融合检测算法优于仅用长波或中波红外图像的目标检测。     

一种改进的NAS-RIF红外图像盲复原算法

针对军事目标红外图像信噪比低、NAS-RIF算法复原模糊图像时敏感于噪声的缺陷,提出一种基于Contourlet多尺度变换去噪和图像细节规整化的改进NAS-RIF盲复原算法。首先,通过Contourlet变换对图像进行去噪预处理;然后,利用最优阈值分割技术提取目标的可靠支持域,并引入规整化方法,在代价函数中添加目标边缘保持约束项,保存图像细节特征;最后,利用共轭梯度(CG)算法优化代价函数,以保持算法的收敛速度。两组实验的结果表明,针对信噪比较低的气动红外退化图像,与原始NAS-RIF方法相比,本文提出的改进算法具有更好的复原效果,算法的收敛速度基本保持不变。     

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.     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法；在帧间采用八邻域判决法对弱小目标进行检测；实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。     

采用尺度空间理论的红外弱小目标检测方法

为了检测红外场景中尺寸大小变化的弱小目标,针对传统滤波方法中固定大小滤波核对此类特性目标检测表现出的不足,提出一种基于尺度空间理论的红外弱小目标检测方法。首先对弱小目标特性进行分析,提出采用点扩散函数形式的目标模型来描述弱小目标;采用固定自适应邻域的方法对原始红外图像进行预处理,抑制背景杂波,增强目标能量;依据尺度规范化后的拉普拉斯尺度空间对图像不同元素滤波响应的不同,获取图像中的可疑目标,利用可疑目标点与其周围像素的梯度关系得到可疑目标点的中心坐标,并据此得到其在图中的尺寸大小;对每个可疑目标划分一个自适应大小窗口,获取分割阈值,分割出真实目标。实验结果表明,该方法能较好地检测出弱小目标,且具有较低的虚警率。     

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。     

基于非下采样Contourlet变换的红外小目标检测方法

对存在背景干扰和噪声情况下的红外小目标检测方法进行了分析,提出了一种时空结合的红外小目标检测算法.首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,接着对残差图像进行非下采样Contourlet变换,利用非下采样Contourle分解后子图像的特性抑制剩余的背景并消除噪声,提高了目标信噪比,最后通过...     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

基于二阶梯度的红外小目标检测方法

为了提高复杂背景下红外图像中弱小目标的检测概率同时降低虚警率,本文提出一种基于二阶梯度的红外弱小目标检测算法。首先基于小面模型采用二维离散正交多项式对原始图像局部灰度分布进行拟合,然后设计二阶方向导数滤波器对图像进行滤波并分解为不同的方向通道,再根据极值定理对不同的方向通道求取极值图像,随后对极值图像进行形态学滤波以增强目标能量并进一步抑制背景杂波,之后对极值图像进行归一化处理并统计其直方图,利用直方图灰度分布选取合适的分割阈值,进行阈值分割后得到二值图像并最终确定目标位置。实验结果表明,该方法在信噪比极低的复杂背景下可准确地对弱小目标进行检测。     

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。     

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.