基于横纵多尺度灰度差异加权双边滤波的弱小目标检测

为了有效地检测复杂背景下的红外弱小目标,提出了一种基于横纵多尺度灰度差（HV-MSGD）的方法来增强弱目标,并通过距离和像素差异来实现对背景强边的抑制。目标区域与周围区域之间存在不连续性,为了加强它们的差异,HV-MSGD与双边滤波（BF）相结合,可以在抑制背景的同时提高目标强度。进一步通过自适应局部阈值分割和全局阈值分割来提取候选目标。为了进一步验证对单帧检测的影响,将上述单帧检测算法与改进的无迹卡尔曼粒子滤波器（UPF）相结合,实现轨迹检测。实验结果表明,该方法在弱信噪比（SNR）下优于其他方法,在抑制背景的同时可以增强目标,增强效果是其他方法的6-30倍。在实验中,输入信噪比分别为2.78,1.77,1.79,1.13和1.16。图像处理后,背景抑制因子（BSF）分别为13.48,21.33,11.73,20.63和121.92,信噪比增益（GSNRs）分别为40.09,71.37,27.53,12.65和131。该方法的检测概率（Pd）也优于其他算法。当误报率（FAR）为, , , 和,计算五组真实序列图像的Pd为94.4％,92.2％,91.3％,95.6％和96.7％。     

卫星红外图像中单帧目标检测算法研究

在有复杂云层背景的卫星红外图像中准确地检测出存在的运动目标是目前图像处理的研究热点。DBT类的运动目标检测算法有单帧目标检测和多帧轨迹关联两大步骤。为更好抑制起伏背景和背景结构边缘,文章提出一种新的单帧内背景抑制算法——邻域最小差值滤波,该算法与典型的背景预测算法（中值滤波和高通线性模版滤波）相比具有更好效果;最后针对高斯噪声条件下,利用统计分割方法对抑制背景结果进行阈值分割得到候选目标,从而形成一套针对卫星红外图像的快速有效的单帧目标检测算法。     

红外背景抑制与点目标分割检测算法研究

针对红外点目标检测问题,采用图像灰度同本行均值相减方法抑制温度场的非线性影响;利用Top-Hat算子形态滤波,抑制背景和增强目标;通过比较预处理后的不同背景下红外图像直方图特点,确定分割阈值;最后进行目标二值化分割,得到包含较少虚警点的点目标分割图像.实验证明,该方法较好地解决了不同红外背景下低信噪比红外点目标的分割检测问题.     

基于梯度特征的弱小目标检测北大核心CSCD

针对传统检测方法对低对比度和低信噪比弱小目标检测难度大的问题,提出一种基于梯度特征提取的弱小目标检测方法。首先利用弱小目标的各向同性及在梯度空间中的正负分布特性,提取两个方向梯度特征;然后通过改进的局部对比度算法分别抑制两个方向梯度特征的相似性,融合两个抑制相似性的方向梯度特征,增强目标同时抑制背景;最后通过自适应阈值对结果图进行分割,得到最终检测结果。实验结果表明,该算法不仅能够有效检测极低信噪比与对比度的目标,而且对复杂边缘场景具有很好的抑制效果,在信噪比、背景抑制因子以及检测率方面优于其他算法。     

基于动态规划算法的无源毫米波弱小目标检测方法

针对无源毫米波弱小目标特点,结合已有的动态规划算法,利用图像阈值分割原理实时计算检测门限,提出一种适用于无源毫米波小目标检测的实用动态规划算法,并分析了动态规划的计算过程及分割门限的确定方法。实验仿真结果表明,此算法能准确检测出复杂背景下的低信噪比无源毫米波弱小目标,并得到目标运动轨迹,在单帧成像信噪比为4.5dB左右时,能准确检测出目标运动轨迹。     

