Fast detection of small infrared targets based on cascade classification

为克服弱小目标检测在大尺寸图像上存在时间开销大的问题,提出了一种多级处理的检测算法.首先在整幅图像上搜索局部灰度极值作为候选目标位置,随后对候选目标位置的邻域进行特征提取,最后在特征空间中进行分类.针对小目标特性,提出了一种灰度分布特征,以此特征对候选目标位置进行特征提取,进而提出了一种加权逻辑斯蒂回归算法,用其在特征空间建立分类器,将检测问题转化为二分类问题.实验结果表明,该算法对低信噪比图像可以达到较高的检测率和较低的虚警率,并具有较好的实时性.     

基于SIFT和加权信息熵的红外小目标检测

针对红外图像中弱小目标的检测需求,文中提出基于尺度不变特征变换Scale Invariant Feature Transform(SIFT)和加权信息熵的红外小目标检测算法.该方法根据红外小目标的成像特点,采用SIFT特征描述子进行关键点的提取,利用帧间的匹配初步获得了目标的可能位置;进一步使用红外图像加权信息熵得到图像在灰度信息和平均信息量意义下的特征;再针对复杂云背景成像弱小目标实时检测的需要对计算出的特征进行再一次判定进而检测出目标.实验结果表明该方法在天空云背景中处理效果较好,具有良好鲁棒性.     

一种新的空时域滤波小目标检测方法

为了提高红外图像序列中弱小目标的信噪比和检测概率,同时考虑检测算法实时性,提出了一种新的基于空时域滤波的小目标检测方法.首先,以第一帧图像为参考帧,对各帧图像进行运动补偿;然后,对运动补偿后的各帧图像在空域进行方差加权信息熵滤波,对空域滤波后图像采取双向隔帧差分的时域滤波;最后通过检测差分图像中的"凸包",抑制背景和噪声,检测小目标.文中给出了实验结果与分析,并与其他方法作了比较.实验结果表明,上述方法能大幅度的提高目标的信噪比,检测小目标,且实时性好.     

光电图像序列运动弱目标实时检测算法

针对光电探测图像序列中的运动弱小目标实时检测问题,提出了一种基于时空域融合滤波的弱目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标,在时域上通过改进的帧间差分方法增强运动目标,两者融合后经自适应门限分割与航迹关联确认目标。实际录取数据分析结果表明,算法全面考虑运动弱小目标在时域与空域方面的特性,能更有效地从复杂背景中检测低信噪比运动弱小目标,减小了虚警率,抗噪声干扰能力强。     

基于奇异值分解的红外弱小目标检测

鉴于传统的基于单幅图像奇异值分解红外弱小目标检测算法的不足,提出了一种新的基于图像序列奇异值分解的红外弱小目标检测算法.首先,利用图像序列构造图像矩阵并进行奇异值分解,得到对应的特征值与特征向量;其次,利用处理后的特征值和特征向量重构图像序列,得到新的特征图像序列;再次,在特征图像序列中选取合适的特征图像进行处理从而增强目标并抑制背景;然后,对新特征图像进行阈值分割,得到要检测的弱小目标;最后,对序列中的每幅图像分别进行帧间位置修正与帧内位置修正,以达到检测红外弱小目标的目的.实验结果表明该算法具有很好的鲁棒性与实时性.     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用模糊支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值:然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明,本文提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.     

灰度形态学滤波的红外运动小目标检测方法

针对空中红外图像中运动小目标的特征，提出一种采用灰度形态学滤波的背景抑制方法对图像进行处理，再利用自适应阈值分割方法对图像进行阈值分割的帧内检测方法；实践证明该技术能有效提高图像的信噪比，从而达到有效分割和快速检测小目标的目的。     

基于行灰度投影相关的快速角度矢量估计算法

针对现存电子稳像算法估计图像旋转角度矢量的不足,提出了一种基于行灰度投影相关的快速图像旋转角度矢量估计算法。通过在当前帧图像中心位置选取灰度投影区域和参考帧图像相应区域作行灰度投影相关计算,估算出当前帧图像相对于参考帧图像的角度运动矢量。论述了灰度投影区域选取原则;分析了行、列灰度投影相关曲线的差异,得出行灰度投影相关曲线具有单峰性的结论;阐述了快速搜索算法的原理及其在本算法中的应用。实验表明,算法实现了对旋转图像序列角度运动矢量的快速估计（在PⅣ2.67GHZ,内存512M的PC机上,估算速度为37.7ms）,可对任意角度的角度矢量进行高精度的估计。     

