基于背景预测的红外弱小目标检测新算法

针对复杂背景中弱小目标检测难的问题,提出一种改进的双边滤波背景预测算法．该算法在双边滤波中引入梯度算子,自适应地对背景进行预测,将原始图像与预测图像相减可以抑制背景细节、增强目标信息,同时利用梯度的统计特性减少算法的计算量,提高了弱小目标检测性能．仿真和实验表明,与双边滤波的检测算法相比,该算法能够更加有效地从复杂背景中检测弱小目标．     

基于形态学算子的各向异性扩散方程

针对Perona和Malik各向异性扩散方程不能保留细节边缘的缺点,提出了一个基于形态学算子的各向异性扩散方程．新的各向异性扩散方程在计算扩散系数时,不只是考虑了图像的梯度,还考虑了二阶导数,并在作用形态学闭开算子后的图像上估计各阶导数．这样,该算子不但能够有效地去除噪声,还能保持图像中的尖峰和窄边缘,从而更好地保持边缘位置．实验结果表明用该算子处理后的图像具有较高的清晰度和对比度．而且该算子对于高斯白噪声图像的处理效果也相当理想．     

基于FrFT变换和全变分正则化的异常检测算法

针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换（FrFT）和全变分正则化约束的高光谱图像异常检测算法. 通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典. 为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束. 采用交替方向乘子法对模型进行优化求解,得到异常检测的结果. 在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.     

基于高斯多峰拟合与直方图规定化的红外图像增强

为提高红外图像清晰度,提出一种基于高斯多峰拟合和直方图规定化的红外图像增强算法。首先对图像直方图进行平滑处理,通过求导获得直方图波峰数目,对直方图进行高斯多峰拟合,并通过BML映射规则获得规定化图像。为补偿丢失的弱边缘信息,采用四方向Sobel算子获得原图的梯度,利用梯度对规定化图像进行锐化以增强图像轮廓细节。实验表明,经过该算法处理的红外图像,可识别度和层次感都明显优于传统算法,使红外图像视觉效果得到很大的改善。     

基于开关式周围抑制的轮廓检测方法

传统的基于梯度的边缘检测算子旨在提取图像中所有由灰度变化引起的边缘,并不区分目标轮廓边缘和由杂波造成的干扰边缘。为提高这类算子在自然图像中检测主要轮廓边缘的性能,提出了基于开关式周围抑制的轮廓检测算法。与其他基于周围抑制的方法相比,该方法仅对干扰边缘进行抑制,对轮廓边缘不进行抑制,从而进一步提高了传统边缘算子的轮廓检测性能。利用自然图像和标准的参考轮廓边缘图像对该方法进行性能评估,结果表明,本文方法的轮廓检测性能优于传统的边缘算子及其他基于周围抑制的方法。     

基于Facet模型的各向异性扩散模型研究

提出了一种自适应各向异性扩散方法,该方法利用Facet模型拟合图像,减少了噪声对于各向异性增强的影响,同时利用Hessian矩阵的特征值的平方和作为传导参数的选择标准。在整个扩散过程,该方法可以根据图像内容自适应的处理噪声和选择传导参数;另外,该方法对于迭代次数的选择不敏感。实验结果显示,该方法比传统的各向异性增强算法有更好的效果。     

B样条函数的火箭弹图像边缘检测算法

本文研究一种基于B样条函数提取火箭弹图像边缘的检测算法.该算法的基本思想是利用B样条函数先对火箭弹图像进行拟合,然后求拟合曲面的二阶导数,根据二阶导数的零交叉点来检测图像的边缘.通过该算法与几种传统边缘检测算法的实验对比,证明了基于B样条函数的边缘检测算法可以较好地解决火箭弹图像边缘的提取精度与图像噪声的抑制能力之间的矛盾,较目前常用的算法在火箭弹图像边缘检测方面有更大的优势,该算法得到的目标图像边缘清晰、分割效果好,同时该算法简洁、易于实时处理,在火箭弹图像边缘检测方面有较好的应用前景.     

