图像配准在缓动弱小空间目标检测中的应用

在固定大视场光电探测系统图像中,远距离空间目标运动角速度慢、星像小,难以从众多恒星星像中有效检测到.针对上述问题,提出了一种基于恒星配准后差分相乘的缓动弱小空间目标检测算法,首先在空域上利用形态学Top-hat滤波抑制背景增强目标,然后在时域上将恒星配准后差分相乘增强缓动弱小空间目标,最后经自适应门限分割与航迹关联进行目标确认.实测结果表明,算法全面考虑了缓动弱小空间目标在时域及空域方面的特性,能有效地从复杂背景中检测到低信噪比缓动弱小目标,并满足实时性的要求.     

一种新的空时域滤波小目标检测方法

为了提高红外图像序列中弱小目标的信噪比和检测概率,同时考虑检测算法实时性,提出了一种新的基于空时域滤波的小目标检测方法.首先,以第一帧图像为参考帧,对各帧图像进行运动补偿;然后,对运动补偿后的各帧图像在空域进行方差加权信息熵滤波,对空域滤波后图像采取双向隔帧差分的时域滤波;最后通过检测差分图像中的"凸包",抑制背景和噪声,检测小目标.文中给出了实验结果与分析,并与其他方法作了比较.实验结果表明,上述方法能大幅度的提高目标的信噪比,检测小目标,且实时性好.     

红外弱小目标检测背景抑制算法研究

复杂背景下红外小目标识别一直是红外图像处理的关键技术之一,针对复杂云背景下红外弱小目标的时域和空域特征,考虑到易于硬件实现和实时性要求,提出基于快速统计排序滤波和Robinson Guard滤波并行快速处理算法,对复杂背景进行高信噪比抑制。实验证明,该方法能够有效地提高红外弱小目标图像信噪比和复杂背景下的小目标的检测概率。     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用模糊支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值:然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明,本文提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.     

复杂背景可见光图像中弱小目标探测的新算法

针对具有复杂背景的可见光图像中弱小目标很难探测这一问题,研究了一种面形态学空间滤波器可以在单帧图像中检测出比局部背景灰度值高出 10%以上的候选小目标;在经过空间滤波和帧相关滤波后的多帧图像中提取出每一个候选小目标的一组特征矢量;特征矢量的融合算法可以排列出多个小目标的威胁次序。仿真试验表明该算法可以探测出多个与背景灰度接近的可见光弱小目标,并可以对其威胁次序进行排序。     

天文图像序列中弱目标的实时检测算法

针对天文图像中运动弱小目标的检测问题,在分析天文CCD图像特点的基础上,根据待检测目标运动状态的不同,提出:1)在检测动目标时,对基于图像对称差分运算方法进行了改进,改进后的方法性能优于图像差分法,且硬件实现容易。该方法以连续三帧序列图像为一组处理对象,在进行绝对差运算之前,对图像进行对比度增强及均值滤波;2)使用形态学滤波的方法实现单帧静止多目标的检测,该方法采用top-hat算子完成背景的估计与目标的检测。为了实时实现所提出的动目标及静止目标的检测算法,设计了DSP FPGA硬件架构方案,并进行了外场实验。实验的结果表明,检测算法在硬件加速的情况下可以实时有效地检测到SNR≈2的弱小目标,并可以同时实时保存原始图像数据。     

空时级联滤波红外点目标检测

时域递归最大值滤波是一种较易实现的红外小目标检测方法,但是在递归过程中存在目标膨胀的缺陷,影响了该方法的应用。通过研究分析,提出了条件最小值滤波替换最小值滤波抑制目标膨胀,较好解决了目标膨胀问题。结合空域最大中值滤波预测背景,将点目标和强噪声保留在预测残差中,再通过递归最大值滤波对预测残差进行时域递归处理,以完成能量累积提高信噪比,设计完成的算法实现了对尺度为 1 个像素,运动速度小于 1 像素每帧的点目标的可靠检测。     

基于各向异性扩散的弱小目标增强算法(英文)

针对弱小目标对比度较低、边缘模糊、难以准确探测的问题,本文提出一种基于PDE的改进的各向异性扩散滤波算法增强弱小目标.该方法根据各向异性扩散原理,通过改进传统的P-M方程建立新的滤波模型,采用自适应滤波的方法在非目标区进行背景平滑,在局部变化的区域进行锐化处理增强弱小目标,从而达到背景平滑的同时增强边缘的效果.同时可以通过调节参数k和W选择平滑和锐化的程度,以适应不同的环境变化.实验结果表明,该方法能够有效的增强低对比度图像中的弱小目标.     