低虚警率的红外弱小目标检测算法

针对远距离复杂场景下红外弱小目标信噪比低导致目标检测虚警率高的问题,提出了一种时域与空域滤波相融合的红外弱小目标检测方法。采用相对局部对比度算法(Relative Local Contrast Measure,RLCM)增强目标信噪比,抑制高亮度背景;利用目标的时空相关性,运用时域局部差分算法(Temporal Local Difference Algorithm,TLCD)增强目标,消除固定噪点。融合空域和时域的检测结果获得时空相对局部对比度图(Spatial Temporal Relative Local Contrast Map,STRLCM),通过自适应阈值分割提取待检测的真实目标。实验结果表明,与现有算法相比,所提算法可以极大地降低虚警率同时保持较高的检测效果。     

UCN序列的抑制技术

为了从低信噪比图像序列中检测出亚像元目标、点目标和少像元目标,本文提出一种通过单帧自适应门限检测和多帧高阶互相关技术来抑制UCN序列的新方法.本方法可以大大压缩候选目标轨迹数目和数据处理量,且对红外、可见光等不同种类图像序列兼容.文中给出了各项操作的理论分析,实验结果证实了理论分析的正确性和算法的可行性.对单帧信噪比为1.5~0.5的图像序列,经过单帧自适应门限检测和两次高阶互相关处理后,剩余非零点数只有0.03~14.59%,噪声抑制率为99.97~85.41%.     

基于改进SUSAN原则的小目标检测算法

为解决复杂云层背景下红外弱小目标的检测问题,提出了基于改进SUSAN原则的检测方法,该方法通过重新定义SUSAN原则,改进模板形状,自适应设置阈值,使之对小目标极为敏感,抑制背景和噪声。实验证明,该算法对于信噪比小于2的弱小目标有较强的单帧检测能力。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

天空背景下红外弱小目标检测算法研究

针对天空背景下红外弱小目标检测困难的情况,首先通过改进的形态学滤波目标增强方法对图像进行背景抑制与噪声去除,而后采用恒虚警检测方法(CFAR)对滤波后图像进行分割,获得候选点目标,然后采用行程目标标记的方法得到候选目标的位置信息、面积信息等,单帧图像检测之后,复杂的天空背景仍然会存在虚警。为了提高检测概率、降低虚警率,结合目标运动特性(包括运动轨迹、速度、加速度等)、灰度变化、面积变化等帧间相关性采用移动式管道滤波方法对序列图像候选目标做进一步判断。实验结果表明,该方法能有效地从复杂背景中检测出真实目标。     

基于LWT和递归最小类内绝对差的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于提升小波变换(LWT)和递归最小类内绝对差的检测方法.一方面先利用提升小波对原始图像进行去噪,再利用Top-hat算子抑制背景;另一方面先利用Top-hat算子抑制原始图像的背景,经提升小波去噪后,再进一步使用Top-hat算子;上述两方面得到的图像求和即为预处理图像.然后采用递归最小类内绝对差阈值选取方法分割预处理图像.针对红外小目标图像进行了大量实验,并与基于形态滤波及基于小波和形态学的红外小目标检测方法进行了比较.结果表明本文方法提高了信噪比,检测率分别提高15%和10%.     

用于无人机探测系统的红外小目标检测算法

为了解决无人机探测系统中目标检测算法在不同场景下适用性差、虚警率高的问题,采用可应用于不同复杂背景的红外小目标检测算法,设计了一种基于现场可编程门阵列与数字信号处理器架构的无人机探测系统。首先利用双边滤波算法平滑背景,保留目标区域边缘;再使用改进的多尺度顶帽算法进行目标增强和背景抑制,来提高目标区域与周围区域的差异对比;最后使用基于最大值和平均值的自适应阈值分割方法提取目标。结果表明,实验测得系统的检测率为98.15%,整体时延为33.33 ms,与现有典型红外小目标检测算法相比,该算法的信噪比增益和背景抑制因子分别平均提高6.8倍和7.44倍,有效地抑制了背景,增强了目标。该算法能有效解决复杂背景下的红外小目标检测问题,对提高无人机探测系统在不同场景下的适用能力与检测能力是有帮助的。     