红外弱小目标检测背景抑制算法研究

复杂背景下红外小目标识别一直是红外图像处理的关键技术之一,针对复杂云背景下红外弱小目标的时域和空域特征,考虑到易于硬件实现和实时性要求,提出基于快速统计排序滤波和Robinson Guard滤波并行快速处理算法,对复杂背景进行高信噪比抑制。实验证明,该方法能够有效地提高红外弱小目标图像信噪比和复杂背景下的小目标的检测概率。     

天文图像序列中弱目标的实时检测算法

针对天文图像中运动弱小目标的检测问题,在分析天文CCD图像特点的基础上,根据待检测目标运动状态的不同,提出:1)在检测动目标时,对基于图像对称差分运算方法进行了改进,改进后的方法性能优于图像差分法,且硬件实现容易。该方法以连续三帧序列图像为一组处理对象,在进行绝对差运算之前,对图像进行对比度增强及均值滤波;2)使用形态学滤波的方法实现单帧静止多目标的检测,该方法采用top-hat算子完成背景的估计与目标的检测。为了实时实现所提出的动目标及静止目标的检测算法,设计了DSP FPGA硬件架构方案,并进行了外场实验。实验的结果表明,检测算法在硬件加速的情况下可以实时有效地检测到SNR≈2的弱小目标,并可以同时实时保存原始图像数据。     

海空复杂背景下红外弱点目标检测新算法

为解决海空复杂背景下红外弱点目标的检测,提出了多量级多向梯度表决融合检测算法。算法依据目标红外辐射特征是像素灰度在水平和垂直方向上梯度变化,将弱点目标特性转化为对图像奇异性的分析。算法用多个量级的梯度步长对图像目标进行检测,并对检测的结果进行表决融合。实验结果表明,红外阈值系数选取2.0-2.4时,算法可对信杂比为1的点目标实现高于95%的检测概率及较低的虚警率。     

基于各向异性扩散的弱小目标增强算法

针对弱小目标对比度较低、边缘模糊、难以准确探测的问题,本文提出一种基于PDE的改进的各向异性扩散滤波算法增强弱小目标.该方法根据各向异性扩散原理,通过改进传统的P-M方程建立新的滤波模型,采用自适应滤波的方法在非目标区进行背景平滑,在局部变化的区域进行锐化处理增强弱小目标,从而达到背景平滑的同时增强边缘的效果.同时可以通过调节参数k和W选择平滑和锐化的程度,以适应不同的环境变化.实验结果表明,该方法能够有效的增强低对比度图像中的弱小目标.     

形态学和小波域杂波抑制的微弱目标检测

本文提出了一种基于形态学和小波域杂波抑制的微弱目标检测方法,该方法将图像序列进行形态擘tophat滤波,然后小波变换,再分别对各小波子带作平滑滤波,按各子带对滤波前后小波系数作差分运算,最后经过小波逆变换得到具有微弱目标的残差图像序列.用残差图像tophat结果估计目标潜在区域,在目标潜在域的约束下,对残差图像序列进行时空域数据融合,实现微弱运动目标的检测.仿真实验表明,该方法杂波抑制后残差图像具有很好的白高斯特性,且目标邻域信杂比(scNR)的平均增益比图像空域平滑滤波和图像频域低通滤波等典型运算的SCNR平均增益有明显改善,目标检测算法在5帧图像集成时能稳定检测出微弱运动目标轨迹.     

