空域加权局部对比度的红外小目标检测算法

针对传统局部对比度算法在强杂波背景下,容易引入虚警目标的不足,提出了一种空域加权局部对比度的红外小目标检测算法。首先,利用具有中心激励和侧向抑制性的二维高斯差分滤波器,抑制了原始图像大部分的背景杂波,以提高图像的信噪比;然后,利用目标均值与邻域的中值的比值进行局部对比度测量,再用目标各区域的灰度均值差加权局部对比度,生成目标显著图;最后,对显著图进行自适应阈值分割,检测出真实目标。实验结果表明,与其他几种检测方法对比,该算法不仅具有较高的信躁比增益和背景抑制因子,还具有较高的检测率和较低的虚警率,是一种有效的红外小目标检测方法。     

梯度差各向异性高斯滤波的红外小目标检测

针对现存背景抑制算法未能有效抑制复杂背景而导致的高虚警率及低检测率问题，提出一种基于六方向梯度差各向异性高斯滤波抑制、双层正交灰度差与对角灰度差目标增强、灰度指数自适应阈值分割的小目标检测算法。首先，采用高斯滤波技术融入梯度差思想设置一系列背景抑制策略；接着，将抑制后的图像利用正交灰度差与对角灰度差映射在双层滑窗上增强局部对比度，提高目标显著性；最后，通过像素灰度指数自适应分割算法检测真实弱小目标。实验结果表明，该算法的背景抑制因子指标高达93%，能随背景局部变化来自适应建立背景抑制模型，从而自适应抑制复杂背景突出目标。     

双邻域差值放大的高动态红外弱小目标检测方法（特邀）

针对现有红外弱小目标检测方法背景抑制不充分、计算复杂度高,导致红外侦察预警系统虚警率高、响应速度慢的问题,提出一种基于双邻域差值放大的高动态红外弱小目标检测方法。首先,分析真实红外图像中目标与邻域的均值特性;然后,计算出目标区域与内外双层邻域的差异,从而提升亮、暗弱小目标的局部对比度并抑制复杂背景和噪声;最后,利用自适应阈值分割算法获取目标的位置。针对信杂比增益和背景抑制因子难以客观评价红外图像序列的目标增强和背景抑制性能的问题,提出一种目标轨迹显著图评价方法,有效评价红外图像序列目标检测性能。实验结果表明:与同类检测方法相比,该方法的信杂比增益与背景抑制因子分别提高了12%与10%,运行时间约缩短了34 ms,是一种有效可行的高动态红外弱小目标检测方法。     

基于改进加权局部对比度的红外小目标检测

在复杂背景的红外图像中弱小目标通常淹没在高亮边缘与强杂波处,提出一种基于改进加权局部对比度的红外小目标检测方法。利用小目标的局部特性建立一种加权函数将目标与其背景邻域的差异点乘凸显目标,进而与相接背景邻域作比值运算达到抑制复杂背景的效果;通过目标的各向同性和背景的各向异性,采用六方向梯度决策法创建背景抑制模型进一步抑制高亮边缘,实现降低虚警率,提高检测率的目的;最后,通过卷积计算将两者结合,采用自适应阈值分割检测真实目标。实验结果表明,该算法在复杂背景及强杂波干扰下有较强的鲁棒性。     

基于双邻域对比度的红外小目标检测算法

为了解决密集多目标检测中易造成的漏检问题,提出一种基于双邻域对比度的红外小目标检测算法。首先利用峰值搜索算法筛选出候选目标;再通过单尺度3层双邻域窗口遍历候选目标; 最后利用双邻域对比度模型计算候选目标区域的最小灰度对比度,并用对角梯度因子增强对比度和抑制杂波。结果表明,与5种对比方法相比,该方法的背景抑制因子和对比度增益分别平均提高4.7倍和1.8倍,有效地抑制了杂波,增强了目标。该研究能够准确地检测到相互接近的多个目标,对提高复杂背景下的多目标检测精度是有帮助的。     

