一种超大视场中红外弱小运动目标的快速检测方法

超大视场红外凝视成像系统具有视场大、被动探测、凝视探测等独特优势,但当系统用于弱小目标检测时,由于背景复杂、噪声干扰、目标信息少等问题,检测的准确性和效率往往不高。本文通过采用超大视场中空时域融合处理的思想,提出了一种基于最大化背景模型进行背景抑制的改进方法。该方法首先通过图像预处理、多帧差分选取研究区域;然后通过改进的背景预测模型检测疑似目标点;最后,利用邻域相关准则判定真实目标。通过实验证明：该方法将原方法中的目标信噪比提高了5倍以上,灰度值提高了10倍以上,而且保留了更多的目标信息。同时目标检测时间减少了50%以上,提高了检测准确性和检测效率。     

一种红外弱小目标检测方法

提出了一种红外弱小目标检测算法,该算法通过“区域最小化背景模型”,来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的,算法适用于强对比度云层的空背景、目标与背景对比度比较低的空背景,是背景预测算法的一个重要扩展,针对实际红外图像的试验仿真表明,提出的算法是有效的。     

一种红外弱小目标精跟踪方法

针对红外弱小目标检测中的多帧处理技术,提出了加权的移动式管道滤波算法,解决了管道边缘噪声造成检测失败的难题。文中还将卡尔曼滤波应用于管道中心坐标的预测,实践证明,采用该方法预测精度高,可以大大地减小管道尺寸,有效地提高了管道滤波的抗噪性能、算法的实时性和精确度。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种红外大视场环境下的多小目标实时检测方法

为了实现大视场条件下的多小目标实时检测,提出并实现了一种对原始图像先在“粗”尺度下做小目标存在区域的估计和分割,再在这些区域内做多小目标对象的检测和处理的“由粗到精”的红外小目标两阶段分块检测方法,实践证明了本算法的有效性.     

一种基于背景预测的红外弱小目标检测方法

介绍了一种新的基于背景预测的空中红外弱小目标检测方法,以提高对复杂背景预测的准确性,减小云层边缘预测不准确形成的虚警.该方法对云层边缘处的点根据其不同尺度邻域上的亮暗点分布特点进行预测;对非边缘点采用基本背景预测法进行预测,最后经过背景对消,将弱小目标检测出来.实验结果表明,与已报导的其它方法比较,该方法能够更有效地抑制云层边缘引起的虚警.     

一种红外弱小目标的检测方法

提出了一种基于小目标模型的检测方法。该算法对图像中极大值点为中心的局部区域进行能量判别,可以有效地检测出目标;对算法的性能进行了分析。实质是综合利用目标的局部对比度和空间大小两个信息,因此可以更有效地提高目标的信噪比,提高检测概率。通过对实际红外图像和仿真图像的检测实验,都证明了算法的有效性。     

一种新的弱小目标检测方法

基于对红外图像中目标和背景特性的分析,提出了一种新的基于标记信息和梯度信息相融合的弱小目标检测方法.在红外图像空间,根据目标的特性,利用双重窗进行可能目标的搜索,并进行标记;同时并行的对原始图像进行梯度计算.对标记信息和梯度信息进行融合,进行目标的初次确定.再利用自适应门限对融合后的图像进行目标分割.实验结果证明了该方法能有效的检测出弱小目标.     

基于各向异性背景预测模型的弱小目标检测算法

探讨了红外图像中的弱小目标检测问题.当目标处于复杂背景中时,弱小目标的检测将变得更加困难.提出了一种基于各向异性的背景预测模型(ABPM),并使用这种模型进行复杂背景的抑制.同时将各向异性背景预测模型的检测结果与各向同性背景预测模型(IBPM)的结果进行了比较.仿真结果表明,各向异性背景预测模型的检测效果普遍优于各向同性背景预测模型.     

