基于序列图像分组决策算法

针对红外运动弱小目标检测中单帧图像检测率低的问题,在分析了红外图像中运动弱小目标特性的基础上,提出了一种基于序列图像分组决策检测红外弱小目标的方法。该方法利用图像差分法进行目标信息的提取,对图像进行扩边,选取连通域质心来构建滑动邻域块,最后充分利用目标航迹的连续性和噪声的随机分布特性进行目标位置的决策。实验证明,序列图像检测方法对红外弱小目标的检测率要高于单帧图像检测率。     

基于频谱分析和图像融合的红外弱小目标增强

利用红外弱小目标灰度的局部极大性在频域往往对应于频谱突变的特性,提出了一种基于频谱分析和图像融合的红外弱小目标增强算法。首先利用图像背景和目标具有不同频谱振幅的特点,提取红外图像的残留频谱,得到潜在目标显著图;然后利用序列图像的冗余信息,在空间域对目标和背景区域分别采用不同融合规则进行多帧融合。实验表明,该方法能够有效增强红外弱小目标的像素数和总能量,且实时性较好。     

基于多特征融合的弱小目标检测方法研究

提出了一种基于多特征距离图的红外弱小目标检测方法。弱小目标的许多特征,如局部熵、平均梯度强度等,不但刻画了弱小目标的特点而且易于提取。通过特征融合技术,可以将弱小目标检测问题转化成在一个多特征空间的极值求取问题。该方法利用已经提取的多个特征,采用特征融合技术构造一个距离图像,再对该图像进行二值化处理,达到目标检测的目的。通过对实际的红外图像序列进行小目标检测,验证了所提方法的可行性和有效性。     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。     

采用尺度空间理论的红外弱小目标检测方法

为了检测红外场景中尺寸大小变化的弱小目标,针对传统滤波方法中固定大小滤波核对此类特性目标检测表现出的不足,提出一种基于尺度空间理论的红外弱小目标检测方法。首先对弱小目标特性进行分析,提出采用点扩散函数形式的目标模型来描述弱小目标;采用固定自适应邻域的方法对原始红外图像进行预处理,抑制背景杂波,增强目标能量;依据尺度规范化后的拉普拉斯尺度空间对图像不同元素滤波响应的不同,获取图像中的可疑目标,利用可疑目标点与其周围像素的梯度关系得到可疑目标点的中心坐标,并据此得到其在图中的尺寸大小;对每个可疑目标划分一个自适应大小窗口,获取分割阈值,分割出真实目标。实验结果表明,该方法能较好地检测出弱小目标,且具有较低的虚警率。     

基于生成MRF和局部统计特性的红外弱小目标检测算法

红外复杂背景中的弱小目标检测问题可看作是马尔可夫随机场理论框架下红外图像中背景与目标的二元分类标记问题.基于马尔可夫随机场后验概率模型, 提出利用先验的目标信杂比信息和图像局部统计特性构建观测图像后验概率模型的方法, 并采用经典ICM (Iterated conditional mode)方法对图像最优标记结果进行估计.仿真试验结果表明, 算法在保证目标标记结果准确率的同时, 有效降低了背景的误标记概率; 且由于采用局部统计特性进行建模, 算法有效降低了模型参数与标记结果间的关联性, 提高了最优标记估计的收敛速度.     

一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

一种基于小波域的双色红外弱小目标检测算法（英文）

针对单波段红外弱小目标检测难度大、信息量少的问题,提出一种基于小波域的双色红外弱小目标检测算法。首先运用小波滤波器对双色图像进行分解,利用双色图像的特征差异提出了不同的阈值确定方法对高频图像进行分割,通过采用不同策略的布尔逻辑运算完成高频分割图像的融合,最后运用形态学运算和多帧累积检测的方法完成弱小目标的检测。     

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。     

一种实用的空地红外时敏弱小目标检测方法

针对空地背景下的红外时敏弱小目标检测,提出了一种实用的空地红外时敏弱小目标检测方法。首先,采用快速自适应双边滤波对红外图像进行预处理,平滑边缘信息,消除噪声干扰;其次,使用模板为3×3大小的高通滤波器对红外图像进行大面积背景抑制;然后,根据梯度特征,采用多步八向梯度法进一步消除高频背景信息;最后,使用自适应阈值分割的方法对红外时敏弱小目标进行提取。实验结果表明,所提方法对空地背景下的红外时敏弱小目标检测具有较好的鲁棒性和检测性能。     