基于加权块对比度的红外小目标检测方法

针对不同背景条件下，红外弱小目标检测信杂比低、虚警率高的特点，重点利用小目标能量接近高斯分布特性，提出一种利用改进的图像局部熵加权多尺度的基于图像块对比度的红外小目标检测方法。首先，计算红外图像中心块和邻域块的均值；然后，计算出中心块和邻域块的均值差异达到凸显小目标、抑制背景噪声的效果，同时计算各个像素点的改进局部图像熵以凸显小目标、抑制形状与小目标大小近似的伪目标以及大面积的干扰物体的角点；之后，利用改进的图像熵加权中心块和邻域块的均值差异值，得到高信杂比、低虚警率的显著度图像；最后，利用自适应阈值分割算法获取目标的位置。实验结果表明，与同类基于human visual system(HVS)检测方法相比，所提方法适用场景更广，特别是在复杂背景下，能达到更低的虚警率、更高的信杂比。     

基于背景抑制的改进Top-Hat红外小目标检测方法

针对红外小目标在背景较为复杂时边缘模糊不易被检测、虚警率高等问题,提出了一种基于SUSAN背景抑制的改进Top-Hat的检测方法。该方法先将原图像做SUSAN背景抑制,再对抑制后图像做开运算,最后将开运算结果与原图像做比较并分别赋值得到结果图像。为了验证改进Top-Hat方法的优越性,在图像做完背景抑制后分别做传统Top-Hat处理与改进后的Top-Hat处理,并对其结果进行了对比。结果表明,所提算法能够大大提高复杂背景下红外小目标的检测概率,有效地减少伪目标数量,即降低了虚警率。     

基于自适应形态学滤波的红外小目标检测算法

针对低对比度下小目标常被大量背景杂波和噪声干扰,检测结果不理想的问题,提出了一种基于视觉注意机制与自适应双结构元素形态学滤波的红外小目标检测方法。根据人类视觉对比机制对图像进行感兴趣区域(ROI)提取以确定候选目标,通过提取轮廓获得候选目标的尺寸,并由获取的尺寸自适应构造双结构元素。运用双结构元素形态学滤波抑制噪声和杂波信号,用中值滤波对形态学滤波后的杂点噪声进一步抑制。实验表明本文提出的算法能有效抑制噪声干扰,显著提高目标信杂比,准确检测弱小红外目标,算法具有很好的鲁棒性和实时性。     

基于IHBF的增强局部对比度红外小目标检测方法

针对非均匀背景下红外小目标检测率低的问题,本文引入人眼视觉系统对比度机制,提出一种基于改进高提升滤波（improved high boost filter,IHBF）的增强局部对比度红外小目标检测方法。首先,根据小目标的频域特性,通过IHBF运算提升高频信号同时,剔除含有背景的低频信号;然后,提出增强局部对比度方法构建比差联合形式的算子,进一步增强目标与背景间的对比度,获得最优显著图;最后,采用自适应阈值分割技术获取真实目标。仿真结果表明:相对于现有的局部对比度算法,所提方法在检测率、虚警率等方面更具优势,是非均匀背景下检测红外小目标的一种有效方法。     

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。     

结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法

如何在没有先验信息的情况下从复杂噪声背景下快速检测到远距离进入的弱小目标,提高整个装备系统的响应能力,是目前IRST热门研究课题。本文通过引入视觉注意机制,提出了一种结合尺度自适应的局部对比度测量的红外弱小目标检测方法。本文首先采用拉普拉斯金字塔尺度空间理论对所有像素点局部对比度进行分析,获得对应的自适应尺度信息;然后在跳出效应的基础上设计了一种基于改进的局部对比度测量模型,最终生成一个显著图来突出目标特性,该方法能够在增强目标对比度同时,抑制背景杂波。定性定量实验结果表明,本文提出的方法相比于对比算法具有较高的红外小目标检测性能,能够对对比度不低于5%的目标稳定检测,适合防空武器装备工程应用。     

基于最简视觉显著性的红外目标快速提取方法

在红外深空目标跟踪系统中,为了能够从深空红外图像中快速提取微小目标,通过分析红外深空图像的特点,提出一种基于最简视觉显著性的红外目标快速提取方法。该方法在传统的视觉显著性的基础上,通过计算局部灰度最大值和目标像素的灰度平均值与邻域像素的灰度加权值的对比度组成特征向量,构造显著性模型,抑制背景并凸显目标,使之不但能够减少运算耗时,而且能够保证提取精度。通过对红外深空图像进行处理,实验结果表明该算法的运算时间仅为传统的视觉显著性算法的28%,且有较好的处理结果,证明了该算法的有效性。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。     

双边滤波下局部强度与梯度融合的小目标检测

针对红外小目标在复杂背景下难以检测的问题,提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像,然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像,最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明,该算法能够很好地抑制高斯噪声和背景边缘,相比于传统的检测算法,其检测性能显著提高,鲁棒性能较好。     

