基于最小梯度中值滤波的红外背景抑制方法

背景抑制是红外运动点目标检测的核心技术之一。目前大部分背景抑制算法是针对平缓变化的背景而设计的,对存在强起伏边缘的背景抑制效果很差.针对此问题,本文提出了一种最小梯度中值滤波算法.该算法利用边缘方向和非边缘方向梯度的差异,能最大程度地减少背景抑制结果中边缘的残差.把实际拍摄的红外图像序列与其它算法进行了实验对比,证明该算法具有背景抑制残差小、目标信噪比增益大、计算量小、便于硬件实现等优点.     

基于变分的SAR图像目标特征增强方法

研究了SAR图像目标特征增强的变分方法.通过分析P-M扩散方程中的扩散系数,得出梯度(Canny)边缘检测算子对SAR图像的非恒虚警性使得滤波后图像的边缘变得模糊.而ROA算子能有效地检测出图像中的边缘,但较难检测出图像中的强散射点目标.基于SAR幅度图像中相干斑噪声的Rayle igh分布,从最大后验概率估计出发,结合ROA边缘检测图像以及SAR幅度信息来构造扩散系数,建立SAR图像目标特征增强的变分模型.实测SAR图像处理结果显示该方法在充分抑制均匀区域的相干斑噪声的同时能较好地保护并增强图像的边缘和强散射区域.     

基于图像预处理和纹理特征的车牌定位算法

为了解决车牌定位过程中拍摄图像背景复杂,噪声大,检测准确率偏低的问题,提出简便有效抗干扰强的车牌定位算法.首先将彩色图像转换为灰度图像,其次设定灰度门限区分图像目标和背景,进行二值化处理,然后使用Sobel边缘检测算子计算图像梯度幅度值,检测图像边缘点,采用局部图像平滑技术中值滤波对图像去除干扰,最后根据车牌区域纹理信息较其它区域丰富的特征,采用投影法,通过水平和垂直方向上投影分布特征的反复提取,准确检测定位车牌.实验结果表明,该方法定位出的车牌区域图像清晰度和准确度较高.     

强杂波背景下高空红外运动点目标检测

对强杂波背景下高空红外遥感图像序列的背景和目标特性进行了分析,采用新型的形态滤波方法实现了背景抑制,提出了一种子窗口检测门限算法,并进行了仿真试验,有效地提取了强背景低信噪比下的目标.对比分析说明子窗口检测门限算法具有较好的效果,并且可以提高并行计算能力,适合应用于强杂波背景下大面积扫描或凝视红外图像序列的处理.     

双边滤波下局部强度与梯度融合的小目标检测

针对红外小目标在复杂背景下难以检测的问题,提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像,然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像,最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明,该算法能够很好地抑制高斯噪声和背景边缘,相比于传统的检测算法,其检测性能显著提高,鲁棒性能较好。     

一种基于加权递推滤波的门限优化检测方法

针对多种杂波以及非均匀噪声环境中的目标恒虚警检测,提出了基于加权递推滤波的门限优化检测方法。该算法对参考单元内的样本数据依权重加权递推出滤波门限,自适应地实现门限的动态调整,从而使优化的滤波门限适应环境噪声功率。在均匀杂波和杂波边缘背景下对该算法的检测效应进行仿真分析,仿真结果表明:在两种杂波背景下,相较于传统的检测算法,文中提出的方法具有更好的检测性能和虚警控制性能。     

基于多向梯度背景预测的红外目标检测算法

为解决复杂空中背景下红外弱小目标的检测,提出一种新的基于多向梯度的背景预测方法。该方法根据云层边缘区域、平缓背景区域及弱小目标所呈现的不同梯度特点,采取不同方法分别进行预测;基本保留云层边缘区域和平缓背景区域的点,而对弱小目标区域采用邻域低灰度值点进行预测。然后经过背景消除和阈值分割,将弱小目标检测出来。仿真结果表明,该算法对复杂空中背景预测有很高的准确性,能够更加有效地抑制云层边缘引起的虚警,将红外弱小目标点检测出来。     

基于多结构元素的云杂波背景小目标检测算法

背景抑制是小目标检测的基础.传统的形态学单一结构元素,对云杂波背景滤波常留下强云层边缘,增加了后续处理的复杂程度.针对这一问题,在分析云层边缘形状和结构元素选择方法的基础上.构造与云层边缘相关的多结构元素.并用基于多结构元素的小目标检测算法,对云杂波背景图像仿真,仿真结果表明,该算法对云杂波背景抑制效果好,提高图像的信噪比,有效检测出小目标.     

改进时空滤波的红外弱小目标检测

为了有效解决动态背景变化导致弱小目标检测率低的问题,文中提出了改进时空滤波的红外弱小目标检测算法。首先在分析红外图像成像特性的基础上,针对目标区、背景区和边缘轮廓区不同梯度特性的差异,提出改进的各向异性空域滤波算法,该算法充分利用空间域的梯度信息来构建不同方向的扩散滤波函数,并结合图像不同特性的梯度差异选取扩散函数值最小的两个方向的均值作为时域滤波结果,以最大限度地保留目标信号;接着为有效增强弱小目标的能量,针对高阶累积量仅利用像元点时域信息来构建能量增强的不足,提出了一种结合时空邻域块的能量增强算法,实验表明,本文提出的算法能有效提升动态场景下的弱小目标的检测能力。     

改进时空滤波的红外弱小目标检测

为了有效解决动态背景变化导致弱小目标检测率低的问题,文中提出了改进时空滤波的红外弱小目标检测算法。首先在分析红外图像成像特性的基础上,针对目标区、背景区和边缘轮廓区不同梯度特性的差异,提出改进的各向异性空域滤波算法,该算法充分利用空间域的梯度信息来构建不同方向的扩散滤波函数,并结合图像不同特性的梯度差异选取扩散函数值最小的两个方向的均值作为时域滤波结果,以最大限度地保留目标信号;接着为有效增强弱小目标的能量,针对高阶累积量仅利用像元点时域信息来构建能量增强的不足,提出了一种结合时空邻域块的能量增强算法,实验表明,本文提出的算法能有效提升动态场景下的弱小目标的检测能力。