基于形态学和信息熵的红外目标检测算法

提出了多结构形态学滤波算法,对小目标图像进行背景抑制,接着引入信息熵进行分割,从缩小阈值搜索范围和推导递推关系式两方面给出快速分割算法。通过不同滤波算法进行背景抑制,并采用经典的阈值分割方法和基于信息熵的分割方法对形态学处理后的图像进行分割,对实验结果进行详细分析,表明本文多结构形态学滤波算法对图像的信噪比改善最明显,分割算法处理后的图像含噪声较少且目标分割完整,是一种有效、稳定的目标检测方法。     

基于二阶梯度的红外小目标检测方法

为了提高复杂背景下红外图像中弱小目标的检测概率同时降低虚警率,本文提出一种基于二阶梯度的红外弱小目标检测算法。首先基于小面模型采用二维离散正交多项式对原始图像局部灰度分布进行拟合,然后设计二阶方向导数滤波器对图像进行滤波并分解为不同的方向通道,再根据极值定理对不同的方向通道求取极值图像,随后对极值图像进行形态学滤波以增强目标能量并进一步抑制背景杂波,之后对极值图像进行归一化处理并统计其直方图,利用直方图灰度分布选取合适的分割阈值,进行阈值分割后得到二值图像并最终确定目标位置。实验结果表明,该方法在信噪比极低的复杂背景下可准确地对弱小目标进行检测。     

基于时空域融合滤波的小目标检测算法

针对目前小目标检测存在的难点,提出了一种基于时空域融合的小目标检测方法。该方法首先运用形态学Top-hat进行空域滤波,将原图像中的大部分背景及杂波抑制,时域上采用三帧差分方法增强目标。融合后对图像进行自适应阈值分割,得到潜在目标点,最后根据目标运动的连续性与规则性采用邻域判决法滤除虚警点,检测出目标的运动轨迹。仿真结果显示该方法能较好检测出复杂背景下低信噪比运动小目标。     

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。     

远距离红外图像目标分析及背景抑制算法

远距离红外图像的目标检测属于弱小目标检测问题,其图像信杂比低,背景结构边缘的抑制残差是单帧图像目标检测时引入的虚假目标的主要因素.分析了远距离红外图像的目标模型,接着根据目标模型选择合适的预测背景模版,并提出了基于该模版去最近邻算法,最后给出该背景抑制算法的仿真结果.该算法与典型的去均值算法、去中值算法相比抑制背景结构边缘更彻底和抑制后图像具有更高信噪比的优点,能为后续的闯值分割和多帧轨迹关联提供良好条件.     

基于Robinson双模板匹配及融合的点目标检测算法

为了提高复杂背景下红外预警系统对空中红外点目标的探测效果,对传统Robinson滤波器的模板应用进行了延伸,在背景抑制和背景分割的基础上,对单帧红外图像中点目标进行Robinson滤波器双模板匹配及融合检测.实验表明,与传统Robinson滤波相比,此方法既提高了点目标的检测概率,同时更好地抑制了背景,取得了较为理想的...     

基于静电富集-表面增强拉曼光谱联用技术的抗生素检测

利用表面增强拉曼光谱(SERS)和静电富集(EP)相结合的技术,实现了水环境中磺胺甲基嘧啶、丁胺卡那霉素、恩诺沙星和环丙沙星的有效富集和快速痕量探测。实验结果表明,与非静电富集SERS探测相比较,磺胺甲基嘧啶和丁胺卡那霉素的特征峰强度提高了大约10倍,恩诺沙星和环丙沙星的特征峰强度提高了2~3倍;4种抗生素的最低检测浓度分别为1.9×10~(-8),1.7×10~(-8),5.5×10~(-8),6.0×10~(-8) mol·L~(-1);当被检测目标的浓度较低时,特征峰强度与探测浓度具有良好的线性关系。EP-SERS技术可有效提高水环境中抗生素的检测灵敏度。     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法;在帧间采用八邻域判决法对弱小目标进行检测;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。