基于局部对比度的自适应Top-Hat红外小目标检测

Top-Hat的检测性能受限于固定单一的结构元素,导致对复杂背景的抑制能力差。针对该方法的不足,提出两种具有递进关系的改进Top-Hat算法。首先依据小目标与其邻域灰度值差异,改进了Top-Hat变换,提出了一种具有双结构元素的Top-Hat算法,分别为膨胀和腐蚀操作设计了各自的结构元素,并且调整了开运算的运算顺序,以提高对红外小目标的检测性能。在此基础上,又提出一种基于局部对比度的自适应双结构Top-Hat红外小目标检测方法,通过计算局部对比度得到显著图,获得先验信息,自适应地改变双结构元素的大小,利用目标区域及其邻域的灰度值差异来抑制背景和增强目标。与同类方法和非同类方法进行对比实验研究,结果表明,所提基于局部对比度的自适应Top-Hat方法在5种评价指标中均表现突出。     

基于背景抑制的红外小目标检测方法

分析了红外图像中小目标,噪声以及背景的特点,为了抑制背景从而检测出红外小目标,应用了最小平方中值滤波器算法和数学形态学算法,并和时域中值滤波器算法作了比较.仿真结果证明数学形态学算法是性能最好的算法,时域中值滤波器算法次之,最小平方中值滤波器算法最差.     

基于小波变换和改进Top-Hat滤波的红外小目标检测

提出了一种基于小波变换与改进Top-Hat滤波的有效地红外小目标检测算法。该方法首先对红外图像进行单层小波分解,分别得到近似、水平、垂直和对角四个分量;接着,对近似分量进行改进Top-Hat滤波,并将滤波结果与原近似分量进行差分,得到差分图像,将其再与水平分量进行融合形成新的近似和水平分量。同时将垂直和对角分量的小波系数置零,进行小波重构。最后,为了进一步凸显红外小目标,采用了基于直方图的灰度变换方法对重构图像进行增强。实验结果证明本文所提出的算法能准确地检测出红外小目标,且鲁棒性较好。     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容.为解决红外起伏背景下的小目标检测问题,提出了一种自适应的背景抑制方法,并对抑制背景后的图像进行了目标分割,最后用邻域法判决目标位置.实验结果表明,该算法能够从信噪比大于2.0的图像序列中检测出目标.     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

基于模式侧抑制复杂背景下的小目标检测

在复杂背景的图像序列中检测小目标一直是研究重点。提出了一种基于模式侧抑制的复杂背景下小目标检测的方法。将复杂背景下的小目标检测问题看作是在大量相似模式中寻找某个特殊模式的模式识别问题。通过建立基于模式的侧抑制网络模型，在模式空间中对模式进行侧抑制处理，达到突出特殊模式抑制相似模式的目的。同时指出，用该方法对图像进行多级处理可进一步改善处理效果。进行了该方法与去局部均值滤波、基于形态学Top-Hat算子滤波、多级滤波和基于侧抑制理论滤波四种传统方法的比较实验，并将信杂比（SCR）及信杂比增益作为评价算法性能的指标。实验结果表明，提出的方法在提高图像信杂比方面要优于其他几种方法，能有效抑制背景杂波，提高对目标的单帧检测能力。     

基于海岸线背景的海面小目标检测方法

针对海岸线背景下的海面小目标的自动检测问题展开讨论,提出一种目标所在感兴趣区域的自动提取算法,将水域和复杂背景分离,并对分割后的二值图像进行标记,海面区域即水域应该是标记块中面积最大的一块,利用此特征提取出感兴趣区域——水域。对感兴趣区域进行轮廓跟踪后再用原始灰度进行扫描填充,在得到的简单背景下对目标进行局部中值滤波,进而用F—R准则将感兴趣舰船目标检测出来。最后拟利用感兴趣舰船目标区域的方差值计算感兴趣目标出现的置信度估计值,若置信度大于90％,则认为是真目标。实验结果给出了实验处理时间和所识别出的各个目标的置信度．表明了本文算法的有效性。     

红外背景抑制与小目标分割检测

红外寻的导引头小目标图像的分割与检测是地空导弹和航空导弹的关键技术。本文研究用六种高通滤波器抑制大面积低频背景的效果与性能比较,在此基础上提出基于统计计算均值和直方图的自适应门限背景抑制与小目标分割方法。基于目标运动的连续性,规律性和噪声的随机性,研究连续性滤波器的设计和用流水线管道结构检测目标运动轨迹的方法,大量实验和比较结果检验了本文方法的正确性。     

红外背景抑制与小目标检测算法

在有云层背景的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。介绍了一种简单可行的在云层背景下检测小目标的方案。算法中,首先进行背景抑制以获得更高的信噪比,接着是用门限分割以得到二值图像,最后依照目标在时间和空间运动的连续性,用一种管线法进行目标识别。实验结果表明算法十分有效。     

