红外图像的噪声分析和弱小目标的增强

红外图像中多、弱、小目标的提取技术是近年来信息处理研究的热点与难点之一.文章主要对红外弱小目标图像中的背景辐射噪声、放大器噪声、探测器噪声进行了详细的定性分析,并对红外图像进行处理,从图像中分离出了弱小目标.实验证明所用的处理方法具有很好的提取能力.     

红外弱小目标特征分析及融合检测

研究了复杂背景下的红外弱小目标的典型特征,分析了各个特征的特点和适用环境,从中挑选出可靠性较强的特征,依据文中提出的自适应融合算法,实现了对低信噪比弱小目标的融合检测。实验结果证明,该算法具有较好的有效性和鲁棒性。     

用于红外弱小点目标图像的超分辨增强技术

提出了一种适用于红外弱小点目标增强的超分辨重建技术.为实现这一目标,首先引入基于图像稠密描述的特征流场,然后将计算得到的高精度流场用于相邻帧配准,通过图像融合和不断迭代得到高分辨重建图像.实验表明,对图像进行超分辨处理后,弱小目标的分辨率可以得到有效增强,局部信噪比可以得到提升,复杂背景可以得到抑制.     

目标增强的红外与微光图像融合算法

对于红外与微光图像融合,虽给为观察者提供了更多的图像信息,但是同时由于过多的背景信息反而掩盖了重要的目标信息,为了兼顾背景信息丰富和增强目标的需求,提出了一种新的目标增强的融合算法,首先改进了传统的顶帽变换算法,用来增强红外图像的目标信息,同时去除一些冗余的红外背景信息,然后利用人眼对颜色的敏感特性,将微光图像与红外图像通过色彩映射公式映射到相应的色彩空间进行融合,结果显示,该算法不但能提供丰富背景信息,同时也增强了重要的目标信息。     

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。     

基于图像滤波与Hough变换的红外弱小目标检测

针对红外传感器成像信噪比低且易受噪声、背景杂波干扰的问题,本文提出了一种基于最大中值滤波与Hough变换的红外弱小目标检测方法.该方法首先对序列图像中的每一帧进行最大中值滤波,滤波输出与原始图像相减用以预测目标可能出现的区域.对于目标可能出现的区域使用均值滤波,反之则使用最小值滤波来抑制背景结构.然后将滤波后的序列图像直接叠加得到合成图像,采用有灰度权重的Hough变换实现弱小目标的轨迹检测.实验结果表明该方法可以实现对信噪比接近1的弱小目标的检测.同时,背景的运动对该方法的检测效果没有显著影响.     

基于粒子滤波的复杂背景红外弱小目标跟踪

针对红外弱小目标跟踪过程中背景复杂、目标过小导致检测困难以及跟踪不连续的问题,提出一种基于粒子滤波的鲁棒红外弱小目标跟踪方法。首先,考虑弱小目标位置、灰度以及目标量化直方图等特征,建立目标状态以及量测模型。根据量测各分量相互独立的特性,将量测相应分量的多特征似然函数集成于粒子滤波的框架中对低信噪比下的弱小目标状态进行自适应更新,改善由漏检引起的跟踪不连续问题。最后,采用平滑算法提升目标在运动学特征上的精度。仿真实验表明,所提算法能有效跟踪复杂背景下的红外弱小目标。     

多信息融合的红外弱小目标检测

红外弱小目标检测是图像处理的难点之一,许多研究人员提出了不少检测方法.针对复杂背景与强杂波干扰下图像信杂比(Signal-to-Clutter Ratio,SCR)低造成的目前检测方法易受伪目标干扰、虚警率高的问题,提出了一种多信息融合的红外弱小目标检测算法.首先,构建八向局部灰度残差信息图;其次,设计一个滑动窗口遍历整个图像,将图像分为一系列局部图像块,对局部图像块的强度均值进行约束,获得局部强度均值约束信息图;然后,将局部图像块进一步划分为12个方向块,对每个方向块中像素的梯度方向进行约束,获取梯度方向约束信息图;最后,上述3个信息图像通过点积运算得到最终显著图,并利用阈值分割实现弱小目标的分离.将该算法与3种其它不同算法从信杂比增益(Signal-to-Clutter Ratio Gain,SCRG)、背景抑制因子(Background Suppression Factor,BSF)以及检测率与虚警率的接受者操作特征(Receiver Operating Characteristic,ROC)曲线方面进行对比.实验结果表明:该算法具有更高的SCRG、BSF和ROC曲线下面积(Area Under the Curve,AUC),不仅能有效地抑制背景杂波、剔除伪目标,而且能准确地检测出红外弱小目标,具有较高的检测率.     

基于目标区域与增强方法的红外与可见光图像融合

为了使红外图像与可见光图像融合较好凸显目标与挖掘更多细节信息,提出了一种提取目标区域与融入更多细节信息的融合方法。首先,对红外图像进行分割获取目标区域,并对可见光图像进行增强以挖掘更多细节信息;然后对原始红外图像与增强后的可见光图像分别进行非下采样contourlet变换(NSCT),得到不同的低频系数与高频系数,依据分割得到的二值化图像,低频部分的目标区域系数选自原始红外图像目标区域低频系数,其余区域选择增强后的可见光对应区域低频系数,高频部分按照邻域方差取大法选择高频系数;最后,进行NSCT反变换,得到融合图像。实验结果表明,与其他3种融合方法对比,主客观评价表明,该算法有效提高了图像的对比度,具有较好的整体视觉效果。     

