一种基于红外图像的小目标跟踪置前检测算法

为在低信噪比、强杂波的环境下提取目标，人们提出了跟踪置前检测(TbD)的小目标检测方法。讨论了红外图像杂波剔除和用最优非线性滤波器跟踪置前检测的算法，给出了算法模型和基本步骤，利用这种算法可有效地进行杂波抑制和对小目标跟踪置前检测。     

基于改进粒子滤波算法的红外小目标检测跟踪

将粒子滤波算法引入到红外小目标的检测跟踪领域,为解决重要性函数选择和粒子退化问题,结合蚁群搜索算法与粒子群优化算法改进标准的粒子滤波.改进后的粒子滤波能有效减少粒子数,降低运算量,避免了粒子迁移线性化,且无需重采样.分析论证了该算法的基本原理,着重叙述了粒子迁移的过程.通过跟踪实拍红外图像以及仿真图像验证,表明该算法能够成功跟踪信噪比低,背景复杂,运动非线性强的红外小目标,对目标消失、遮挡情况也有一定的适应能力.     

基于全局运动补偿的红外目标变换相关跟踪算法

提出了一种新的前视红外序列图像目标跟踪方法.利用基于区域分割和模板匹配的全局补偿算法进行运动估计,有效消除了运动平台中摄像机运动对跟踪性能带来的不利影响.同时,采用二元联合变换相关器进行红外目标的检测与跟踪.通过将振幅调制的功率谱转化为脉冲调制的功率谱,可以获得更清晰尖锐的相关峰,提高了算法的鲁棒性.实验结果表明,该方法是有效的和稳健的.     

基于图像稀疏表示的红外小目标检测算法

基于超完备字典的图像稀疏表示是一种新的图像表示理论,利用超完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示.针对红外小目标检测问题,提出了一种基于图像稀疏表示的检测方法,该方法采用二维高斯模型生成样本图像,继而构造超完备目标字典,然后依次提取测试图像的图像子块并计算其在超完备字典中的表示系数,背...     

基于改进LCM的红外小目标检测算法

如何在复杂背景和低信杂比条件下准确检测到小目标对于精确制导武器的发展和红外预警等具有重要意义。为了在复杂背景条件下提高图像信杂比并有效地检测出小目标,提出一种基于中心域与邻域灰度对比度的红外小目标检测方法。通过计算输入图像的对比度图和显著度图,提高了目标对比度同时抑制背景杂波;在此基础上自适应设定阈值分离出小目标。实验结果表明:与传统LCM（Local Contrast Measure）方法相比,所提出的方法能够取得更高的检测率和较低的虚警率,尤其是对于复杂背景下的弱小目标检测,相对于对比算法,优势更明显。     

基于运动检测的目标跟踪算法研究

运动目标检测与跟踪主要分为目标检测和目标跟踪,首先摄像机进行图像采集并预处理,然后提取出运动目标特征值与后续图像帧中的区域特征值分析相关性,确定运动目标的运动轨迹。主要介绍了几种基本的目标检测算法和目标跟踪算法,并对运动目标跟踪算法的研究前景进行了展望。     

基于图像局部特征的红外小目标检测与跟踪算法

基于红外序列图像中小目标的典型特征,提出了一种新的红外小目标检测与跟踪算法.利用图像小目标的微分几何特性,计算图像的最小法向曲率,并以此为阈值,获得小目标的候选对象.之后利用多幅图像之间目标的相关性,在时间尺度上基于Kalman滤波算法,实现对目标噪声的过滤并实现目标的跟踪.最后对算法的有效性进行了验证.     

基于超分辨率与在线检测DSST的红外小目标跟踪

红外小目标的相关研究在军事领域的制导、预警和边防间谍无人机检测中极其重要。针对红外小目标的跟踪研究,本文提出了一种基于超分辨率增强与在线检测DSST(Discriminative Scale Space Tracker)的小目标跟踪算法。首先,基于融入红外图像特征的超分辨率重建算法对原始图像进行更新,增强了弱小目标,然后,增强的图像被用作基于在线检测DSST算法的输入,得到响应映射,估计目标位置。实验结果表明,与几种最新算法相比,该算法在准确性方面表现出色。     

基于超分辨率与在线检测DSST的红外小目标跟踪

红外小目标的相关研究在军事领域的制导、预警和边防间谍无人机检测中极其重要。针对红外小目标的跟踪研究,本文提出了一种基于超分辨率增强与在线检测DSST(Discriminative Scale Space Tracker)的小目标跟踪算法。首先,基于融入红外图像特征的超分辨率重建算法对原始图像进行更新,增强了弱小目标,然后,增强的图像被用作基于在线检测DSST算法的输入,得到响应映射,估计目标位置。实验结果表明,与几种最新算法相比,该算法在准确性方面表现出色。     