红外小目标检测中的Bayes估计器背景抑制方法

针对红外小目标检测中的背景抑制问题,提出一种新的方法。利用分布图法和Bayes估计器根据有限帧图像估计出当前取景框的"纯背景",将各图与背景图运算得到只含有目标和少数噪声点的图像,对图像进行分割和目标判别,可有效抑制图像中的起伏背景,降低后期处理的错误率。实验验证了该方法的有效性。     

基于局部熵参考预处理的RPCA红外小目标检测

以图像非局部相似性为基础,利用图像分块重组以获得低秩块图像,是将鲁棒主成分分析算法（robust principal component analysis,RPCA）应用到单帧图像红外小目标检测的基本方法。本文介绍了RPCA算法在单帧图像红外小目标检测的应用流程,分析了不同图像背景下各种分块方法的影响。为解决复杂背景下图像分块窗口和滑动步长难以选择的问题,提出了以图像分块最小局部熵的较大值为参考的选择方法。实验结果表明,通过计算图像的分块局部熵,以最小局部熵的较大值为参考,选择RPCA算法预处理方案,能使单帧红外图像小目标检测达到更好的效果,弥补了工程人员缺少RPCA算法应用经验的不足。     

基于背景抑制的4种红外小目标检测算法比较

背景抑制是红外小目标检测的关键技术.对空域高通滤波、最大中值滤波、单一结构元素形态学和多结构元素形态学的背景抑制原理进行分析,并在云杂波背景条件下对4种算法进行仿真并作比较.仿真结果表明多结构元素形态学算法性能最好,最大中值滤波算法次之,单一结构元素形态学算法稍差些,高通滤波算法最差.     

一种基于背景抑制的红外小目标检测新算法

红外图像小目标检测技术,是红外搜索与跟踪系统的一项核心技术。本文提出了一种新的红外图像小目标分割算法,采用背景抑制及双窗口自适应门限分割等技术检测目标,分析了算法的实时检测能力,并给出实物平台下的检测实例。大量的实验结果表明,此新算法能取得较好的小目标分割效果。     

改进的KCF红外空中目标跟踪方法

针对红外空中目标跟踪中遮挡导致的跟丢问题,结合核相关滤波跟踪算法(KCF)无法跟踪尺度的缺点,提出一种基于KCF的红外空中目标跟踪方法。该方法借助KCF估计的目标位置,增加Sobel算子提取目标扩展区域的边缘信息,从而获取目标尺度并进行二次定位。然后,判断目标是否受遮挡或跟丢,采用帧差法重新检测目标,确保目标的持续跟踪。在7个视频序列上对所提的算法进行了实验,结果显示,所提算法能够有效计算尺度,验证了多种环境下跟踪的有效性。平均跟踪速度达到44 f/s,能够满足实时性要求。因此,本文提出的方法对于红外空中目标的跟踪具有一定的实用意义。     

基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法

SAR图像目标检测方法没有固定的范式,是图像分析、理解和解译的基础.针对含有目标的SAR图像,提出一种基于Top-Hat变换和四叉树分解理论的SAR图像目标检测方法.对含有目标的灰度SAR图像,利用Top-Hat变换减小图像的突变,并使用图像的特征均值和特征方差值作为阈值进行动态阈值的四叉树分解.最后根据目标固有的特征对候选的若干区域选择一个真实的目标,并采用X波段SAR图像验证该方法能够有效地实现SAR图像目标区域的检测.     

基于Top-Hat变换和马尔可夫随机场相结合的背景抑制算法

空中远距离目标在红外探测器上表现为弱小目标,其在图像中灰度和面积特征均不明显。由于天空中云层的影响,图像背景可能存在大面积的高亮区域或者复杂的纹理结构,影响检测系统的检测概率和虚警率,因此必须对图像进行背景抑制。将Top-Hat算法和基于马尔可夫随机场(MRF)的图像分割算法相结合来对图像进行处理。仿真结果表明,该方法能在有效抑制背景的同时保留真实目标,达到预想效果。     

基于稀疏重构的空域大目标背景下的小目标检测方法

现代战争经常需要大小平台协同作战,较为典型的是有/无人编队协同作战。在协同作战过程中,由于大目标的回波副瓣掩盖了小目标回波,导致无法实现大小目标一体化检测,给指挥员战场态势的判断带来了严峻的挑战。为此研究了一种基于稀疏重构的空域大目标背景下的小目标检测方法,利用压缩感知稀疏重构算法的高分辨特性实现大小目标在空域上分离,进而消除大目标对小目标的检测影响。针对传统稀疏重构方法存在重构准确率与计算效率相互矛盾的问题,提出了一种基于虚变换的稀疏重构方法。仿真分析结果表明,所提方法相对于传统正交投影(Orthogonal Matching Projection, OMP)方法具有更好的大小目标分离准确度,而相对于传统凸优化重构方法,可以实现计算效率提升16%。     

基于背景抑制和特征点检测的目标检测算法

空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性.     

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。