一种基于数学形态学的小目标检测方法

提出一种基于数学形态学的远距离红外小目标自动检测的新方法，构造了由几种形态学运算组成的非线性算子。结合刚性小平面的三维分析技术，可快速检测红外图像序列中静止或运动的小目标。经实验证明，与传统的小目标检测算法相比，该方法具有速度快，抗噪性好等方面的优越性。     

基于能量累积与顺序形态滤波的经外小目标检测

针对红外序列图象中弱小目标的检测问题，提出了基于能量累积与顺序形态滤波的小目标检测方法，该方法通过设置一定大小的滑动窗口，对窗口内的图象序列进行能量累积，以达到去除图象中的随机噪声和提高目标的信噪比的目的，其目标检测采用由粗到精3个步骤，即首先利用顺序形态滤波抑制背景，并通过提取目标广义边缘来实现目标的粗定位，然后对可能存在目标的区域进行分割，通过提取目标几何特征来完成精确定位；最后利用序列图象中目标运动的连续性和轨迹的一致性来筛选出真正的目标，实验结果表明，该方法能有效地抑制背景和能提取目标广义边缘，并能通过自适应地选择分割门限来完成红外小目标的定位和检测。     

基于形态学Top-hat滤波的红外小目标检测

为了满足红外小目标检测任务实时性高的要求,提出了基于FPGA硬件平台设计小目标检测系统的方法;采用模块化的设计思想并充分发挥FPGA并行运算的能力,利用Altera公司DSP Builder工具,按照Top-hat形态学滤波、阈值分割和质心提取的流程实现硬件算法模块;硬件仿真结果表明,该设计可以快速、可靠地检测出动态红外小目标,并具有一定的抗干扰能力,为高速小目标检测系统的研发提供了一种可行的方案。     

一种基于robert算子的红外图象小目标检测算法

"红外小目标检测"技术是红外成像跟踪系统的核心技术,因此红外小目标的检测是当前军事领域的一项重要研究课题。目前红外小目标的检测技术的发展方向是研究一种运算量小、性能高、利于硬件实时实现的检测算法。     

基于能量累积与顺序形态滤波的红外小目标检测

针对红外序列图象中弱小目标的检测问题 ,提出了基于能量累积与顺序形态滤波的小目标检测方法 .该方法通过设置一定大小的滑动窗口 ,对窗口内的图象序列进行能量累积 ,以达到去除图象中的随机噪声和提高目标的信噪比的目的 .其目标检测采用由粗到精 3个步骤 ,即首先利用顺序形态滤波抑制背景 ,并通过提取目标广义边缘来实现目标的粗定位 ;然后对可能存在目标的区域进行分割 ,通过提取目标几何特征来完成精确定位 ;最后利用序列图象中目标运动的连续性和轨迹的一致性来筛选出真正的目标 .实验结果表明 ,该方法能有效地抑制背景和能提取目标广义边缘 ,并能通过自适应地选择分割门限来完成红外小目标的定位和检测     

图像序列的目标检测

动态图象中的目标检测在实际应用中具有重要的意义。差图象是目标检测的基础，本文给出了一种运用差图象的多种特征进行了检测的方法，在特征空间的基础上，使用预测技术抗干扰。实践表明，此方法具有一定的实用性，并且在实际应用中取得了满意的效果。     

基于顺序形态滤波的外运动小目标检测

针对约外图像中运动弱小目标的检测问题,本文提出了基于顺序形态滤波的小目标检测方法,并给出了具体算法。目标检测分两步进行,首先利用顺序形态滤波抑制背景,检测出候选目标的位置,并对候选目标进行区域分割,最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标,作者通过实验比较了该方法与传统高通滤波方法在抗噪声性能,背景抑制性能以及抑制虚警目标性能的差异,实验结果表明,顺序形态滤波法在这三个方面都优于高通滤波法,它能够快速、可靠检测出低信噪比的运动小目标。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

基于CenSurE算子的多尺度红外小目标快速检测

红外小目标检测在国防、航天、交通、安防等领域有着广泛的应用场景,目前基于深度学习的目标检测算法尚不能很好地处理多尺度红外小目标检测.为此提出了一种红外小目标快速检测算法,通过引入尺度空间理论来解决目标尺度的变化问题.该算法采用CenSurE算子,使用积分图和图像栅格化等处理,降低计算复杂度,实现红外小目标的快速检测.实...     

基于熵的运动目标检测

目前，运动目标的检测是计算机视觉领域中最活跃的研究主题之一。本文介绍了光流法、帧间差分等运动目标的检测方法，提出了一种基于熵的运动目标检测方法，实验结果表明了该方法的鲁棒性和有效性。     

基于Wiener滤波与图像序列相关的小目标检测算法

传统动态图像跟踪系统在对小目标,特别是点目标的预跟踪阶段,常面临算法较复杂、参数确定困难等问题,在低信噪比条件下不能取得满意的检测效果。该文针对这一问题,提出了一种利用Wiener滤波对原始图像滤波,再利用图像序列相关性对滤波后的图像进行“平均背景估计”,从而实现提取目标图像背景,检测动态小目标的新算法。同时对Wiener滤波器的参数简化计算以及目标检测阈值的选取进行了详细讨论。该算法参数简单,能在较低的信噪比下取得比较好的滤波效果,仿真结果表明了算法的有效性。     

基于动态规划的红外弱小运动目标的实时检测方法研究

文章针对低信噪比下红外弱小运动目标的特点,提出了一种正向动态规划算法。分析了算法的检测性能,并对算法实现中的一些关键问题进行了讨论。实验表明,该算法适应性强,能有效地完成对低信噪比下弱小运动目标的实时检测、识别与跟踪。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

基于双边缘检测的目标定位技术

为了提高目标定位的准确性,在传统的高斯差分边缘检测和Sobel算子边缘检测的基础上,提出将二者相结合的双边缘检测算法。对原始图像进行2次标准差不同的高斯模糊求高斯差分来代替原本边缘检测图像预处理中的高斯平滑过程;对实验结果较好的高斯差分参数,进行Sobel边缘检测并进行目标定位。实验结果表明,在算法时间开销增加较少的情况下,使用高斯差分算子与Sobel算子相结合进行边缘检测的结果优于Sobel算子单独检测,检测效果较好。     

基于目标区域特性的海面小目标检测快速算法

A fast object detection method based on object region dissimilarity and 1-D AGADM (one dimensional average gray absolute difference maximum) between object and background is proposed for real-time defection of small offshore targets. Then computational complexity, antinoise performance, the signal-to-noise ratio (SNR) gain between original images and their results as a function of SNR of original images and receiver operating characteristic (ROC) curve are analyzed and compared with those existing methods of small target detection such as two dimensional average gray absolute difference maximum (2-D AGADM), median contrast filter algorithm and multi-level filter algorithm. Experimental results and theoretical analysis have shown that the proposed method has faster speed and more adaptability to small object shape and also yields improved SNR performance.