复杂场景中基于对象的运动目标检测方法

基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题.由于背景像素运动的复杂性,该方法很难将动态背景建入模型,会造成大量的误检.本文在混合高斯背景建模的基础上,通过空域和时域对动态背景产生的误检进行抑制.在空域运用MRF模型和混合高斯模型分别计算像素点的先验概率和类条件概率,通过结合像素点的先验概率和类条件概率完成前景图像的分割,在很大程度上去除了小面积的误检;在时域通过目标的运动持续性,运动显著性和面积变化稳定性三个目标特征过滤大面积的误检.通过实验表明,在保证较高检测精度的情况下,该方法能够在很大程度上抑制动态背景产生的误检.     

弱小目标检测算法性能评价的回归分析方法

针对弱小目标检测算法的特点,建立了一种对算法性能进行评价的机制和方法。以图像特征指标作为输入量,算法性能指标作为输出量,用响应函数模型描述二者之间的关系,通过回归分析对算法的性能做出了评价。利用所建立的方法,分别对一种基于中值滤波和一种基于形态学滤波的检测算法进行了分析和比较,结果表明,对于试验所采用的背景图像情况,后者对弱小目标的检测性能总体上要优于前者。     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法。首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰。声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采用Radon恒虚警率(Radon Constant False Alarm Rate,Radon-CFAR)检测声呐历程累积图像中的目标短时运动轨迹,能够检测到低信噪比的目标。分析了空时归一化处理和检测算法的性能,并通过海试数据验证了该算法的有效性,可以检测到低信噪比的蛙人目标回波。     

基于声呐历程累积图像的弱回波目标检测方法

针对浅海随机噪声与混响背景下蛙人等弱回波强度、慢速小目标的检测问题,提出一种基于声呐历程累积图像的目标检测方法.首先根据声呐图像时域、空域相关性,采用背景空时归一化处理技术,抑制声呐背景中的静态混响、突发性噪声等强回波干扰.声呐历程累积图像集成了多帧声呐图像的信息,目标回波亮点由于运动连续性形成亮线特征,利用该特征,采...     

图象序列中检测运动小目标的递归算法

分析了一种基于卡尔曼滤波理论的时域递归低通滤波算法。这种算法根据运动小目标,背景干扰和噪声在图象序列中的差异,能够抑制背景,增强小目标并将其从相对静止的背景中有效地分离出来。在恒虚警概率条件下,该算法可以在低信噪比的情况下,减小背景干扰和随机噪声的影响,提高信噪比,选取适当的阈值,能够得到清晰的小目标轮廓,通过仿真验证了这种算法的有效性     

用高阶累积量投影法检测红外弱小目标

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法.红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测.推导出了目标和噪声在二维投影空间中的分布公式.通过与相关算法对比分析,该算法计算量小,检测率随目标信噪比增长较快.利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

采用马氏模型的点状动目标快速检测方法

提出了一种视频序列图像中点状运动目标三维快速检测方法。该方法利用目标运动的时域连续性假设,将目标在相邻多帧上的位置状态模型化为二阶马尔可夫数据链;依照该模型采用沿轨迹集成的检测算法,克服了传统三维检测造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和仿真试验表明,该检测方法能稳定地检测出信号杂波噪声比（SCNR）超过3的缓动点状运动目标,而且在采用5帧集成时计算量比传统的穷尽轨迹匹配检测减少100倍。     

一种基于马尔可夫随机场的运动目标检测算法

本文提出了一种基于马尔可夫随机场的运动目标检测算法.针对传统时间分割使用主观固定阁值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法.采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标.仿真实验结果证明了本文算法可以有效地分割视频运动目标.     

自然纹理背景的目标提取

针对自然纹理背景,提出一种基于多尺度小波特征融合的人造目标检测方法。在小波变换域,纹理背景和目标区域的多级小波系数具有不同的能量分布,能量特征可作为简单、有效的空间特征来检测目标。由于小波函数具有良好的局域性特点,不同尺度下用它检测出的边缘特征点移位不会超过1个像素。融合边缘特征和能量特征进行人造目标检测,可有效地保证目标边界的定位精度,达到较好的鲁棒性和准确性。实验结果证明,该方法对纹理背景下人造目标面积探测的误差率小于5％,目标探测概率大于94．1％。     

一种基于关联处理的声呐图像去噪技术

为了改善声呐图像中存在大量杂波而导致目标跟踪困难,设备虚警率高的缺点,提出一种图像关联降噪算法。首先利用目标特性对静止目标进行剔除,之后利用目标运动的持续性和目标回波在连续多帧图像中的空间位置关联性,对随机噪声进行进一步滤除。仿真和试验数据验证,所提出的算法对于背景比较稳定的图像,降噪效率不低于95%。