基于融合的红外图像增强方法

由于成像过程中受外界环境影响以及成像系统自身固有特性,红外图像不可避免地会产生大量噪声,使成像系统直接获得的红外图像具有对比度低、信噪比低、边缘模糊等特点。因此,想要对红外图像目标进行很好的识别,必须对红外图像进行增强处理。提出了一种新的红外图像增强方法。该方法首先用中值滤波和均值滤波结合的方法对图像进行滤波,再用改进的OTSU法分割图像,接下来对分割后的前景和背景图像分别使用平台直方图均衡处理,并在这种分割基础上确定需要锐化的图像边缘,最后将处理后的前景和背景相加,并和需强化的边缘图像加权融合得出增强图像。仿真结果表明,所提方法对红外图像细节等综合因素的增强效果较好,并有效可行。     

基于自适应多特征融合的红外图像增强算法

针对红外图像纹理不清晰、亮度低、高噪声的问题,提出了一种自适应多特征融合的红外图像增强算法。首先,通过用自动线性映射的方法对14位红外图像进行有效特征提取得到了16位图像,提升了图像可视化效果。其次,引入广义反锐化掩模(Generalized Unsharp Masking, GUM)算法与带色彩恢复的多尺度视网膜(Multi-Scale Retinex with Color Restoration, MSRCR)增强算法联合处理的方法,获得图像不同尺度的有效信息,提升了图像的对比度。最后设计了自适应权重图,并结合图像金字塔结构的特性,对不同特征层进行有效信息的互补融合,提升了图像亮度,丰富了图像的纹理信息。实验结果表明,此算法有效提升了红外图像的对比度和视觉效果;相较于现有的几种算法,其平均梯度(Average Gradient, AG)约提升0.6%,峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)约提升10%,图像的边缘信息有效率约提升11%,图像的清晰度约提升10%。     

基于视觉显著性与对比度增强的红外图像融合

目前传统多尺度分析红外图像融合算法存在以下不足:融合图像的对比度改善效果有限,无法获取图像的某些细节信息;融合规则仅考虑单一特征,故未能突出目标特征.针对以上问题,本文提出一种基于视觉显著性与对比度增强的红外图像融合算法.首先对待融合的图像进行基于自适应引导滤波的多尺度Retinex图像增强,然后利用NSCT对图像进行多尺度分解,最后利用图像视觉显著性融合低频系数,采用基于窗口的系数融合带通系数.实验证明,该算法获得的红外融合图像效果明显优于传统方法.     

基于小波分析的双色红外弱小目标检测算法

针对单波段红外弱小目标检测难度大、信息量少的问题,提出一种基于小波分析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一级分解,然后提出一种软、硬阈值折衷法对高频小波系数进行处理,低于阈值的系数将被直接归零以抑制背景;通过采用一定的策略对双波段高频图像进行融合并将低频系数归零后,运用小波反变换得到滤波图像,最终采用多帧累积检测完成弱小目标的检测。实验证明本文算法能有效提升目标信噪比,具有良好的弱小目标检测能力和实时性。     

基于激光雷达与红外数据融合的跟踪算法

针对精确制导中目标的自动识别、稳定跟踪与抗干扰需求,提出了一种基于激光雷达与红外数据融合的目标识别与抗干扰方法.首先采用一致性点漂移(CPD)算法对目标在不同图像中的轮廓特性进行匹配,完成了激光与红外图像的配准;然后利用红外图像中目标的能量和形状信息、激光图像中的距离信息完成激光与红外图像的决策级融合;最后利用改进的核相关跟踪算法完成目标的跟踪与抗干扰.通过激光雷达与红外仿真数据的实验,验证了文中方法在目标跟踪与抗干扰性能上的有效性.     

采用剪切波变换的红外弱小目标图像预处理

提出一种采用剪切波变换的红外弱小目标图像预处理新方法.该方法首先采用剪切波变换对图像进行分解,针对高低频子带的不同特点,对低频子带系数采用基于贝叶斯统计的方法进行处理,推导出剪切波系数为拉普拉斯先验分布的最大后验估计表达式和低频子带阈值;而高频子带则对其系数构成分析后,利用图像不同组成元素能量值的不同设定阈值;对处理后的子带系数进行重构以获得预测的背景图像,将其与原图相减,可得到突出目标且背景被抑制的图像;采用经典的自适应阚值分割法对预处理后的图像进行分割,很好地实现了目标检测.实验结果表明,该方法处理的图像信噪比值高,在客观评价指标与主观视觉两方面均表现出良好的效果.     

基于小波变换和目标运动特性的红外弱小目标检测

红外弱小目标的分割与检测是地空导弹和航空导弹的关键技术。本文研究基于小波变换和目标运动特性的红外弱小目标的检测。在目标运动特性方面,主要采用了“与”管道进行目标的检测。大量试验表明,该算法具有很好的检测鲁棒性,且能够实时检测出红外图像中的弱小目标。     

基于改进的双边滤波的单帧红外弱小目标背景抑制

提出了一种基于双边滤波的弱小目标背景抑制算法,传统的方法是直接用双边滤波对背景进行抑制,虽然能很大程度上保留背景,但也保留了小目标的信息,使得残差图上的信杂比不是很大,仍要后续的分割算法进行处理.改进了滤波器,在滤波中加入模板的限制,从而改善了这一缺点,提高了图像的对比度和信杂比.实验结果表明改进的滤波器与传统的双边滤波和TDLMS相比能更好地抑制背景.     

区域自适应多尺度强光融合的红外图像增强

图像增强可以分为全局增强和局部增强两种技术,当前基于局部的图像增强技术无法准确地对目标和背景进行分割且难以自适应地对分割区域进行增强。本文提出了一种区域自适应多尺度强光融合算法用于红外图像的增强处理。该算法首先使用语义分割技术完成目标区域和背景区域的划分,然后使用改进后的多尺度强光融合算法分别对各区域进行自适应增强。实验结果表明,所提算法的增强效果均优于当前主流算法,图像增强的视觉效果更真实。