基于局部特征统计的小目标检测算法

本文提出了一种新的基于局部特征统计的红外图像小目标检测方法。首先对图像的局部区域灰度概率进行统计,通过阈值分割,去除图像中缓慢变化的背景和弱的边缘,得到包含强的边缘点、噪声点和目标点的残留图像,然后利用残留图像内各点的局部方向信息测度的差异,进一步剔除强的边缘点。最后通过多帧累加判决的方式将真实目标从噪声点中检测出来。实验表明该方法能够极大地减少候选目标点数,准确有效地检测复杂自然背景中的红外运动弱小目标,适合于实时和多目标的检测。     

基于时域的红外图像序列中快速运动小目标检测算法

提出了一种新的红外图像序列中快速运动小目标时域模型。为差分图像序列中的背景像素、目标像素、杂波像素建立了模型,将目标检测问题转化为噪声中已知信号的检测问题,并应用相关检测技术进行目标检测。理论分析表明,在SNR和SCR均大于6的情况下,算法具有很好的性能,实验结果也证实了算法的有效性。     

一种新的红外小目标检测算法及其应用

针对红外探测系统中单帧红外图像中的小目标检测问题,在分析红外场景模型的基础上,提出了一种基于自适应噪声平滑和Robinson Guard背景杂波抑制的空间滤波算法.该方法对于起伏背景下红外小目标的检测和识别有良好的性能,且具有目标信息损失小的优点.利用ADSP-TS201S高性能数字信号处理器实现了该算法,并成功应用到全向红外搜索跟踪系统中.实验结果表明,在低信噪比情况下,所提出的单帧红外小目标检测算法有很好的检测性能.     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容。为解决红外起伏背景下的小目标检测问题,提出了一种自适应的背景抑制方法,并对抑制背景后的图像进行了目标分割,最后用邻域法判决目标位置。实验结果表明,该算法能够从信噪比大于2．0的图像序列中检测出目标。     

一种基于小波纹理特征的目标检测方法

给出了一种利用小波分块分解和灰度共生矩阵特征来提取目标的方法。首先对图像进行分块小波变换,然后求分块灰度共生矩阵并且计算小波共生矩阵特征向量,选取纹理特征最大的作为种子区域;最后利用均值聚类的方法进行目标标记。实验结果证明,能够检测红外和可见光图像中各种类型的目标。     

基于复杂度和方向梯度的红外弱小目标检测方法

为解决天空背景下红外弱小目标检测问题,提出了一种基于图像复杂度和方向梯度的检测方法。利用信息熵对图像复杂度进行描述,引入了图像方差和像素局部变化率对信息熵进行加权,使云内部和云边界区域得到抑制。以复杂度为描述对象,建立多级多方向梯度模型,在背景局部复杂度高于目标复杂度的情况下,仍能够有效分割出目标。实验证明,该方法能够在复杂云背景情况下检测出弱小目标。     

基于自适应Wiener滤波的红外小目标检测方法

在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法。采用连续采集的红外图像序列进行了实验,仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析。结果表明,算法能够从信噪比大于2．0的图像序列中检测出目标轨迹。     

基于FCM与引导滤波的红外与可见光图像融合

针对传统红外与可见光图像融合算法中存在的目标模糊、细节丢失、算法不稳定等问题,提出了一种基于模糊C均值聚类（Fuzzy C-means, FCM）与引导滤波的红外与可见光图像融合方法。原图像经过非下采样剪切波变换（Nonsubsampled Shearlet Transform, NSST）后对低频子带进行引导滤波增强,再利用FCM与双通道脉冲发放皮层模型（Dual Channel Spiking Cortical Model, DCSCM）结合对高低频子带进行融合,最后经NSST逆变换得到融合图像。实验结果表明,本文算法稳定,主观评价上所得融合图像目标明确,细节保留较为完整,客观评价上在标准差、互信息、平均梯度、信息熵和边缘保留因子等评价标准中表现优良。     

多层级及对比度提升的红外和可见光图像融合

提出了一种针对红外和可见光图像的有效融合算法。首先,在Petrovi?多层级图像融合体系的基础上,在特征级信息中加入高频边缘分量,提高了融合质量;其次,分析了图像特点及目标的物理特性,提出了针对融合结果的对比度提升方法,进一步了提高融合质量。通过主观观察以及客观指标对比证明,该方法获得了优于其他比较方法的融合结果,并且对比度提升方法明显提高了各类方法的红外和可见光图像融合质量,效果好,具有广泛的适用性。