采用多尺度隐式马尔可夫模型的红外图像背景抑制

提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题.根据红外目标和背景杂波所具有的不同统计分布特性,利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系,建立了基于剪切波变换的多尺度隐式马尔可夫模型.通过期望最大化算法计算最优背景参数,分离红外图像中弱小...     

复杂背景下的红外目标自动跟踪算法

提出了一种非线性边缘检测和Mean Shift方法相结合的红外目标检测与跟踪算法.采用双窗口算子的非线性边缘检测算法具有计算量小、速度快、图像质量好等优点.在边缘检测后的二值图像基础上,利用改进的Mean Shift跟踪算法实施目标跟踪.该跟踪算法融合了计算目标区域局部标准差的信息;利用灰度值和局部标准差的概率密度函数来描述目标;同时选择核函数级联方式进行目标密度估计,从而弥补了仅用灰度信息描述目标特征的不足.实验结果表明,该跟踪算法检测出的复杂背景下红外目标边缘清晰,并且能够准确地对目标实施自动跟踪.     

点源目标的红外搜索与跟踪系统的作用距离估算

红外目标的探测在告警、制导等领域具有重要意义.在中远距离探测中,红外搜索与跟踪系统的作用距离受到大气传输、红外探测器的性能以及目标的辐射功率等因素的影响.传统红外系统的作用距离方程具有一定的局限性.考虑到目标成像弥散斑和背景辐射的影响,对红外搜索与跟踪系统(IRST)的作用距离方程进行修正,得到IRST系统的作用距离与系统的噪声等效温差(NETD)之间的关系,推导出探测器噪声限下对点源目标的作用距离方程.为IRST系统的综合评估和设计提供了一个重要的依据.     

基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀)

针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。     

基于局部结构张量的红外图像背景抑制

文中将局部结构张量与双边滤波相结合,提出了一种基于局部结构张量的红外图像结构化背景抑制算法。该算法采用局部结构张量的标准差作为双边滤波的执行判定,并利用双边滤波加权系数实现背景估计,从而实现结构化背景抑制和目标信息增强。实验结果显示,与二维最小均方滤波和偏微分方程算法相比,该算法对含有弱小目标的复杂背景具有良好抑制效果。     

基于多尺度反锐化掩模的红外图像云层背景抑制

为检测强云杂波背景中的红外弱小运动目标,结合反锐化掩模理论,提出了一种基于曲线波变换的多尺度反锐化掩模红外图像云层背景抑制新方法。首先,根据红外目标和背景杂波的特性,采用二代曲线波变换对图像进行多尺度、多方向分解,提取图像的多尺度和方向细节特征,然后,根据目标和背景杂波子带系数的差异,通过应用反锐化掩模理论调整分解后的各子带系数,从而将红外图像中弱小目标信号和背景杂波分离,达到抑制背,景的目的。实验结果显示,与最大中值（MMed）和二维最小均方误差（TDLMS）方法比较,该方法对信杂比较低的红外弱小目标复杂云层背景从主观视觉和数值指标都具有良好抑制效果。     

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图...     

基于Tetrolet变换的图像融合

Tetrolet变换与目前广为采用的小波变换相比, 在处理高维信号时具有更好的方向 性,能够精确 地表达图像的结构及纹理特征。本文将Tetrolet变换用于不同频谱图像的融合,以期获取更 大的信息量。 首先,将待融合的图像分别进行Tetrolet变换,得到不同尺度的高通和低通子带。然后,对 低通子带采用 基于局部区域梯度信息的融合方法得到低通融合系数,而对高通子带采用基于邻域方差加权 的融合方法得 到高通融合系数;最后,通过重构得到融合图像。采用多种图像进行了融合实验,其结果均 表明,经Tetrolet 变换获取的融合图像特征更为丰富、信息量更大,融合图像的信息熵和标准差都优于目前广 为采用的小波 变换和PCA变换图像融合算法;本文方法可有效地提高ATR系统和视觉对目标的识别探测概率 和降低虚警率。     

基于奇异值分解的红外弱小目标背景抑制

复杂背景的抑制是红外弱小目标检测技术的一个难题.为解决这个问题,提出了基于奇异值分解的背景抑制算法.从矩阵的角度出发,通过对原图像进行奇异值分解,将包含弱小目标信息的图像矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过定义的偏差指数所确定的有效的奇异值来重构图像,从而达到背景抑制的目的.与二维最小均方误差算法比较,实验结果显示,该算法对红外弱小目标复杂背景从主观视觉和数值指标都具有良好抑制效果.     

基于非下采样方向滤波器组的红外复杂地面背景抑制

针对弱小目标检测技术的难点,根据红外图像中目标和背景杂波的特性,提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先,采用非下采样方向滤波器组对图像进行多方向分解,提取图像方向细节特征,然后,根据目标和背景杂波信号的差异,通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标点,最终实现对目标的检测。实验结果显示,与最大中值滤波和局部去均值滤波方法相比较,该方法能有效地检测出信杂比较低的目标。