海面环境中红外偏振成像系统作用距离模型

诸多实验证明海面辐射具有偏振特性,目前还没有有效的红外偏振成像系统的海面目标探测能力的相关理论。利用T. Elfouhaily提出的海浪方向谱模型反演出海浪高度分布;通过一种基于Monte-Carlo光线逆追踪的方法分析了海面的红外偏振辐射特性;根据Stokes矢量分量的噪声特性建立了Stokes矢量各分量的最小可分辨温差值(MRTD)计算方法;并在此基础上,利用Stokes矢量分量的MRTD与场景的表观温差(ATD)的差异建立了海面环境中的红外偏振成像系统作用距离模型。     

高分辨率卫星海洋背景成像仿真方法

海洋背景的仿真是海面目标场景仿真的关键环节,是海洋目标-背景耦合作用模拟的重要基础,决定了仿真图像中目标与背景差异特征的正确性和真实性。高分辨率遥感成像下,海面细节特征突显,以往视海表为均匀辐射面的处理方法给高分辨率海洋场景仿真造成较大误差。重点研究了海面三维形态、多组分分布与海水方向反射特性的耦合作用和辐射模型,提出了海面高分辨率遥感成像仿真方法。通过频谱分析的方法构建海面三维模型,根据海面组分分布的不同及不同位置海面法向的不同,修正了低分辨率下的海洋BRDF模型,使其满足高分辨率卫星图像的仿真应用,计算出不同组分的海面的方向反射数据,并将其与海面三维模型关联,构建了亚米级海面三维辐射模型,通过光线追踪方法建立海面零视距辐射场,并经过大气影响和传感器效应,模拟不同海况条件下卫星遥感图像。结果表明:将ZY3-02卫星实测海面图像与相同成像条件下的仿真图像对比,图像均值的误差为3.7%,标准差误差为9.9%,可以较真实地模拟高分辨率卫星成像下的海洋背景。     

甚长波传播特性及辐射能力分析

<正>当前，甚长波通信正在被应用到水下无人潜航器（UnmannedUnderwaterVehicle,简称UUV）上。甚长波发信台使用垂直天线，辐射垂直极化场，在传播方向上不含有磁场分量而只含有电场分量。海面上电场的水平分量比垂直分量小得多，当电磁波从空中向海水传播时，频率越低进入海水中的能量越少，使电磁波在海面上传播得更远。电磁波进入水下后，海水中的水平电场分量比垂直电场分量大得多，且水平电场分量的传播方向向下。     

基于空域联合时频分解的海面微弱目标检测方法

海面目标不仅影响其位置处波浪运动,还会影响其周围的水域,其雷达回波信号分布于多个相邻的距离单元,所以目标回波信号表现出明显的空域相关性。该文根据海面目标信号的空间相关性提出了一种基于空域联合时频分解的海面微弱目标检测方法。该文提出的一种两信号互S-方法将相邻两个距离单元的回波信号变换到时频域,再利用互维格纳-威尔逆变换实现两距离单元信号的联合时频分解,最后根据分解分量的联合时频聚集性实现目标检测。实测X波段雷达海面回波的处理结果表明该文方法能够较精确地从海面回波中检测出微弱目标,并且能够显示目标的瞬时运动特性。      

改进的海面辐射模型

作为海面目标的主要背景,海面的红外辐射特性对于舰船红外仿真研究具有重要意义.为了获得更接近实际的海面红外辐射,用MODTRAN按照不同的天项角计算出天空辐射,按照不同的高度和俯仰角计算出透过率以及大气程辐射.根据反射定律计算出海面反射的太阳辐射以及天空辐射.用改进的海面辐射模型计算探测器可见海面的红外辐射.在有太阳镜面反射和无太阳镜面反射两种情况下,对3～5μm和8～12μm波段的海面红外辐射分别进行模拟.结果表明,利用改进的海面辐射模型对海面红外辐射进行模拟更加接近实际.     