SAR相干斑噪声的抑制

研究了相干斑噪声抑制技术，提出了(1)增强小波软阈值相干斑噪声抑制方法．考虑SAR杂波复杂情况，不同类型的区域滤波要求不同，将小波软阈值滤波方法与SAR杂波特点结合．(2)增强小波维纳相干斑噪声抑制方法．基于合成孔径雷达图像杂波结构，结合小波变换和自适应维纳滤波提出了新的抑制SAR图像相干斑噪声方法，该方法能够较好保留杂波边缘和点目标．实验表明这两种相干斑噪声抑制方法能够获得比较满意的效果，并且增强小波维纳方法略优于增强小波软阈值方法效果．     

一维运动目标的特征估计

为了提取具有强平稳杂波背景和空间距离很近的散射体环境下运动目标的高距离分辨率特征,文中首先建立了强平稳杂波环境下运动目标的数学模型,采用基于松弛算法的非线性最小二乘算法估计了目标特征与杂波;然后对该算法进行了仿真实验,用最小均方误差与克莱美-罗界进行比较验证了该算法的优越性。数字举例证明了该算法在强平稳杂波环境下,对运动目标具有高分辨率和较好的估计性能。     

基于形态学边缘保持的自适应超分辨率重建

针对正则化MAP（MaximumaPosterioriProbability）超分辨率算法重建结果细节不够清晰,正则化参数选取的鲁棒性较差,运算速度慢等问题,提出基于形态学边缘保持的自适应超分辨率算法。首先基于形态学定义边缘保持算子,该算子能随着迭代过程自适应调整;其次,将该算子作用于超分辨率重建的正则项,从而在图像的边缘区域加强约束重建,而在图像的平滑区域加强正则化。实验结果表明,改进算法的细节更加清晰,正则化参数的鲁棒性更好,运算速度更快。     

飞行目标的光谱辐射强度与梯度组合识别算法

利用人造飞行目标相邻波段光谱辐射强度连续性特点,提出了一种多光谱辐射强度和梯度相组合的目标识别快速算法.该算法首先对多光谱图像进行高通滤波实现背景抑制,而后以残余图像符合高斯统计分布为假设前提,建立了强度阈值与光谱梯度阈值的概率密度函数,最后利用3σ准则确定强度阈值以达到噪声中目标和诱饵的检测,确定光谱梯度阈值对二者进行识别,这种依据数据统计特性进行的双阈值确定方法增强了算法的自适应性能.利用此算法进行了强噪声下的目标识别仿真试验,表明了算法的有效性.     

多伯努利滤波的快速红外弱小目标检测与跟踪

针对复杂背景下多个弱目标检测与跟踪中存在的跟踪不稳定、非实时及量测模型高度非线性问题,提出一种基于多伯努利滤波的快速检测与跟踪算法.首先,采用改进的Robinson Guard算法抑制背景杂波,避免强起伏背景图像中目标被抑制的问题;其次,采用平方根容积卡尔曼滤波实现多伯努利检测前跟踪,在保证实时跟踪的同时,解决了滤波的高度非线性,避免了协方差矩阵负定造成的数值不稳定.实测红外背景图像实验表明,改进的Robinson Guard算法能够有效抑制背景杂波、保留弱目标信息,平方根容积卡尔曼多伯努利检测前跟踪能更准、更稳定地估计目标数目和状态,实现目标的实时检测与跟踪.     

图像智能化的目标检测技术(Ⅲ)--优化聚类与特征提取

探讨了作为自适应图像目标检测技术层次化数据处理流程的中层聚类和末端识别模块,给出了具体应用的几种实现算法.为加快背景抑制中全局优化聚类分割门限的求解速率,利用最优化计算理论,设计了有效平均梯度剪切的快速操作方法.在特征识别中,结合目标的形态结构研究了保持形状特性的多结构元组合滤波算法.     