基于二维正态云模型算法的红外图像弱小目标检测

针对红外图像弱小目标检测的特点,采用二维正态云模型算法。首先利用一维云的特性建立二维云模型,由两个相互独立的一维云模型函数组成,目标像素的分布点为一个云滴,整个像素分布区域形成的云团反映了图像中目标的特性;接着依据目标判别条件函数来通过函数发生器产生正态云模型;最后在红外图像弱小目标检测误差函数下构造各云层的目标函数。实验仿真显示本文算法对红外图像弱小目标检测效果最好,能检测率高,虚警率低,耗时少。     

基于时空域滤波的红外弱小目标背景抑制

在红外成像探测系统中,对红外图像背景进行有效的抑制是准确检测出弱小目标的前提条件.基于目标在空域局部灰度稳定和时域运动连续的约束,提出了一种基于时空域滤波的红外弱小目标背景抑制新方法.首先,利用引导滤波保存图像细节和时域偏微分方程提取图像中突变区域的优势,实现对图像空域与时域中平稳和强起伏不同特征复杂背景进行抑制处理;然后,将时空域背景抑制结果利用相与操作算子处理完成对高度类似弱小目标信号的剔除;最后,为恢复前期抑制结果中丢失的目标信息,利用时空域融合结果作为引导图像进行进一步优化处理,得到最终背景抑制结果.仿真实验采用两组低信杂比运动弱小目标红外图像序列进行方法验证,并将该方法与几种背景抑制方法进行了比较,实验结果表明:该方法无论从主观视觉还是客观评价指标上均优于其他几种方法.     

利用局部灰度特征分析实现红外弱小目标检测

提出了一种利用局部灰度特征分析进行红外弱小目标检测的新方法.该方法通过判断图像局部灰度包络曲面是否具备二维高斯函数曲面特征实现红外弱小目标检测,不需要进行传统的背景预测.设计了新的目标局部灰度特征提取方法和适合工程计算的自动目标检测算法.实验结果证明了算法参数选择策略的有效性,验证了算法对复杂背景边缘良好的杂波抑制能力...     

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.     

云杂波背景弱小目标自适应时-空域滤波检测研究

针对复杂云背景成像弱小目标实时检测的需要,提出一种检测能力强、易实现的自适应时-空级联滤波目标检测算法,其中时域滤波采用改进的可递归实现的方差滤波器预检测出包含目标和少量杂波点在内的可疑目标点集,而后通过一种自适应像素空域边缘强度滤波器剔除剩余杂波点。算法两级滤波器的参数均实时更新,因此算法对场景变化适应能力强。对五组实际红外图像序列目标检测的实验结果表明,算法能稳定检测出多类天空背景中的目标。     

基于单帧图像的红外弱小目标检测技术研究综述

红外探测系统以其隐蔽性好、穿透能力强等优点广泛应用于航空航天、军事侦察等领域。但该系统的观测距离较远,且目标往往呈现弱小状态,所以针对单帧图像的红外弱小目标检测一直是红外探测领域的难点和研究热点。基于滤波、视觉显著性、图像数据结构和深度学习四个方面,对当前单帧红外弱小目标检测算法进行了详细综述,最后对红外弱小目标检测技术进行了总结与展望。     

云杂波背景下红外弱小目标的改进检测算法

根据目标和背景的时域特性,建立了不同像素类型的时域模型。提出了一种基于时域廓线的云杂波背景下红外弱小目标的一种改进算法。首先,采用基于时域方差滤波预处理方法,滤除平稳背景;然后采用基于时域廓线的目标检测方法,根据时域剖面线上的拐点值变化,转化为大小相当的正负脉冲来检测目标。理论分析和实验结果表明,文中算法对于不同云杂波背景具有广泛的适应性。     

同质背景预测用于红外弱小目标检测

背景预测是红外弱小目标检测中抑制背景的主要方法之一.提出了一种同质背景预测算法,在分析空背景下不同背景成分图像灰度特征模型的基础上,首先对图像进行边缘检测,将图像划分为不同灰度性质的区域,然后使用边缘检测结果调制预测权值矩阵.仿真结果表明,该算法对背景杂波具有很好的抑制效果,能够有效保护图像细节,明显降低异质区域像素灰度对预测的不利影响,显著改善低信噪比条件下弱小目标的检测性能.