基于CEM的高光谱图像小目标检测算法

针对高光谱图像中小目标检测问题,提出了一种基于约束能量最小化(Constrained Energy Minimization,CEM)的目标检测算法.该算法首先对原始图像进行背景信息抑制从而抑制背景地物、突出低概率的小目标,用迭代误差分析的自动端元提取算法找出目标的端元光谱,然后把目标端元光谱代入CEM滤波器得到该目标的检测结果图.用高光谱数据进行了实验研究,并与CEM滤波器进行了比较.结果表明,其检测性能与直接采用CEM方法的检测性能相当,但是相对于CEM方法,该算法不需要目标的先验光谱信息,更具有实用性.     

复杂光照环境下空间目标相对位姿测量方法研究

为解决空间复杂光照环境下可见光相机获取的图像照度不一、信息失真、特征不完整导致的目标 航天器相对位姿求解困难的问题,提出了一种基于图像增强和弧段特征的双目视觉相对位姿测量方法。首先通 过基于带色彩保留的多尺度Retinex（Multi?scale Retinex with Chromaticity Preservation, MSRCP）自适应图像预处理 方法提升空间暗弱光、局部强曝光环境下的图像质量;然后利用基于边缘弧支撑线段的椭圆检测算法提取目标 航天器表面星箭对接环的弧段特征,并拟合得到椭圆轮廓;最后利用双目相机搭建了空间相对位姿测量物理仿 真实验平台,建立双目空间椭圆锥测量模型解算目标的六自由度相对位姿,实现了近距离正常光照和暗弱光照 场景下目标航天器相对位姿求解。实验结果显示：在正常光照场景下,相对位置平均误差优于20 mm,相对姿 态平均误差优于0. 3°;在暗弱光照场景下,相对位置平均误差优于30 mm,相对姿态平均误差优于1°。研究成 果为近距离空间交会对接等在轨服务任务中的目标识别与测量提供了参考,具有技术借鉴价值。     

基于背景杂波自适应预测的微小目标检测

本文主要研究基于图像的强空域杂波背景下微小目标检测.本文提出了一种新的基于邻域梯度差平方累积函数最小原则的背景杂波自适应预测算法.该算法能显著改善微小目标的信杂比(SCNR).试验证明,本算法相对于已有的多种算法,有着更好的性能.本文还引入了一种基于统计分析的快速检测算法,该算法能在较低的虚警概率情况下,获得更高的检测概率.理论分析及仿真表明,本文提出的检测系统在微小目标检测中,具有很高的实用性.     

卡桑德尔海报作品探析

卡桑德尔是法国"装饰艺术运动"时期著名的商业招贴设计师.他善于运用简洁的几何图形,并通过重新排列,体现出艺术作品的理性;善于运用聚散的组合线条,并加以变化,创造出富有张力的画面;善于运用独特的构图视角,并通过运用对比手法,渲染出夸张而立体化的空间.他的商业海报虽然是时代的产物,但其艺术价值影响深远,至今是平面设计界的一面标杆.     

深空背景下基于Delaunay三角剖分的多成像器目标对应算法

针对深空背景下,目标距离成像器较远,目标在多个成像器平面呈弱小目标,目标点之间的形状及灰度特征没有明显区别的现状,提出了基于目标点之间形成的几何组合来完成目标点在不同成像平面对应的算法.该算法首先对各个成像器目标检测后获取的目标点集根据成像器间的姿态信息进行旋转补偿,然后对补偿后的目标点集进行Delaunay三角剖分,...     

Detecting three-dimensional location and shape of noisy distorted three-dimensional objects with ladar trained optimum nonlinear filters

We propose a filtering technique that uses laser radar (ladar) data to detect a target's three-dimensional (3D) coordinates and shape within an input scene. A two-dimensional ladar range image is converted into 3D space, and then the 3D optimum nonlinear filtering technique is used to detect the 3D coordinates of targets (including the target's distance from the sensor). The 3D optimum nonlinear filter is designed to detect distorted targets (i.e., out-of-plane and in-plane rotations and scale changes) and to be noise robust. The nonlinear filter is derived to minimize the mean of the output energy in response to the input scene in the presence of disjoint background noise and additive noise and to maintain a fixed output peak for the members of the true-class target training set. The system is tested with real ladar imagery in the presence of background clutter. The background clutter used in the system evaluation includes false objects that are similar to the true targets. The correlation output of ladar images shows a dominant peak at the target's 3D coordinates.