基于小波变换与灰度形态学滤波的双波段红外图像弱目标融合检测

针对舰载红外搜索与跟踪系统中的弱目标检测问题,本文首先提出了一种采用小波变换与灰度形态学滤波相结合的背景抑制与目标增强算法;然后基于所提出的背景抑制与目标增强算法设计了一种双波段红外图像弱目标融合检测方法;最后采用实际的双波段红外图像序列对所提出的背景抑制与目标增强算法和所设计的双波段红外图像弱目标融合检测方法进行了实验测试,并给出了详细的分析与比较。实验结果显示所提出的背景抑制与目标增强算法在较大程度上改善了在信噪比条件下的红外图像弱目标检测效率,而双波段红外图像的应用进一步提高了系统的目标检测性能。     

红外图像序列的目标增强和检测

文中主要研究了远距离红外图像序列的目标增强和检测问题,提出了基于局部纹理特征的红外图像增强算法,利用红外图像目标和背景区域局部纹理特征的差异来增强目标和背景区域的对比度;为了提高目标检测的速度和精度,利用序列图像的帧间相关信息,采用边检测边跟踪边确认的目标检测方法。实验结果表明,对于远距离、小目标的红外图像,这种增强算法在目标对比度和细节方面都明显优于直方图均衡化方法,而本文采用的目标检测方法仅需很少几帧图像就能检测和跟踪目标,可以在确保目标检测的可靠性的前提下,提高目标的检测速度。     

利用自适应模糊推理PMHT算法的红外小目标跟踪与检测

提出了一种基于自适应模糊推理PMHT算法对红外序列图像的小目标进行跟踪和检测.对红外序列图像进行中值滤波、边缘提取、海天线识别与对消等预处理后,可以提取出若干个备选小目标,通过PMHT与模糊自适应相结合算法来实现对备选目标的跟踪和数据关联,最后,根据先验知识和检测条件实现小目标检测.算法通过模糊自适应来调整系统噪声方差,经过多次迭代,从而实现数据关联以及目标模型实时检测.另外,在多目标跟踪中存在目标重叠的现象,运用"记忆和填充"方法来解决多目标的合并和分裂问题,算法易于硬件实现.通过对实际的红外序列图像进行小目标检测,验证了所提方法的可行性和有效性.     

红外图像序列中不均匀背景消除新方法

从红外相机自身特性和使用角度两方面对靶场红外图像序列中不均匀(花纹)背景产生的原因进行了剖析,分析了传统红外图像非均匀校正算法在处理靶场序列红外图像上的优缺点,提出在目标跟踪过程中随着场景变化,基于实时线性标定的非线性红外图像的校正的新方法,克服了传统方法的弊端,实时确定了校正增益系数和校正因子,消除了序列红外图像中不均匀背景。通过对含有弱小目标的靶场实际序列红外图像进行仿真验证表明,新方法去除了图像固定图案噪声,消除了探测器坏元的影响,输出了理想的序列红外图像。     

基于图像融合的运动目标轮廓提取新方法

提出了一种新的运动目标轮廓提取方法。该方法分为3个步骤：对于红外与可见光图像序列,首先应用运动分割得到运动目标的初始轮廓线;其次,使用了动态轮廓线使其收敛到目标轮廓;最后,应用了两种新的图像融合方法,第1种方法求解两类模式图像的动态轮廓线控制点向量差的L2范数平方极小化,第2种方法通过图像配准实行改进的微分耦合。对比检测实验表明,第2种方法具有较好的融合效果。同时,设计了一种基于Newmark方法的动态轮廓线快速迭代算法,该方法如Wilson-θ方法的对比实验表明,Newmark方法稳定收敛的迭代时间降低了21．01％。     

