基于奇异值分解的红外弱小目标背景抑制

复杂背景的抑制是红外弱小目标检测技术的一个难题.为解决这个问题,提出了基于奇异值分解的背景抑制算法.从矩阵的角度出发,通过对原图像进行奇异值分解,将包含弱小目标信息的图像矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过定义的偏差指数所确定的有效的奇异值来重构图像,从而达到背景抑制的目的.与二维最小均方误差算法比较,实验结果显示,该算法对红外弱小目标复杂背景从主观视觉和数值指标都具有良好抑制效果.     

基于多尺度广义模糊算子的红外图像背景抑制

自动检测和跟踪红外图像中的弱小目标在现代预警和探测系统中非常重要。针对现有的检测方法因受到复杂云层和地面自然背景的干扰,导致系统虚警率较高和探测概率较低的问题,提出了一种基于多尺度广义模糊算子的红外图像复杂背景抑制方法。首先利用非下采样轮廓波变换方法将图像进行分解,获取不同尺度和方向的包含小目标和背景杂波的子带图像。然后,通过应用模糊非线性背景抑制算子将红外图像中小目标和背景杂波系数差值拉大,同时将相关性较强的杂波系数做平滑处理以达到抑制背景和增强小目标的目的。多组包含真实和模拟图像序列的实验表明所提方法优于其他方法,特别是对于包含云层和地面复杂背景的红外图像。     

基于改进的奇异值分解和形态滤波的弱小目标背景抑制

红外弱小目标的复杂背景抑制一直是弱小目标检测与跟踪的一个难点。提出一种改进的奇异值分解和形态滤波Tophat变换相结合的红外弱小目标背景抑制算法。首先通过奇异值分解得到原红外图像的奇异值矩阵和左右奇异矩阵,然后通过对奇异值进行对数非线性变换,利用优化后的奇异值矩阵进行重构得到增强对比度的红外图像,最后利用形态滤波中的Tophat变换进行滤波达到背景抑制的目的。实验结果表明,该算法能够很好地实现红外弱小目标图像的背景抑制,并能使目标信号得到保存和增强。     

基于时空域滤波的红外弱小目标背景抑制

在红外成像探测系统中,对红外图像背景进行有效的抑制是准确检测出弱小目标的前提条件.基于目标在空域局部灰度稳定和时域运动连续的约束,提出了一种基于时空域滤波的红外弱小目标背景抑制新方法.首先,利用引导滤波保存图像细节和时域偏微分方程提取图像中突变区域的优势,实现对图像空域与时域中平稳和强起伏不同特征复杂背景进行抑制处理;然后,将时空域背景抑制结果利用相与操作算子处理完成对高度类似弱小目标信号的剔除;最后,为恢复前期抑制结果中丢失的目标信息,利用时空域融合结果作为引导图像进行进一步优化处理,得到最终背景抑制结果.仿真实验采用两组低信杂比运动弱小目标红外图像序列进行方法验证,并将该方法与几种背景抑制方法进行了比较,实验结果表明:该方法无论从主观视觉还是客观评价指标上均优于其他几种方法.     

一种红外弱小目标检测方法

提出了一种红外弱小目标检测算法,该算法通过“区域最小化背景模型”,来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的,算法适用于强对比度云层的空背景、目标与背景对比度比较低的空背景,是背景预测算法的一个重要扩展,针对实际红外图像的试验仿真表明,提出的算法是有效的。     

红外弱小目标背景抑制中的二维空域廓线法

为了实现天基红外遥感图像中的弱小目标检测,抑制复杂的结构背景,提出了二维空域廓线法.算法以一维时域廓线目标检测理论为基础,将其扩展到二维空域,应用于单帧目标检测.采用二维空域廓线可以获得背景估计,用原始图像减去背景图像可获得包含目标的前景图像.将本文算法与现有的单帧目标检测算法相比,可获得更大的ROC曲线面积,表明提出算法优于同类算法.     