一种基于小波变换的序列图像中小目标检测与跟踪算法

该文提出了一种快速检测序列图像中低信噪比(2dB)小目标的算法。采用小波滤波器对每帧图像滤波,提高目标的信噪比,降低了低信噪比小目标检测算法的运算量;采用固定长度的假设检验算法,生成起始航迹,有效地避免航迹的漏检;采用截断序贯似然比检验,形成确认航迹。仿真结果表明应用此算法,可快速实现信噪比小于2dB的小目标(22)的检测与跟踪。     

基于形态学重构的内河红外船舶目标检测

针对内河船舶红外图像的成像特点,提出了基于形态学重构的内河船舶红外图像目标检测算法,该算法先对原图像进行中值滤波,然后取滤波后的图像中亮度值最大的像素作为标记图像;原图像经顶帽变换,并进行迭代阈值分割后的图像作为掩模图像来进行形态学重构,从而实现红外船舶目标检测.实验结果表明,该算法能较好地检测出内河红外船舶目标.     

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。     

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。     

一种小目标快速识别与跟踪方法

提出了一种基于多帧相关技术与波门选通技术相结合的快速目标识别与跟踪方法.利用多级滤波抑制噪声的方法对单帧采集图像进行处理,得到潜在的目标信息,然后利用多帧相关性和目标的运动连续性确定目标;对于后续图像引入波门选通技术,在波门内进行预处理、分割与识别跟踪.探讨了多帧相关技术中目标确定的理论判据,综合考虑目标的尺寸因素和目标的运动特征,提出一种新的波门设定方法.实验结果表明,对于信噪比(SNR)大于等于2.0的图像,该方法能够在获得目标的运动参数及运行轨迹的基础上显著地提高识别效率,实现对运动目标的实时分析,同时更好地抑制背景噪声.     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来.通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标.     

基于二维正态云模型算法的红外图像弱小目标检测

针对红外图像弱小目标检测的特点,采用二维正态云模型算法。首先利用一维云的特性建立二维云模型,由两个相互独立的一维云模型函数组成,目标像素的分布点为一个云滴,整个像素分布区域形成的云团反映了图像中目标的特性;接着依据目标判别条件函数来通过函数发生器产生正态云模型;最后在红外图像弱小目标检测误差函数下构造各云层的目标函数。实验仿真显示本文算法对红外图像弱小目标检测效果最好,能检测率高,虚警率低,耗时少。     

海面红外小目标检测算法研究

针对海面红外图像中出现的海面杂波和孤立噪声点的问题,采用了一种将空间域的滤波结果在时间域进行二次滤波的方法,实时地检测海面图像中的小目标.在空间域上,根据海面杂波具有一定方向性的特点,设计了4种方向的结构元素分别进行形态学运算来抑制海面杂波,再使用均值融合准则进行融合.在时间域上,利用目标在帧间的运动具有连续性而噪声点不具有该性质的特点,采用均值加权滤波的方法来滤除孤立噪声点,最后使用自适应门限分割检测出小目标.实验结果表明,本文算法在复杂海面环境下,能有效地抑制海面杂波和孤立噪声点的影响,减小虚警率,是一种有效的海面小目标检测方法.     

基于非下采样Contourlet变换的红外小目标检测方法

对存在背景干扰和噪声情况下的红外小目标检测方法进行了分析,提出了一种时空结合的红外小目标检测算法.首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,接着对残差图像进行非下采样Contourlet变换,利用非下采样Contourle分解后子图像的特性抑制剩余的背景并消除噪声,提高了目标信噪比,最后通过...     

基于图像滤波与Hough变换的红外弱小目标检测

针对红外传感器成像信噪比低且易受噪声、背景杂波干扰的问题,本文提出了一种基于最大中值滤波与Hough变换的红外弱小目标检测方法.该方法首先对序列图像中的每一帧进行最大中值滤波,滤波输出与原始图像相减用以预测目标可能出现的区域.对于目标可能出现的区域使用均值滤波,反之则使用最小值滤波来抑制背景结构.然后将滤波后的序列图像直接叠加得到合成图像,采用有灰度权重的Hough变换实现弱小目标的轨迹检测.实验结果表明该方法可以实现对信噪比接近1的弱小目标的检测.同时,背景的运动对该方法的检测效果没有显著影响.