基于分形的红外图象目标自动检测

本文介绍了一种基于分形的复杂背景下红外图象目标自动检测方法,该方法以自然背景和人造目标在分形特征上的固有的差异为依据,利用了人造目标分形特征拟合误差大的特点,实现了复杂背景中红外图象目标的自动检测。实际检测的实验结果表明：该目标自动检测方法对环境的适应性强,是一种颇具发展前景的目标自动检测方法。     

基于小波变换的红外成像海面小目标检测算法

文中研究海面少像素舰船红外目标的自动检测算法，针对红外图像噪声干扰大，舰船目标像素少，但存在相对连续的目标小块区域等特征，考虑采用小波变换的方法达到增强目标，抑制噪声的效果，对用小波变换处理后的图像，分析目标和背景部分的灰度对比度，用图像对比度的方法易检测出舰船小目标。     

基于小波变换的海面红外小目标检测

本文提出了一种基于小波多尺度分析的海面红外目标自动检测方法.在分析海空场景图像特征的基础上,利用小波多分辨率分析和小波变换良好的局部分析特性,研究了图像预处理和目标检测的小波分析方法.通过实验证明本文提出的检测算法在各种复杂的海空背景以及不同环境干扰下有较好的检测效果.     

云背景下红外小目标检测的分形方法

针对云背景下红外小目标检测对背景起伏依赖性强的问题,提出采用分形方法实现不同起伏背景的小目标检测。首先利用分数布朗随机场模型对实际云背景图像建模得到分形曲线,然后通过分析小目标存在对云背景分形特性的影响,总结出云背景区域含小目标时其分形曲线面积增大的规律,据此提出了基于分形曲线面积差量的小目标检测方法。实验结果表明:在虚警率为10-3时,分形方法对弱起伏和中等起伏云背景下红外小目标检测概率达到1.0,对强起伏云背景下红外小目标检测概率达到0.6,较现有其他一些方法具有更好的检测效果和背景适应能力。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。     

基于小波变换的复杂海面背景红外小目标检测

采用基于正交小波的多尺度分解,提取出不同空间分辨率和不同方向的子图像,其低 频逼近分量可用来确定海天线和目标潜在区,水平和垂直方向的高频细节分量则体现了目标所在的区域信息;根据海面目标总是出现在海天线附近的特点,排除虚警点而分离出真正的目标。实验结果表明该方法能检测出低信噪比复杂海面背景中的舰船红外小目标。     

基于分形的实现小目标检测的一种具体方法

介绍了基于分形的复杂背景下实现小目标检测的一种具体方法,该方法以自然背景和人造目标在分形特征上的固有差异为依据,利用了人造目标分形特征数大的特点,给出了进行小目标检测的具体实现过程.实际检测的实验结果表明:该小目标检测方法对环境的适应性强,检测结果精确,颇具发展前途.     

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征--缝隙特征.实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率.     

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点.介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法.该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割.实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标.     

改进的分形检测海面漂浮小目标方法

为了提高海杂波中漂浮小目标的检测概率,提出了一种改进的分形检测海面漂浮小目标方法。首先,利用去趋势波动分析方法计算海杂波的分形维数;其次,利用计算过程中的“副产品”———截距组成二维判决空间;最后,通过聚类分析,检测出海杂波中的漂浮小目标。在实测数据基础上对改进算法进行了验证,结果表明：海杂波和小目标在判决空间存在明显的差异性;与Hurst指数法、神经网络集成预测法等方法比较,改进算法提高了目标检测概率;交叉极化方式( HV、VH)的检测效果优于同极化方式( HH、VV)的检测效果。     

基于小波分维的红外图像边缘检测

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,提出一种以小波作为标尺来定义分维数的思想,将小波变换看作是用小波标尺对信号进行度量,建立一种以信号的细节分量之和作为度量参数的小波分维数.应用小波分维数对红外图像进行边缘提取,实验结果表明该方法简单有效、优于传统的几种边缘提取算子.     

分形理论在目标检测中的应用

对分形理论在雷达目标检测领域中应用的相关研究进行整理与总结,以传统雷达目标检测方法中存在的不足为切入点,按照分形模型由简单到复杂的顺序,从常规雷达目标检测与图像(SAR图像)目标检测2个方面介绍了分形理论在目标检测领域的发展,并对分形理论在目标检测领域的研究前景进行展望。     

基于小波分析的实时红外系统目标检测的研究与实现

介绍小波分析的原理,以及把小波分析应用于基于红外图像的目标检测的具体实现方法.小波的多尺度特性能凸显出有用的信息这一特点,适合于应用在低信噪比环境下检测目标.但小波分析运算量大,难以满足实时性等系统要求,是实际应用中的一大难点.使用资源丰富、运算速度快的FPGA芯片来完成Mallat离散算法的小波分析的实现,并对其实现效果进行了分析.     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

基于遗传算法红外小目标检测的研究

为解决复杂空中背景下红外弱小目标的快速检测,提出了一种基于遗传算法的检测思路。该思路主要是通过利用遗传算法高效快速的搜索方式,结合传统的红外小目标检测算法,最终实现红外弱小目标的快速检测。最后通过MATLAB编程后,实现了复杂背景下红外小目标的快速检测。通过仿真及与相应的传统算法的比较,发现了遗传算法自身的优势和劣势,最后说明了遗传算法在红外小目标检测领域广阔的应用前景。     

一种基于广义多尺度分形参数的小目标检测方法

复杂场景中小目标的检测是一个难点。本文从分数布朗随机场模型的描述出发，提出并构造了一种广义多尺度分形参数，用于描述图像的纹理信息。它可以作为区分分形集合与非分形集合的一种有效的测度。进一步，基于广义多尺度分形参数，本文提出了一种具有抗噪性能的稳健的目标提取算法，并用于海上小目标的提取。对于实际图像的实验结果表明，本算法具有极高的检测精度。本文的思想对于一般复杂自然场景中小目标的检测具有重要的借鉴意义     

红外小目标小波多尺度相关检测方法

提出一种基于小波多尺度相关的目标检测方法.该方法通过二进小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换尺度相关性计算相邻大尺度模相关量用来增强信号,抑制噪声,提取粗略边缘图;并结合小尺度检测,具有定位精确的特点,将粗略边缘图与小尺度模图相与,寻找模极大值点,得到最终的检测结果.实验结果表明,该方法较传统的小波多尺度边缘检测方法能更加有效地进行红外小目标检测.