基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

基于多结构元素灰度形态学的红外背景估计算法

背景估计技术是红外弱小目标检测中的关键技术.传统的形态学算法采用单一结构元素对红外图像进行处理,当背景存在强起伏时,残差图像存在大量的背景泄漏,导致大量虚假目标点的出现.该文在分析红外图像统计特征的基础上,提出了一种基于多结构元素灰度形态学的红外背景估计算法.采用实际红外图像进行了仿真实验,并与传统形态学算法的性能进行比较,结果表明该算法能够尽量保留图像细节,减小图像细节对背景估计的影响,大幅提升了图像的信噪比,提高目标单帧检测概率.算法易于实时并行处理,便于硬件实现.     

支持向量机的红外目标自动检测与识别

针对红外图像提出一种基于支持向量机的目标检测和识别算法，首先运用数学形态学方法对背景进行滤波，突出候选目标；选取适当的阈值和边缘检测算子对候选目标进行图像二值分割和边缘提取；最后以候选目标的边界不变矩作为特征，用支持向量机方法进行目标的识别，确定目标的位置．实验表明，该方法能够有效地实现对红外目标的检测和识别，并具有较高的抗噪声和抗复杂背景的能力。     

一种空时域结合滤波的运动弱小目标检测方法

依据红外序列图像中弱小目标运动轨迹的连续性,提出一种空时域结合滤波的运动弱小目标检测算法．在分析弱小目标可能的运动轨迹的基础上,构造了一组滤波模板,利用这组模板对时域检测结果进行滤波,确定出弱小目标可能的运动轨迹．并进一步结合时域特征,对运动弱小目标进行累积增强．由于提出的方法充分考虑了序列图像中运动弱小目标的空时域特征,因此具有很好的检测性能．     

海空背景下红外弱小目标检测方法

针对在海上搜救中弱小目标难以被发现的情况,提出了一种海空背景下红外弱小目标的检测方法.该方法首先进行背景预测,然后将原图像和背景预测后的图像差分进行目标提取,使用Top-Hat变换对目标提取后的差分图像进行滤波处理以去除残余波浪噪声影响,最后使用自适应阈值检测,检测出弱小目标所在的方位.通过和传统的对单帧图像采取Top-Hat变换滤波做法的比较,可以看出来该方法可以较好的去除海浪的影响,检测出亮度较高的红外运动弱小目标,辅助海上搜救工作的完成.     

非下采样剪切波的红外偏振图像融合

针对传统红外目标探测技术中的探测率较低,无法分辨红外伪装的军事目标等缺点,提出区域显著性的非下采样Shearlets变换(NSST)方法融合图像,运用NSST能够将图像精细的分解在频率域,在频率域根据图像显著性分布权重确定融合规则,经过NSST反变换得到融合后图像.结合中波与长波红外实拍实验,比较该方法与其他常用融合方法,结果表明,区域显著性的NSST融合图像噪声信息少、对比度、信息熵及互信息值均较高,方法适合偏振图像的融合,有利于目标的识别与探测.     

旋转复杂背景中红外运动小目标实时检测

针对旋转复杂背景中红外运动小目标检测误检率高、实时性差等问题,提出了目标检测新算法。首先对图像进行中值滤波预处理,计算图像光流场,提取特征点,估算背景光流;然后设置阈值,判断提取备选目标特征点集合;最后通过特征点光流矢量角度、目标灰度值区间、目标特征点区域边缘检测的方法,排除备选目标特征点集合中的背景特征点,实时准确检测旋转复杂背景中红外运动小目标。实验结果表明,该算法能够准确地检测出红外多个运动小目标,检测率93.8%,平均虚警率0.126次/帧,平均每帧耗时15.53 ms,每帧图像处理的最大时间为20.45 ms,能够满足运动目标检测对实时性的要求。