基于时空分集的弱点状动目标高性能实时检测技术研究

降维处理法在多维信号检测中虽然减少了计算量,简化了检测过程,但是将会导致系统检测性能的下降,这一点是实际应用所不允许的。在序列图像情况下,为提高算法的实时性,研究了一种基于时空分集理论的降维处理及实时检测技术:时间分集实现了从时空三维图像向二维空间的投影,从而目标运动轨迹的搜索空间维数从时空三维变成了二维;空间分集完成了目标能量的积累,从而提高了信噪比。为提高系统检测性能,对决策统计量的分布函数进行了变换,改造了分布形状,获得了有利于提高检测概率的分布。给出了具体实施方案,相应的理论分析和实验结果。     

基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

基于时空搜索的红外微弱点状动目标检测技术

在背景杂波被抑制后的图像序列中,残留样本为相互独立、服从高斯分布的条件下,首先论述了理想三维时空搜索检测算法,并对其性能进行分析。结果表明,虽然它具有最佳的检测性能,但是由于需要事先知道关于噪声及目标先验知识的缘故,无法进行实际应用。对此．研究了直接利用观测样本来估计噪声及目标的一、二阶矩,从而无须事先知道噪声统计特性的三维时空搜索检测算法及其详细步骤,推导了二元判决统计量所服从的概率分布函数（结果为t分布）,对比分析了算法的检测性能,并给出了理想算法和本算法中共存的问题及其相应的改进方案。此种算法在连续多帧做任意运动的流星、人造卫星以及其他运动目标的光学检测与跟踪中应用广泛。     

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.     

红外目标检测方法分析

对红外目标检测难点进行分析,从目标检测的两个主要发展方向上,对目前国内外提出的检测哩论和方法进行系统地归纳和总结,然后对各种理论方法的适用情况和优缺点进行分析,并指出各种险测理论和算法的结合使用和灵活运用,可以提高目标检测的稳健性和高效性.     

人体运动目标检测与跟踪方法的研究与实现

通过摄像机拍摄到的一段视频,对其中运动的人进行检测与跟踪。在目标检测方面,获取运动行人图像序列,利用自适应背景提取方法得到背景,根据将目标与背景进行分离的分割阈值,对差分图像进行分割,提取运动区域,检测出人体运动目标;在目标跟踪方面,选用基于Kalman滤波的运动跟踪系统,通过估计出运动目标的下一位置,对运动目标进行实时跟踪。这里的实验是在Linux平台上利用Intel的开源OpenCV函数库建立起模型并实现算法。经过多次仿真测试表明,使用Kalman滤波可以很好地解决实验中两个人握手时运动目标间遮挡的问题,并跟踪运动目标,而且处理速度比较快,能够满足一般情况下的实时性要求。     

检测慢速运动目标的时空处理

本文与机载多功能雷达的空地任务有关,目的是在得到高分辨率地面图像的同进实现地面慢速运动目标的检测、定们的和成像。时空滤波十分适合利用机载雷达检测慢速运动目标。优化的时空滤波器,利用简单的结构就得到了几科是最佳的性能。阐述了所要求的少量自由度。实验结果表明地面运动目标的检测和定位和和地面成像同时进行的。     

基于红外序列图像的特定目标智能检测

红外成像探测技术是目前以及未来军事作战需要倚仗的重要技术。以卫星红外序列遥感图像为处理对象,采用人工智能相关技术对图像数据进行目标检测。针对序列图像检测到的特定目标进行关联分析,并通过目标灰度提取以及运动变化信息来生成特定目标的轨迹报告。实验结果表明,多目标检测的平均正确率为90%,部分场景可以达到95%,误检率为7%;多目标跟踪的平均正确率为91%,误检率为6%,为及时发现和预警特定目标提供了信息支撑。     

基于概率加权求和投影的多维信号检测技术研究

在多维信号检测中,通常需要采用投影法来进行降维处理,从而减少计算量,简化检测过程.本文在待投影的众多样本中只有一个样本可能为目标的情况下,提出了一种新的投影算法,它充分利用每个样本点是否为目标的概率信息来构造组合样本;推导了每个样本是否为目标的概率分配公式.作为验证,将其运用到了红外图像序列中微弱点状运动目标的检测领域,给出了其性能分析和仿真结果,并与常用的最大值投影算法进行了性能对比.结果表明,本文算法综合性能优于属本文算法特例的后者,并且对低信噪杂波比情况下的目标检测,其性能有较大的提高.     

基于运动特征的远距离红外目标检测方法

在红外热图像序列中检测远距离运动目标具有重要的军事和民用价值。由于远距离目标成像后所占的像素较少,同时受成像环境和成像条件的影响可能会存在较强的背景噪声,目标与背景的差异不明显,检测比较困难。本文针对热红外图像序列,提出了一种远距离目标的检测方法。该方法首先利用top-hat算子选择备选目标,然后利用备选目标在不同帧中的相关程度分析目标的运动特征,选择有确定运动特征的目标作为检测结果。该方法不需要进行背景估计,可以有效地避免强背景噪声的影响;通过调整运动模型,可以应用于不同运动特征的目标检测问题。实验结果证明了本文方法的有效性和鲁棒性。     

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。     

基于时空非参数回归估计的动态杂波抑制技术研究

含有点状运动目标的红外图像序列情况下，在研究杂波运动机理和数理模型的基础上，假定杂波是时空非平稳随机过程，采用时空非参数预测（时域衰减正弦、空域Gabor加权函数）技术来抑制了动态背景杂波。另外，杂波抑制后，残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证，其结果表明本文所研究的算法思路的可行性。     

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。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

卫星红外图像点目标检测预处理

对卫星红外图像点目标检测预处理方法做了研究,采用线性滤波器和非线性滤波器并行对图像进行预处理,仿真实验表明该方法可以在保证很高的检测率的同时大大降低虚警率,为后续处理提供有力支持。算法简单可行,利于硬件实现。     

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.     

一种新的红外序列图像运动小目标分割算法

红外序列图像运动小目标检测技术,是红外搜索与跟踪系统的一项核心技术,也是现代研究领域的一大难题。本文提出了一种新的红外序列图像运动小目标分割算法,算法运用边界跟踪理论进行图像分割,并与传统的阈值分割算法进行效果比较。大量的实验结果表明,此新的算法能取得更好的小目标分割效果。