基于奇异值分解的红外弱小目标检测

鉴于传统的基于单幅图像奇异值分解红外弱小目标检测算法的不足,提出了一种新的基于图像序列奇异值分解的红外弱小目标检测算法.首先,利用图像序列构造图像矩阵并进行奇异值分解,得到对应的特征值与特征向量;其次,利用处理后的特征值和特征向量重构图像序列,得到新的特征图像序列;再次,在特征图像序列中选取合适的特征图像进行处理从而增强目标并抑制背景;然后,对新特征图像进行阈值分割,得到要检测的弱小目标;最后,对序列中的每幅图像分别进行帧间位置修正与帧内位置修正,以达到检测红外弱小目标的目的.实验结果表明该算法具有很好的鲁棒性与实时性.     

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.     

光电图像序列运动弱目标实时检测算法

针对光电探测图像序列中的运动弱小目标实时检测问题,提出了一种基于时空域融合滤波的弱目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标,在时域上通过改进的帧间差分方法增强运动目标,两者融合后经自适应门限分割与航迹关联确认目标。实际录取数据分析结果表明,算法全面考虑运动弱小目标在时域与空域方面的特性,能更有效地从复杂背景中检测低信噪比运动弱小目标,减小了虚警率,抗噪声干扰能力强。     

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。     

弱小目标跟踪算法性能评估的研究

本文提出了弱小目标检测和跟踪算法的性能评估框架,并针对弱小目标检测和跟踪的特点,从背景特性、目标特性和跟踪干扰特性等方面对弱小目标序列图像的仿真进行了分析.通过分析弱小目标跟踪中可能遇到的不同的目标情况和由此产生的正确跟踪轨迹、正常轨迹消失、错误跟踪轨迹、遗漏轨迹和虚假跟踪轨迹等目标跟踪状况,以弱小目标仿真模块提供的目标原始真值为基础,采用了有效跟踪评价和有效跟踪精度评价的方法对跟踪算法进行评估.试验表明,该方法能够有效地评估弱小目标跟踪算法.     

基于模糊融合的红外弱小目标快速检测算法

提出了一种基于模糊融合的红外弱小目标快速检测新算法。算法以差分图像为基础，根据差分图像的噪声特性引入衡量像素点灰度变化程度的隶属度函数，将经过隶属度函数“模糊化”的数帧差分图像进行模糊“与”操作实现融合，按照规则对融合后的图像进行两次模糊推理，实现了弱小目标的检测。仿真实验结果表明，该算法保留了差分法良好的实时性，克服了确定检测阈值难和“硬”判决带来检测概率低的缺点，能快速有效地检测出低信噪比红外图像序列中的像素个数不小于4的弱小运动目标。     

基于序贯岭回归背景抑制的目标检测算法

复杂背景下的弱小目标检测是空间监视和远程预警中的关键技术之一.针对这一难点问题,提出了一种新的基于自适应序贯岭回归背景抑制算法的目标检测算法.首先,利用岭回归估计原理,建立了自适应序贯岭回归估计算法.然后,利用图像背景空间域的相关性建立了基于序贯岭回归的图像背景抑制算法,并采用双向扫描更新方式加快算法收敛速度.该抑制算法能根据像素邻域灰度自适应调整加权参数.最后,在该抑制算法基础上,结合阈值化技术形成了一种新的弱小目标检测方法.实验证明,该算法能增强目标信噪比和对比度,有效检测到信噪比大于2的弱小目标.     

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.     

应用形态学与图像流法的空间小目标提取方法

针对光电探测所得低信噪比图像序列,提出了一种结合形态学和图像流法的空间小目标提取方法。根据非线性滤波器在保护图像细节方面的良好性能,在图像预处理中采用非线性的形态滤波器进行背景估计和对消。在利用多帧图像进行目标提取时,针对多帧图像积累的有效性保证问题,采取了在积累前进行图像形态膨胀的方法,通过图像流法进行多帧图像航迹关联。形态操作中采用模板分解的措施大大减少了运算量。实验结果显示,采用该方法可以提取信噪比为2的小目标,验证了方法的有效性。     

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。     

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...     