基于知识的旋转海面小目标检测

针对海面小目标处于海空线这一先验知识，提出了基于小波变换和多方向Gabor滤波融合的方法，检测任意角度的海天线，确定小目标的潜在区域，减少搜索区域与虚警情况，并利用运动目标的相关性检测小目标。结果表明，该方法对于复杂的海面背景是有效的，能够很好地检测出目标点。     

海面红外小目标检测算法研究

针对海面红外图像中出现的海面杂波和孤立噪声点的问题,采用了一种将空间域的滤波结果在时间域进行二次滤波的方法,实时地检测海面图像中的小目标。在空间域上,根据海面杂波具有一定方向性的特点,设计了4种方向的结构元素分别进行形态学运算来抑制海面杂波,再使用均值融合准则进行融合。在时间域上,利用目标在帧间的运动具有连续性而噪声点不具有该性质的特点,采用均值加权滤波的方法来滤除孤立噪声点,最后使用自适应门限分割检测出小目标。实验结果表明,本文算法在复杂海面环境下,能有效地抑制海面杂波和孤立噪声点的影响,减小虚警率,是一种有效的海面小目标检测方法。     

基于兴趣区分割的红外舰船目标实时检测算法

针对复杂海天背景条件下的远距离低信噪比红外图像舰船实时目标检测问题,分析了海天背景舰船目标图像特点,提出利用图像小波分解得到的水平与垂直细节分量提取兴趣区,通过在兴趣区进行迭代最大类间方差法分割检测舰船目标.实际录取数据实验结果表明,算法针对各种海面场景与目标类型均能准确检测目标,实时性好.     

粗糙海面舰船目标RCS研究

由于海面自身的条件及随机多变的特性,目标雷达散射回波会受到不同程度的影响。分别研究了海情变化对目标雷达回波的影响与雷达波入射角的关系,海面浮油对目标雷达回波的影响,浮油海面不同海情对目标雷达回波的影响,并进行了理论分析和仿真,结果表明:(1)入射角降低,不同海情对目标RCS的影响变弱;(2)海面浮油后,目标RCS升高,且油层厚H越大,目标RCS值越高;(3)海面浮油后会影响海面的散射特性,随海情的升高,目标RCS会变小,其变化程度比正常海面小。研究结果为海面雷达侦测提供了参考依据。     

基于低秩稀疏分解的红外弱小目标检测算法研究进展

红外探测系统具有隐蔽性好、抗干扰能力强等特点，广泛应用于军事和民用领域，红外弱小目标的检测是红外探测系统中的重要组成部分，已成为了当前的研究热点。近年来，学者们在基于低秩稀疏分解的红外弱小目标检测算法研究方面取得了丰硕的成果，为此，重点阐述了基于低秩稀疏分解的红外弱小目标检测算法的研究现状和研究进展。从背景分量约束、目标分量约束和联合时域信息约束等3个方面详细地综述了基于低秩稀疏分解的红外弱小目标检测算法。首先把背景分量约束划分为块图像的低秩约束、张量的低秩约束和全变分约束，其次从目标的稀疏性表示和融合局部先验的目标分量加权策略两方面分析了目标分量的约束，然后分析了联合时域信息约束，将典型的基于低秩稀疏分解的检测算法和单帧检测算法进行了性能对比，最后讨论了该领域下一步的研究方向。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。     

复杂海天背景下红外舰船目标实时检测算法

针对复杂海空背景条件下的低信噪比舰船目标检测问题，在分析海面背景舰船目标红外图像特点的基础上，提出首先进行红外图像预滤波以抑制噪声背景增强目标，然后通过检测图像水平与垂直边缘得到潜在目标区域，最后通过小范围的图像分割检测舰船目标。实际录取数据实验结果表明，算法针对各种海面场景与目标类型均能准确检测目标，实时性好。     

红外图像中小目标检测的新算法

分析了红外图像中小目标、噪声以及背景的特点。针对高通滤波后小目标经常被强噪声淹没的情况，基于Donoho提出的小波变换的软阈值去噪方法，提出了一种峰值检测算法。实验结果证明方法可以有效地抑制高通滤波后的强噪声，并能检测出小目标。     

海空背景下红外小目标检测算法

研究海空复杂背景下红外图像小目标检测问题,针对海空背景下远距离小目标总是出现在水天线附近的特点,通过小波多尺度分析边缘检测算法检测水天线,确定出目标潜在区域,再进行精细目标搜索,从而提出了一种由粗到精的小目标检测算法。实验结果表明,对一般噪声条件下得到的红外目标图像,该方法能准确地检测、定位小目标,单帧检测准确率达96%以上并具有单帧检测率高、实现速度快的特点。     

基于MRF的自适应正则化红外背景杂波抑制算法

针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现.     