基于Contourlet变换的红外弱小目标检测方法

介绍了存在背景干扰和噪声情况下的红外图像中弱小目标的检测问题,提出一种基于Contourlet变换的检测算法。首先对图像进行Contourlet变换,利用Contourlet分解后子图像的特性抑制背景和去噪声,最终实现对目标的检测。通过在含有随机目标的红外序列图像中的实验,并与小波变换进行比较,证明了算法的有效性。     

基于NSCT的红外与可见光图像融合方法

针对红外与可见光图像在融合时亮点目标易丢失且背景信息不够清晰的问题,提出基于非下采样轮廓波变换(NSCT)与局部区域融合规则相结合的红外与可见光图像融合方法。利用NSCT对源图像进行多尺度、多方向分解,对低频子带系数采用加权平均取均值的融合规则,对高频子带系数采用系数值选大与局部均方差相结合的融合规则,将前两步得到的系数进行逆NSCT得到融合图像。实验结果表明,在主观视觉效果和客观评价方面,该融合算法都是有效的且可得到比参考融合算法更为理想的融合图像。     

基于非下采样方向滤波器组的红外复杂地面背景抑制

针对弱小目标检测技术的难点,根据红外图像中目标和背景杂波的特性,提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先,采用非下采样方向滤波器组对图像进行多方向分解,提取图像方向细节特征,然后,根据目标和背景杂波信号的差异,通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标点,最终实现对目标的检测。实验结果显示,与最大中值滤波和局部去均值滤波方法相比较,该方法能有效地检测出信杂比较低的目标。     

基于引导滤波和模糊算法的红外背景抑制算法

为了减少背景对红外小目标检测结果的影响,同时降低检测虚警率,采用了基于引导滤波和模糊算法的红外背景抑制算法,利用非下采样轮廓波多尺度、多方向的分解机制,将红外序列图像分解为低通子带和带通子带;再利用引导滤波对低通子带处理,以平滑图像、抑制噪声、增强背景细节;带通子带则采用模糊算法处理,实现目标和残留背景分离;最后将各子带图像通过非下采样轮廓波逆变换,得到了背景抑制图像。结果表明,该方法可以将均方误差降至5~10,有效抑制了背景,突出了目标。该研究为提高复杂背景下的红外小目标检测精度提供了支持。     

基于形态学滤波的红外弱小目标背景抑制

针对红外弱小目标检测中的背景抑制问题进行研究.首先对形态学滤波中结构元进行改进,提出一种组合型结构元,然后结合线性滤波和非线性滤波技术,对受背景杂波和随机噪声影响的图像采用低通滤波与改进型形态学滤波相结合的方法进行背景抑制.对比实验结果表明,该方法比低通滤波和标准形态学滤波算法在低信噪比环境下具有较大优势,较好地实现了对背景杂波的抑制和目标信号的保持,显著提高了图像信噪比.     

复杂地物背景下红外弱小目标跟踪算法

复杂地物背景下红外弱小目标的跟踪在红外监视系统中有重要的应用价值。提出了一种基于人眼视觉系统原理和多目标跟踪技术的弱小目标跟踪算法,实现了对复杂地物背景下红外弱小目标的跟踪。算法首先在图像中提取候选目标和各目标对应的目标区域,估计相邻帧图像之间的运动参数,对所有跟踪目标进行轨迹预测;然后融合多信息对当前帧目标与目标链中目标进行关联,根据关联结果对目标链进行更新;最后输出跟踪目标的位置坐标,实现对红外弱小目标的跟踪。用实测的图像序列对算法进行了测试,试验结果表明本文算法对树林、农田、建筑等复杂地物背景中弱小目标有较好的跟踪效果,可以用于红外监视系统中对复杂地物背景下低对比度弱小目标自动跟踪。     

基于改进的双边滤波的单帧红外弱小目标背景抑制

提出了一种基于双边滤波的弱小目标背景抑制算法,传统的方法是直接用双边滤波对背景进行抑制,虽然能很大程度上保留背景,但也保留了小目标的信息,使得残差图上的信杂比不是很大,仍要后续的分割算法进行处理.改进了滤波器,在滤波中加入模板的限制,从而改善了这一缺点,提高了图像的对比度和信杂比.实验结果表明改进的滤波器与传统的双边滤波和TDLMS相比能更好地抑制背景.     

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。     

基于稀疏环决策的天空背景红外弱小目标检测算法

针对天空背景红外图像中弱小目标检测的难题,分析了红外目标检测的模型,提出了基于稀疏环决策的目标检测算法。利用数学形态学滤波目标增强方法对图像进行背景抑制,而后采用恒虚警检测方法对滤波后图像进行自适应分割,从而获得候选目标点,然后计算各个候选目标点的局部自相似性描述子,对自相似性描述子归一化、分块之后得到稀疏环表示,利用相应的判断准则可以判别目标点与虚警点。实验结果表明,该算法应用于复杂云层背景弱小红外目标图像能够得到较理想的结果,与移动管道滤波方法相比,能有效区别目标点与固定云层杂波干扰,并且虚警率低,易于实现。     

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。