小波变换在红外成像末制导中应用研究

主要研究了利用小波变换提高红外成像末制导对强杂波背景下弱小目标检测能力的方法．仿真结果表明,通过小波变换对目标图像信号实现频率选择和多尺度分解,能有效地抑制背景噪声,提高对目标检测概率,并且具有较高的单帧检测效率．     

一种基于时空域累积差分的红外小目标融合检测算法

在分析了目标、背景与噪声的基本特性后,提出了一种时空域累积差分融合的红外小目标检测算法。在空域上,对原始图像采用高通与低通滤波并差分突出目标信息。在时域上利用目标的运动特性进行多帧累积和差分处理,并对空域和时域处理的图像进行自适应分段线性变换增强图像,最后将增强处理的图像根据相应的准则融合采取自适应阈值分割处理。实验结果表明文中提出的算法能有效检测出低信噪比环境下的运动小目标。     

基于时空域融合的红外弱小目标检测算法

文中提出了一种基于时空域融合的红外弱小目标检测算法。算法首先采用Top-hat进行空域滤波,再采用三帧差分滤波器进行时域滤波。针对滤波后图像序列将只包括目标和少量噪声的特点,文中采用了一种或运算,或运算能进行能量累积,并检测出目标的运动轨迹。然后进行形态学闭运算,以连接可能断裂的目标轨迹。最后运用自适应阈值分割,检测出目标轨迹。仿真结果显示本算法能很好的检测出复杂背景下低速和高速运动低信噪比的弱小目标。     

基于K-L变换的水下激光成像弱目标检测

为了解决传统利用人造目标和背景在几何构成上的差别,或者利用人造目标和自然背景在图像灰度上的差别检测人造目标的不足,针对获得的水下激光图像对比度低、目标尺寸小及背景复杂等特点.利用正交变换的去相关特性,提出了一种基于K-L变换的水下激光图像弱小目标检测与描述方法.实验仿真结果表明,此方法可实现低信杂比条件下水下激光图像弱小目标的有效检测.     

一种基于差帧图像融合的弱小目标增强方法

为了能够在小目标检测时更加容易和准确的检测出弱小目标,提出了一种基于差帧图像融合的弱小目标增强算法,该方法首先对视频相邻帧进行差帧处理,然后对差帧结果进行图像融合,最后把融合结果与原视频帧图像的低频分量进行差分运算获得增强图像.实验结果表明该方法的正确性,实现了对弱小目标的有效增强.     

双树复小波和独立分量分析的红外小目标检测

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,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。     

基于小波互能量交叉的复杂背景中红外小目标检测方法

研究复杂背景下红外图像小目标检测问题．提出一种基于小波分析互能量交叉处理的目标检测方法。通过定义水平、垂直方向上的小波互能量交叉函数，在两上方向上有效地增强目标、抑制背景干扰。采用一种简单有效的局部直方图统计方法进行目标粗分割．综合两个方向目标粗检测结果通过能量最大判决进行目标定位，并采用双窗不相似度量检测目标尺寸。实验结果表明，该方法对地面背景、海面背景的红外弱小目标检测具有一定的普遍适用性。具有单帧检测率高、实现速度快的特点。     

基于YOLOv3的复杂环境红外弱小目标检测

在复杂环境的红外弱小目标检测问题中,传统算法大多需要对红外目标进行特征增强、背景杂波抑制等预处理工作,算法检测准确率低,控制参数较多。通过对红外目标特性进行分析,本文构建了基于深度学习的复杂环境红外弱小目标检测算法。算法以单阶段目标检测网络YOLOv3为基础,简化处理流程,显著提升对红外弱小目标的检测精度。在红外弱小目标数据集的测试中, YOLOv3较实验对比的方法在检测准确性上具有明显的提升,其平均准确率(AP)可达99.5%以上,验证了算法对红外弱小目标检测的有效性。     