一种基于目标区域特征的红外与可见光图像信息融合方法

基于异源图像的信息互补关系, 提出了基于目标特征区域的小波变换融合方法。首先采用基于模糊C-均值聚类(FCM)的方法, 提取红外图像的目标特征区域, 用于异源图像目标特征区域的局部信息融合, 达到在可见光图像中加入红外目标信息的效果。其次以第一步融合的图像替换原有的可见光图像, 并采用小波变换的方法实现与红外图像的融合, 获得最终的融合图像。采用图像质量评价标准对本文算法和其他融合算法的实验结果进行分析对比, 证明所提出方法的有效性。     

面向天基红外预警的高动态弱小目标LSTM检测方法研究EI北大核心CSCD

在天基红外预警任务中,高动态弱小目标具有成像尺寸小、运动规律未知的特点。现有红外弱小目标探测任务主要关注匀速直线运动目标检测问题,对高动态目标的有效检测算法尚需进一步开发。针对天基红外预警任务中高动态非线性运动目标检测问题,提出了一种基于LSTM的红外弱小目标检测算法。首先设计了提取可疑目标位置信息的预处理方法,解决了LSTM网络结构与序列图像不匹配的问题;然后,针对传统算法难以检测非线性运动轨迹的问题,利用LSTM提取目标运动特征,实现序列图像中高动态目标的检测。通过与序列假设检验等算法的对比,在自研的红外序列图像数据集上验证了所提出的算法能够实现不低于0.9347的精确率与不低于0.8633的召回率。     

基于多分辨率动态轮廓线的面积测量与跟踪方法

提出了一种基于多分辨率动态轮廓线的物体表面积测量方法。该方法使用光电式图像瞄准系统采集被测物体的目标图像并构造该图像的高斯金字塔,并采用了多分辨率动态轮廓线且使其由初始位置向目标轮廓边缘收敛;根据基于B样条封闭曲线面积与形心公式,准确计算出图像的目标面积与形心;再利用形心自标定技术、图像目标形心以及双频激光器测量出像素的尺寸当量,从而准确测量出真实物体的表面积。实验表明,在动态轮廓线控制点数目为20时,其单次测量误差达到了±0.2%。与单分辨率动态轮廓线面积测量方法相比,该方法具有鲁棒性强,平均值误差、单次测量误差及重复性误差小等优点。将该方法应用于基于红外与可见光图像融合的运动目标跟踪过程的实验表明,它不仅具有很好的跟踪准确性,而且能够跟踪快速运动的目标。     

基于图像分割和配准的红外焦平面阵列非均匀校正算法

在目标成像跟踪和制导领域,存在大量由缓慢移动背景和相对背景运动的点目标构成的红外图像序列,传统的基于场景的红外焦平面非均匀校正算法在解决此类图像中存在困难。提出了基于图像分割和配准的红外焦平面非均匀校正算法(简称S—R算法),通过将图像背景和运动点目标分离,利用图像配准的方法完成图像背景的非均匀校正和点目标位置处错误固定噪声参数的补偿,最终完成整个焦平面探测单元固定噪声参数的估计,从而有效解决了这类红外图像序列的非均匀校正问题。S—R算法具有噪声参数估计精度高、收敛速度快和计算复杂度低等优点。文中最后用仿真数据对上述结论进行验证。     

基于关键帧提取的红外与可见光序列图像快速融合

针对静态图像融合方法对于序列图像无法同时满足融合速率及融合质量的问题,提出了一种基于关键帧提取的红外与可见光序列图像快速融合方法。首先对红外和可见光图像序列进行关键帧提取,为体现本文方法的普遍适用性,选取静态图像中融合效果好的算法将两序列中对应的关键帧融合,如小波变换以及主成分分析法。然后对剩余图像帧利用最简单快捷的加权平均算法进行融合。而且相较于现有的只针对于目标进行提取和融合来提高融合速率的序列图像融合方法,在不明确目标的情况下,本文方法对整幅图像进行融合,更加合理且融合结果更适合人眼观察。最后通过对同一场景相同帧数的红外与可见光序列图像进行融合,实验结果表明本文基于关键帧提取的融合方法快速且保证了融合质量。