背景预测方法在空中红外弱小目标检测,识别中的应用

在分析空中红外弱小目标检测方法的基础上,提出了一种背景预测的思想方法,该方法是对图像上的每一点实时建立背景模型,并用此模型来预测这一点所应有的灰度范围,以判定该点是否属于背景中的点．通过计算机模拟得出了对空中弱小目标单帧检测、识别的结果．该算法已初步移植到ＤＳＰ硬件信号处理器上,取得了很好的效果．     

基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

基于Kalman滤波的红外弱小目标检测前跟踪算法

红外弱小目标检测跟踪问题具有重要的军事意义和广阔的应用前景,检测前跟踪算法是解决这一问题的有效途径。提出了一种基于Kalman滤波的检测前跟踪算法：首先对红外图像进行形态学top-hat算子滤波预处理;然后利用恒虚警率阈值提取单帧候选目标,并利用目标灰度模板进行灰度核密度估计,初步剔除大部分虚假目标,累积处理若干帧后,利用Kalman滤波器筛选出最优轨迹;最后依据一定的判断准则从当前帧候选目标中提取出真实目标。与一种典型的基于管道滤波的算法进行对比,仿真实验结果表明,该算法对目标运动速度和信噪比的变化有较强的适应能力,同时能用于目标遮挡或消失等情况。     

海空背景下红外弱小目标检测方法

针对在海上搜救中弱小目标难以被发现的情况,提出了一种海空背景下红外弱小目标的检测方法.该方法首先进行背景预测,然后将原图像和背景预测后的图像差分进行目标提取,使用Top-Hat变换对目标提取后的差分图像进行滤波处理以去除残余波浪噪声影响,最后使用自适应阈值检测,检测出弱小目标所在的方位.通过和传统的对单帧图像采取Top-Hat变换滤波做法的比较,可以看出来该方法可以较好的去除海浪的影响,检测出亮度较高的红外运动弱小目标,辅助海上搜救工作的完成.     

一种新的红外弱小运动目标检测算法

为检测强杂波背景中的红外弱小运动目标,提出一种基于Power-Law检测器的目标检测新方法．利用图像中弱小目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种弱瞬态信号,利用Power-Law检测器对瞬态信号良好的检测性能,实现对弱小运动目标的检测．仿真结果表明该算法能够可靠地检测出信杂比(SCR)大于1的弱小运动目标．     

一种空背景下红外弱小目标检测算法

为了检测空背景下的红外弱小目标,提出了一种预测式管道滤波新算法。首先进行单帧检测以获取候选目标,并以该候选目标位置为中心建立预测管道;根据前三帧管道中心位置预测下一帧管道中心位置,从而实现管道随着目标的移动,而且为下一帧的预处理提供先验知识;使用管道滤波算法进行目标检测。由于进入管道预测阶段后,单帧检测只需在预测的管道中心周围进行,由此显著提高了该算法的检测速度和抗干扰能力。仿真实验证明,该算法具有很好的检测性能。     

一种双波段红外图像弱小目标融合检测新算法

提出了一种基于模糊推理的双波段红外图像弱小目标融合检测新算法．首先分别得到双波段红外差分图像,根据差分图像的噪声特性引入隶属度函数来衡量像素点灰度变化程度,对多帧差分图像进行融合,按照“IF…THEN…”规则分别完成单一波段融合后的图像模糊推理,提取目标运动航迹,最后通过融合双波段的航迹实现弱小目标的检测．仿真实验结果表明,该算法通过模糊推理克服了 “硬”判决带来检测概率低的缺点,利用双波段红外图像融合提高了检测性能,可以有效地检测出低信噪比红外图像序列中的弱小运动目标．     

一种基于局部特性的红外弱小目标检测方法

针对红外图像弱小目标检测程序复杂和虚警率高的问题,提出了一种基于局部特性检测红外弱小目标的方法.该方法主要根据待检测像素点局部灰度比、局部灰度差、局部能量比以及局部能量差值的大小进行目标检测,避免了传统方法需对红外图像进行背景预测、图像增强等处理,有效地改善了低信噪比下红外图像小目标的检测性能.通过仿真实验对该方法与2种传统方法进行了测试和对比,证明了该方法的有效性和优越性.     

基于靶场红外图像的弱小目标检测技术研究

分析红外测量图像中背景和弱小信号目标特性,研究用于靶场红外图像中弱小目标检测技术,采用合适的图像预处理算法,通过Kalman预测算法以及目标匹配进行预测和跟踪,并利用靶场真实红外测量图像序列进行了图像信噪比、检测概率、虚警率测试。通过结果分析,该方法对红外弱小目标具有高的目标检测概率。     

CUDA架构下高效红外图像背景预测方法

红外图像背景预测方法是红外图像弱小目标探测与跟踪中的经典方法.针对背景预测算法中卷积运算耗时长的问题,提出一种基于CUDA(Compute Unified Device Architecture)的高效红外图像背景预测方法.在分析背景预测算法执行流程的基础上,充分考虑CUDA架构的特点,将其在CUDA架构下进行了重新实现,利用GPU(Graphic Processing Unit)的强大并行计算能力完成红外图像背景预测的快速计算.为了进一步提升算法的运行效率,将不可分离的背景预测卷积模板分解为多个可分离模板的叠加,并给出了分解卷积模板的一般方法.将该方法应用于实际的红外图像背景预测,结果表明,该方法比传统的CPU计算在运算效率上提高了130倍以上.     

一种空时域结合滤波的运动弱小目标检测方法

依据红外序列图像中弱小目标运动轨迹的连续性,提出一种空时域结合滤波的运动弱小目标检测算法．在分析弱小目标可能的运动轨迹的基础上,构造了一组滤波模板,利用这组模板对时域检测结果进行滤波,确定出弱小目标可能的运动轨迹．并进一步结合时域特征,对运动弱小目标进行累积增强．由于提出的方法充分考虑了序列图像中运动弱小目标的空时域特征,因此具有很好的检测性能．     

基于多结构元素灰度形态学的红外背景估计算法

背景估计技术是红外弱小目标检测中的关键技术.传统的形态学算法采用单一结构元素对红外图像进行处理,当背景存在强起伏时,残差图像存在大量的背景泄漏,导致大量虚假目标点的出现.该文在分析红外图像统计特征的基础上,提出了一种基于多结构元素灰度形态学的红外背景估计算法.采用实际红外图像进行了仿真实验,并与传统形态学算法的性能进行比较,结果表明该算法能够尽量保留图像细节,减小图像细节对背景估计的影响,大幅提升了图像的信噪比,提高目标单帧检测概率.算法易于实时并行处理,便于硬件实现.     

基于背景减法的游泳者检测

针对游泳池监视系列图像中的游泳者进行检测,提出了基于背景减法的游泳者溺水检测方法.该方法通过架设在泳池内的固定摄像机获得连续视频监视图像,采用独立混合高斯模型描述每一被观察的像素,建立自适应背景模型并实时更新.前景目标检出后,对所得前景图像进行阴影检测和噪音去除,使得检测结果更加理想,为目标分类打好基础.实验结果表明,该方法能准确的检测出游泳者并有效的去除阴影部分.