基于细胞响应模型的红外背景抑制

为检测复杂背景红外图像中的小目标,解决红外弱小目标检测易受复杂背景干扰的问题,提出基于非下采样Contourlet变换(NSCT)和细胞响应模型的红外图像背景抑制算法。首先采用非下采样Contourlet变换对图像进行多尺度、多方向分解,得到各子带系数;然后根据目标、背景的不同特点以及子带的方向性,选取细胞响应模型的参数对中频各个子带系数进行处理;最后对处理后的子带系数进行重构得到背景抑制图像。实验结果表明:本文算法取得了更好的背景抑制效果,提高了单帧红外图像的处理能力,降低了后续检测与跟踪的难度。     

基于时空域融合滤波的红外小目标实时检测算法及其多C64x的设计与实现

针对红外图像序列中的小目标实时检测问题。文中提出一种基于时空域融合滤波的小目标检测算法。首先介绍了时空域融合滤波检测算法的基本原理，然后根据算法的特点提出了它在多TMS320C6416上的并行流水线实现方法，最后给出并分析了算法软件仿真结果和硬件平台设计。实验结果表明该方法可以快速可靠地检测出低信噪比红外图像序列中的小目标，从而有效地验证了本系统的实时性及适用性。     

基于Haar小波变换的水下小型沉底人造目标分割方法

根据水下小型沉底人造目标在傅里叶变换处理中容易丢失原本就很少的细节特征、导致图像分割效果较差的问题,在统计分析图像目标特点的基础上,提出了用Haar小波变换对原始图像数据进行多分辨率处理以尽可能保留人造目标特征,然后在拟合指数型函数确定初始平滑区间的基础上,通过迭代的方式获得二值化阈值,根据图像中干扰物的特点提出了一种统计8邻域灰度信息的干扰抑制方法.利用前面得到的阈值进行二值化分割及一次中值滤波,就可得到较为满意的目标分割结果.     

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制

针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。     

基于粒子群优化的多分辨率图像融合

提出了一种基于粒子群优化的多分辨率图像融合算法,用以融合红外与可见光视觉传感器获取的图像。分别对原始图像执行快速离散Curvelet变换;根据不同子带系数的特性与原始图像的光谱特征,在低频系数的融合中着重保留目标特征,并对其余系数选取基于Tsallis熵的互信息量作为评价指标,进而利用改进的粒子群优化算法求取最佳系数融合权值;对各高频子带系数采用基于局部区域能量匹配的融合规则。经过Curvelet逆变换得到融合结果图像。实验结果表明,该算法可以有效地综合红外图像中的目标特征与可见光图像中的细节信息,其融合结果在主观视觉效果与客观评价指标上均优于传统的基于塔形变换与小波变换的融合算法。     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

小波变换在光学相关目标识别中的应用

光电混合实时联合变换相关器能够实现目标的自动探测、识别和定位,但由于实际中从图像传感器采集到的目标图像对比度较低且存在大量背景噪音,因而目标识别率低且识别效果不佳。基于小波变换的多分辨率分析特点能够更大程度上体现图像的特征信息,将其应用于光学相关目标的自动探测与识别中。将小波变换与联合变换相关器结合起来,通过研究物面的小波图像增强来获取更加尖锐的相关峰,解决复杂背景、低对比度目标的识别问题,取得良好的实验结果,证实小波变换在光学相关领域中具有一定的优越性和良好的应用前景。     

Dim Moving Small Target Detection by Local and Global Variance Filtering on TemporalProfiles in Infrared Sequences

In this paper, the temporal different characteristics between the target and background pixels are used to detect dim moving targets in the slow-evolving complex background. A local and global variance filter on temporal profiles is presented that addresses the temporal characteristics of the target and background pixels to eliminate the large variation of background temporal profiles. Firstly, the temporal behaviors of different types of image pixels of practical infrared scenes are analyzed.Then, the new local and global variance filter is proposed. The baseline of the fluctuation level of background temporal profiles is obtained by using the local and global variance filter. The height of the target pulse signal is extracted by subtracting the baseline from the original temporal profiles. Finally, a new target detection criterion is designed. The proposed method is applied to detect dim and small targets in practical infrared sequence images. The experimental results show that the proposed algorithm has good detection performance for dim moving small targets in the complex background.     

基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明：在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。