基于深度学习的红外目标检测方法

由于背景的复杂性和小目标的多样性,红外小目标已经成为一个挑战。为了解决这个问题,与传统方法不同的是,本文提出一种基于密度-距离的最新检测方法。首先,对红外图像参数计算引信上的传感器以设置目标检测方法的边界限制。其次,提出了基于密度-距离空间的候选目标检测方法。最后,自适应像素生长（APG）算法用于抑制杂波,从而检测出实际的目标。利用真实红外图像数据库进行了仿真验证,仿真和硬件在环实验实施以验证该方法的有效性。结果表明,红外图像引信上的传感器在弹丸旋转时具有稳定的视场,可以清楚地看到观察红外小目标。该方法具有较好的抗噪性,不同大小的目标检测、多目标检测和各种杂波抑制能力。实验结果表明,该方法对多种不同 场景中的信噪比较低的目标具有良好的检测效果。     

基于红外面阵传感器的图像拼接算法

对大面阵红外传感器图像的拼接算法进行了研究.针对红外图像中噪声过多的问题,采用基于Harris角点的图像拼接算法进行噪声抑制并对Harris算法进行改进.首先根据图像像素响应函数值的特性,将Harris检测人工阈值改进为自适应阈值.然后在相似测度归一化互相关(NCC)粗匹配的基础上,根据图像间正确匹配角点对各自构成的四边形应满足四角相等的几何关系,采用有约束的随机抽样一致性(RANSAC)方法.实验结果表明:该算法避免了噪声的影响,使图像拼接具有适应性,对大面阵红外图像具有良好的拼接效果.     

基于线检测器的红外弱小目标检测

复杂背景下低信噪比弱小目标的检测仍然是当今的一个难题,尤其是在复杂背景的抑制方面,针对红外小目标的特点,以及红外小目标实时性检测的要求,提出了一种检测低信噪比的复杂背景情况下的红外图像点目标的新的算法.首先,用一个线检测器,对红外图像进行处理,经过其处理后的图像,不仅可以大幅度抑制背景,而且还能增强目标,极大程度的提高了图像的信噪比;其次,对处理后的图像用二维的Otsu自动阈值分割法进行分割,检测出点目标.通过对红外图像的实验,证明该算法的有效性.     

面向无人驾驶的井下行人检测方法

行人检测是煤矿井下无人驾驶的关键技术,受煤矿井下光照不均匀、背景复杂、红外线干扰、光线昏暗和图像中目标小且密集等影响,现有方法检测井下行人时效果不理想。针对上述问题,提出了一种多传感器融合的井下行人检测方法。该方法通过分步多特征融合方式将可见光传感器、红外传感器和深度传感器采集的图像特征进行融合,获得了更加丰富的图像特征;在RetinaNet的基础上,将Dense连接加入到ResNet中,形成一种具有层级相连结构的Dense-ResNet,能够从多传感器融合结果中提取出深层图像特征,增强了对小目标的检测能力。实验结果表明,多传感融合图像相较于单一图像可获得更加丰富的目标特征,有利于提高目标检测精度;Dense-RetinaNet相较于RetinaNet在多目标和小目标检测精度上均有所提高。     

多尺度红外超像素图像模型的小目标检测

目的 复杂背景中的红外小目标检测易受背景杂波与噪声的干扰,直接利用现有的低秩约束与稀疏表示联合模型存在准确率低、虚警率高及检测速度慢等不足。为了解决这些问题,提出一种基于多尺度红外超像素图像模型的小目标检测方法。方法 首先,采用超像素方法分割原始红外图像,得到无重叠区域的超像素图像,充分利用红外图像的局部空间相关性;然后,引入多尺度理论,融合多个不同尺度下检测的目标图像,增强该方法检测不同尺寸目标的稳健性。结果 针对多幅不同场景下的红外小目标图像进行了实验验证,并选取信杂比增益、背景抑制因子及检测时间作为定量评价指标,以此衡量背景抑制效果及算法运行速度。大量实验结果表明,与Top-Hat、Max-Median、二维最小均方、局部显著性图、红外块图像、加权红外块图像等方法相比,本文方法能有效地去除各种干扰,在背景抑制方面具有更好的效果,且所得背景抑制因子为其他方法的数十倍;与同类方法相比,红外超像素图像模型减少了至少78.2%的检测时间。结论 本文将超像素图像分割与多尺度理论引入低秩约束与稀疏表示联合模型,能够取得更好的背景抑制效果,并且可以适应不同大小目标的检测,实现复杂背景中红外小目标的准确检测。     

基于小波高频距离像的红外小目标检测

针对远距离复杂背景下红外小目标检测问题,提出了一种基于小波高频距离像的方法;该方法首先将处理空间变换到小波域,通过分析残留背景、目标和噪声系数在高频子带的差异,定义基于邻域均值的子带系数表达形式,构造高频子带系数的中心向量,对小波高频图像进行综合形成距离像,得到红外复杂背景的抑制结果;在此基础上,利用恒虚警率算法将单帧背景抑制图像分割成候选目标、残留背景和噪声像素点;最后,在时间域基于目标运动的相关性,利用管道滤波实现红外小目标的最终检测;仿真实验结果表明,相对于经典算法,该方法可以实现对红外复杂背景的有效抑制,增强目标信号的强度,准确稳定地从红外复杂背景中检测出小目标.     