红外小目标的分类背景预测与图像分块技术

基于复杂天空背景下红外小目标的特性分析,提出了一种利用分类背景预测与图像分块技术进行红外小目标检测的有效算法。该算法以背景预测理论为基础,通过边缘检测技术、最大均值和局部最相似分类背景预测技术获得较为准确的图像背景,进而采用统计分割算法从残差图像中提取出较为精确的目标位置。其中,通过图像分块处理,提高了算法计算效率。最后,选取了三组具有代表性的红外序列对算法的性能进行了检验。实验结果表明,所提出预测算法在检测准确性、鲁棒性以及计算效率上都具有明显的优越性。     

低空背景下红外目标提取跟踪算法研究

为解决低空复杂背景下红外目标的提取和跟踪,提出了地平线检测排除地物背景的方法,然后在地平线之上的区域,采用边缘检测、阈值分割、边界搜索算法并结合多帧图像的相关性以及目标形态和运动参数的连续性来提取目标。实验表明,本文的算法计算量小、实时性强,可以有效检测出地平线,排除低空背景和假目标的干扰,实现稳定的跟踪,并最终完成了DSP的硬件实现。     

基于非线性抗噪声估计的视觉显著性弱小目标检测

针对红外图像处理技术中弱小目标检测的重要性及关键性,提出一种基于非线性抗噪声估计的检测算法来解决高可靠性、高鲁棒性的弱小目标检测问题。提出的方法基于传统视觉显著度算法及空间距离处理方法,对目标及背景区域采用非线性加权方法进行估计,在不显著降低目标信号信噪比的基础上,削弱孤立微小噪声点对检测算法性能的影响,可提高抗噪性能。首先,采用模块化及非线性映射方式预测背景;然后,融入距离相关因子滤除噪声干扰;最后,在处理结束的图像上进行二值化阈值分割,自动检测并向下一级处理软件输出目标位置信息。实验结果表明:提出的算法与近年来先进的弱小目标检测算法相比,在受试者测试曲线上,在相同的虚警率下,可获得更高的检测率,对背景噪声的抑制很明显;在局部信噪比及背景抑制因子的测试比对数据上,提出的算法可获得更高的检测指标。缺点是算法采用了非线性处理技术,运算效率较低,需进一步优化算法以提高计算速度,实现算法的实时目标检测。     

基于区域梯度信息的红外小目标检测

红外小目标检测一直是红外图像处理的难点之一,由于多种因素的影响,红外小目标容易被覆盖。分析红外图像特征,采用形态学对图像进行背景噪声抑制,在去除大部分噪声的情况下,首先利用灰度信息确定目标点的位置,然后利用区域梯度信息进而确定目标尺寸大小,对仿真图像进行处理并与K均值聚类法和形态学算法进行比较。实验结果表明:在低噪声情况下,三类算法均能有效地进行小目标检测,但在噪声复杂,信噪比较低的情况下,K均值聚类法未能检测出目标,形态学算法产生了多个虚警,而该算法依然能有效检测出小目标。     

基于时域的红外图像序列中快速运动小目标检测算法

提出了一种新的红外图像序列中快速运动小目标时域模型。为差分图像序列中的背景像素、目标像素、杂波像素建立了模型，将目标检测问题转化为噪声中已知信号的检测问题，并应用相关检测技术进行目标检测。理论分析表明，在SNR和SCR均大于6的情况下，算法具有很好的性能，实验结果也证实了算法的有效性。