RBNSM:一种复杂背景下红外弱小目标检测新方法

弱小目标检测是红外探测与跟踪任务中的经典难题。针对复杂背景下红外弱小目标普遍存在检测率低、虚警率高的问题,提出一种基于区域双邻域显著图（Regional Bi-Neighborhood Saliency Map,RBNSM）的复杂背景红外弱小目标检测新方法。利用弱小目标的局部先验特性定义滑动窗口并划分为多个单元,计算中心单元前若干个最大灰度的均值来凸显弱目标;分别构建中心单元的相接邻域和相隔邻域并计算各自的灰度均值,进而,从不同方向上提取两邻域显著图并点乘二者以进一步抑制杂波背景、增强弱小目标;最后,通过自适应提取准确检测目标。多种典型红外复杂背景图像和SIRST数据集检测结果表明:与7种代表性方法相比,RBNSM在复杂背景下具有更好的检测性能与杂波抑制能力。     

基于结构张量筛选和局部对比度分析的空中红外小目标检测算法

针对复杂云层背景下红外小目标检测的虚警现象和实时性要求，提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点，滤除大部分非目标区域，保留少量可疑区域，再对可疑区域进行局部对比度计算，能够增强目标、抑制残留背景，并有效减少计算量。算法步骤如下：首先，在滑动窗口捕获的局部图像区域内构建结构张量矩阵，将最大特征值大于特定阈值的区域标记为可疑区域；然后，对可疑区域进行比差联合型局部对比度计算，生成显著度图；最后，利用自适应阈值分割实现小目标的分离。实验结果表明：该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。     

基于结构张量筛选和局部对比度分析的空中红外小目标检测算法

针对复杂云层背景下红外小目标检测的虚警现象和实时性要求，提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点，滤除大部分非目标区域，保留少量可疑区域，再对可疑区域进行局部对比度计算，能够增强目标、抑制残留背景，并有效减少计算量。算法步骤如下：首先，在滑动窗口捕获的局部图像区域内构建结构张量矩阵，将最大特征值大于特定阈值的区域标记为可疑区域；然后，对可疑区域进行比差联合型局部对比度计算，生成显著度图；最后，利用自适应阈值分割实现小目标的分离。实验结果表明：该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。     

基于新Top Hat变换局部对比度的红外小目标检测

复杂场景下由背景物体产生的虚警是红外小目标检测中的难点,在目标信号微弱时问题尤为突出。为了抑制虚警,提出一种基于局部对比度特征的小目标检测算法。首先,利用一种新型Top Hat变换检测出图像中的潜在目标区域;然后分析潜在目标区域及其邻域特性,计算本文提出的局部对比度特征;最后基于此特征提取目标区域。对合成图像和实际红外图像的实验表明,本算法能有效地抑制背景景物造成的虚警,取得很高的检测率,并且对目标强度的变化以及目标所在背景的变化均具有一定的适应性。     

空域-小波域联合滤波的红外复杂背景抑制

针对远距离红外小目标检测中复杂背景的抑制问题,提出了一种空域-小波域联合滤波的方法。该方法在空域通过自适应结构元素的灰度形态学顶帽变换抑制大部分红外背景。在此基础上,将处理空间变换到小波域,通过分析残留背景、目标和噪声系数在高频子带的差异,定义基于邻域均值的子带系数表达形式,构造高频子带系数的中心向量,对小波高频图像进行综合形成距离像,得到红外复杂背景的最终抑制结果。仿真实验结果表明,相对于经典算法,该方法不但可以实现对红外复杂背景的有效抑制,而且能够增强目标信号的强度。     

视觉对比度机制小目标增强与背景抑制综述北大核心CSCD

复杂背景中的红外弱小目标因亮度低、尺寸小、可用特征少而难以检测。如何在检测中抑制背景杂波、提高目标信噪比成为该领域的研究热点与难点。本文对基于人类视觉系统对比度机制的小目标增强与背景抑制技术的演进和性能进行了归纳与分析。局部对比度测度窗口由单尺度向多尺度,乃至动态或自适应尺度的发展,满足应用中对未知尺寸小目标同步快速检测的需要;局部对比度测度计算方法由简单到复杂、依据低阶信息到采用高阶信息的变化,有利于更全面地抑制复杂背景、进一步增强目标。因此,将成为未来人类视觉对比度机制小目标检测算法的发展方向。