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。     

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。     

联合形态滤波和MRF模型的红外小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于自适应形态滤波和Markov随机场(MRF)模型的小目标检测算法。设计基于图像局部熵优化的自适应形态滤波器,采用该滤波器进行背景杂波抑制和目标增强,利用MRF理论描述图像像素间关系,构造新的势函数和能量函数,建立目标检测识别模型,通过模型计算自动识别出红外图像中的小目标。理论分析和实验结果表明,该算法可在复杂背景下自适应地抑制背景杂波,成功检测出红外小目标。     

基于SVD背景抑制和粒子滤波的弱小目标检测*

针对云天背景下红外弱小目标的检测算法中常见的目标漏检和检测错误问题,提出了一种基于奇异值分解背景抑制和粒子滤波联合检测算法。该算法首先采用奇异值分解滤波抑制红外图像背景,获取候选目标位置,然后采用粒子滤波算法估计目标运动状态,获取目标搜索窗口,最后将单帧检测候选目标与预测的搜索窗口相结合实现小目标检测。对真实红外图像序列进行实验表明,该方法有效地解决了SVD滤波单帧漏检和粒子滤波预测错误导致的目标检测错误问题,从而提高了低信噪比下弱小目标的检测能力。     

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     

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。     

模糊神经网络在图像目标检测中的应用

红外图像中的微弱目标检测与跟踪是数字图像处理领域中的研究热点。针对红外图像中微弱目标灰度的统计特点以及模糊神经网络在自适应噪声消除的应用,提出一种基于增强型动态模糊神经网络算法用于红外图像噪声消除。经过自适应噪声消除后,可有效的有自动阈值门限分割法进行微弱目标检测。     

红外背景抑制与小目标检测算法

目的 针对Robinson guard滤波器的局限性和红外图像背景抑制问题,提出一种新的红外背景抑制滤波算法。方法 首先通过形态学Tophat算子对图像背景进行抑制,然后对背景抑制后的图像采用改进的Robinson guard滤波器进一步凸显目标,并通过阈值化分割出感兴趣区域,在此基础上,利用Unger平滑去除小的噪声点,最后用局部信杂比（SCR）和移动式管道滤波剔除伪目标,实现运动小目标的准确定位。结果 采用3组不同的红外背景图像序列进行实验,所提算法对不同背景均有很好的抑制效果,与传统Robinson guard滤波方法相比,本文算法不仅能更有效地保留目标的特征信息,而且对3组图像序列的小目标的检测率分别提高了1.1%、2%、11%,虚警率分别降低了14%、12%、16%。结论 本文算法能有效地检测出小目标,具备较高的准确性,对于低信噪比的图像具有良好的适应性。同时,本文算法具有较高的实时处理能力,有利于实现实时性技术应用。     

基于形态学Top—Hat算子的小目标检测方法

针对红外序列图象中运动弱小目标的检测问题，提出了一种基于能量累积与Ｔop-Hat算子的小目标检测方法，该方法是首先设置一定大小的滑动窗口，并通过对窗口内的图象序旬进行能量累积来去除图象中的随机噪声，以提高目标的信噪比；然后对能量累积后的图象采用形态学中的Ｔop-Hat算子完成候选小目标的检测工作；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，同时进行了该方法与传统高通滤波检测方法，在抗噪声性能、背景抑制性能以及抑制虚警目标性能等方面差异的比较实验，实验结果表明，基于能量累积与Ｔop-Hat算子的小目标检测方法在这３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。     

基于动态规划的多目标跟踪算法及实现

为探讨和跟踪由侧视或前视红外成像传感器观察到的，按象素排列的低信噪比目标，设计了一在于动态规划的算法，算法的优点是对微弱目标的高检测灵敏度，及对目标机动，传感器信号跳动和脉冲干扰的鲁棒性，其特点是：将目标探测和跟踪合并涉及目标运动、背景噪声和杂波统计模型的单一优化过程，包括一种新的得分泛函的设计和减少计算量而对ＤＰ算法进行的扩展。     

基于改进双滑窗的红外小目标检测算法

分析了红外小目标图像的时域特性以及小目标、噪声、背景的不同特点,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,提高了目标信噪比(SNR);接着,使用中心点判别方法检测出可能的小目标点;然后,利用双滑窗方法去除孤立的噪声;最后,运用区域相似度判别函数,剔除边缘纹理的干扰,检测出小目标。仿真实验表明,该算法不仅具有良好的实时性,同时还具有较高的检测概率和较低的平均虚警数。