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。     

天基平台深空运动小目标检测

针对天基平台探测深空运动目标的特点,本文简要介绍了天基空间目标监视系统工作在凝视成像模式下检测深空运动小目标的方法,在此基础上探讨了基于图像配准技术检测运动小目标方法在天基空间目标监视系统中的应用.本文提出一种星点间部最小距离特征的概念,构建局部最小距离特征的算法.该方法根据点群间的相对位置关系,采用递归搜索的方法构建特征.实验结果表明,局部最小距离特征在星图中分布均匀,实现了星图序列的快速配准,为基于图像配准技术实现运动目标检测的方法提供了保障.     

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。     

利用粗糙集和属性直方图的图像增强方法

利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法。该方法利用属性直方图的 Otsu 算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像。将该方法用于一种海底小目标图像增强。实验结果表明该方法处理增益为 11dB,明显地增强了图像,且不损害图像的边缘。该方法适用于图像有某种先验知识的场合。     

航天光学遥感器信噪比的人工神经网络评价

提出基于人工神经网络进行航天光学遥感器信噪比评价的方法,首先对航天遥感图像进行分析,从图像中将与景物结构和噪声有关的特征向量分别提取出来,作为ANN的输入。网络通过对大量信噪比已知的图像样本训练后,可完成对航天光学遥感器传输下来的任意一幅地面景物图像进行系统的信噪比测试,从而避免了采用特定景物目标进行测量中的诸多弊端,测量平均误差低于10%。     

Enhanced three-dimensional reconstruction from confocal scanning microscope images. II. Depth discrimination versus signal-to-noise ratio in partially confocal images

The enhanced depth discrimination of a confocal scanning optical microscope is produced by a pinhole aperture placed in front of the detector to reject out-of-focus light. Strictly confocal behavior is impractical because an infinitesimally small aperture would collect very little light and would result in images with a poor signal-to-noise ratio (SNR), while a finite-sized partially confocal aperture provides a better SNR but reduced depth discrimination. Reconstruction algorithms, such as the expectationmaximization algorithm for maximum likelihood, can be applied to partially confocal images in order to achieve better resolution, but because they are sensitive to noise in the data, there is a practical trade-off involved. With a small aperture, fewer iterations of the reconstruction algorithm are necessary to achieve the desired resolution, but the low a priori SNR will result in a noisy reconstruction, at least when no regularization is used. With a larger aperture the a priori SNR is larger but the resolution is lower, and more iterations of the algorithm are necessary to reach the desired resolution; at some point the a posteriori SNR is lower than the a priori value. We present a theoretical analysis of the SNR-toresolution trade-off partially confocal imaging, and we present two studies that use the expectationmaximization algorithm as a postprocessor; these studies show that a for a given task there is an optimum aperture size, departures from which result in a lower a posteriori SNR.     

基于压电传感器的管道泄漏信号可靠性识别技术研究

管道泄漏检测的可靠性主要取决于泄漏信号的信噪比，泄漏信号信噪比的提高主要由传感器和对信号的处理方法决定。在定量分析的基础上，得出了基于压电传感器的管道泄漏检测方法具有比基于压力传感器的负压波法更高的泄漏信号信噪比。通过信号分析，论证了平滑滤波对于提高泄漏信号信噪比的必要性，提出了用区间信号能量来突出泄漏信号的方法。分析比较了实际检测信号幅值、区间信号能量和区间信号平均能量的平方3种方法下泄漏信号的信噪比，提出了用基于区间信号平均能量平方的顺序能量比率法进行管道泄漏信号识别的方法。结果表明该方法可以极大地提高泄漏信号信噪比和泄漏检测可靠性。