基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

基于深度卷积神经网络的红外小目标检测

提出了一种新的解决红外图像小目标检测问题的深度卷积网络,将对小目标的检测问题转化为对小目标位置分布的分类问题;检测网络由全卷积网络和分类网络组成,全卷积网络对红外小目标进行增强和初步筛选,实现红外图像的背景抑制,分类网络以原始图像和背景抑制后的图像为输入,对目标点后续筛选,网络中引入SEnet(Squeeze-and-Excitation Networks)对特征图进行选择;实验验证了整个检测网络相对于传统小目标检测算法的优势,所提出的基于深度卷积神经网络的小目标检测方法对复杂背景下低信噪比且存在运动模糊的小目标具有很好的检测效果.     

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Zernike矩的低信噪比红外目标检测方法

低信噪比红外图像普遍存在目标一背景间对比度较差、目标边缘模糊和噪声较大等特点,采用常规模板匹配、Hu矩方法难以取得理想检测效果.针对低信噪比红外目标图像,分析了Zemike矩的基本原理和计算方法,提出了基于Zemike正交矩的低信噪比红外目标检测方法,并比较了模板匹配、Hu矩、Zemike矩方法的目标识别效果.理论分析与实验验证了所提方法的有效性.     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点,设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明,该算法能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统的实时性要求,是一种有效的红外灰度图像小目标检测算法。     

红外背景抑制与点目标分割检测算法研究

针对红外点目标检测问题,采用图像灰度同本行均值相减方法抑制温度场的非线性影响;利用Top-Hat算子形态滤波,抑制背景和增强目标;通过比较预处理后的不同背景下红外图像直方图特点,确定分割阈值;最后进行目标二值化分割,得到包含较少虚警点的点目标分割图像.实验证明,该方法较好地解决了不同红外背景下低信噪比红外点目标的分割检测问题.     

强背景杂波条件下运动的弱小目标检测方法

根据目标、背景干扰和噪声在红外序列图像中的差异。提出了一种基于空间高通滤波和时间域上N帧轨迹积累的运动小目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效检测出弱小目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。     

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。     

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。     

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。     

基于多特征融合的弱小目标检测方法研究

提出了一种基于多特征距离图的红外弱小目标检测方法。弱小目标的许多特征,如局部熵、平均梯度强度等,不但刻画了弱小目标的特点而且易于提取。通过特征融合技术,可以将弱小目标检测问题转化成在一个多特征空间的极值求取问题。该方法利用已经提取的多个特征,采用特征融合技术构造一个距离图像,再对该图像进行二值化处理,达到目标检测的目的。通过对实际的红外图像序列进行小目标检测,验证了所提方法的可行性和有效性。     

基于双树复小波变换的红外小目标检测算法

双树复小波分析是一种有效的图像处理方法,但是将其直接应用于红外小目标检测时,由于其对图像中的高频信息特别敏感,无法在保留目标的同时有效地滤除噪声。论文充分利用双树复小波方法方向性好的优点,并针对其高频敏感问题,提出了一种基于双树复小波变换与图像熵的红外小目标检测算法,从而能够有效去除图像中的杂波,同时凸显出小目标。该算法首先对原始图像进行双树复小波分解,将其低频子带置零,并利用高频子带进行双树复小波重构;接着,对重构后的图像进行二次双树复小波分解,并采用改进的Top-Hat算子对分解后的低频子带进行滤波,同时保留分解后±15°方向的子带,并通过高通滤波对其进行处理;之后,将滤波后的低频子带图像与原低频子带图像进行差分,得到低频差分图像;最后,利用低频差分图像与滤波后的高频子带图像进行红外图像重构,并通过局部图像熵进行加权,从而提取出红外小目标。实验结果表明,与对比算法相比,本文算法在BSF与SCRG方面表现优越,可以有效抑制背景中的杂波并提高小目标的信杂比。     

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.     

基于权重强化局部方差对比的红外小目标检测

针对红外图像中背景与目标对比度低、边缘高亮的问题,提出了一种用于红外小目标检测的局部方差对比测度算法.该算法由局部方差对比测度的计算和权重强化函数的设计两个模块组成:局部区域对比利用目标区域三层图像块模型之间的方差差异突出增强真实目标;权重强化函数的设计是为了能更好地抑制背景杂波,充分考虑了目标的统计特征、目标与其相邻背景的统计差异和背景的统计特征.实验结果表明,该方法在增强小目标和抑制背景杂波方面具有较好的效果,时间较短,鲁棒性好.     

基于二维经验模态分解和高斯模糊逻辑的红外与可见光图像融合

针对传统多尺度图像融合方法容易损失可见光图 像细节、弱化红外目标信息和降低图像对比度的 问题,基于二维经验模态分解(BEMD)和高斯模糊逻辑(GFL)的特性,提出了一种红 外与可见光 图像融合的算法。首先,使用BEMD对源图像进行分解,得到图像的本征模(高频成分)和 趋势项(低频 成分);其次,用GFL对趋势项进行恰当的融合,使用基于邻域特征的区域对比度法融合图 像的本征模; 最后,通过BEMD逆变换得到融合图像。实验结果表明,与传统的多尺度融合方法相比,在 主观上视觉上, 本文融合算法能够更有效地保留源可见光图像中的细节信息,并突出红外图像中的目标信息 ,提高融合图 像的质量;在客观评价指标上,本文融合算法的结果在信息熵(IE)、标准差(SD)、平均梯度(AG)、互 信息(MI)和空间频率(SF)5个客观指标上明显优于传统的多尺度融合方法。     

基于改进的局部反熵算子的小目标检测

利用小目标的出现会导致局部反熵值发生较大变化这一特性,提出了基于改进的局部反熵算子和改进的区域生长技术的小目标检测新方法。该方法首先利用改进的局部反熵算子构建局部反熵图抑制小目标图像背景,然后采用改进的区域生长技术有效地检测小目标。仿真实验结果表明,所提出的方法能快速和准确地检测出复杂背景下的小目标。     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。     

基于RX算子的背景杂波抑制

红外图像复杂背景杂波抑制是红外监视告警系统发现远距离弱小目标的难题。文章根据红外图像中目标和背景杂波的特性,提出了一种将RX算子与非线性扩散方程相结合的弱小目标背景抑制新方法。该方法首先采用非线性扩散方程对图像进行多尺度分解,获得图像的多尺度特征,然后,根据目标和背景杂波信号系数在不同尺度之间的差异,通过应用RX算子进行处理,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。实验结果显示,与二维最小均方误差滤波方法相比较,该方法能有效地检测出信杂比在1.6以上的目标。     

基于局部多尺度低秩分解的红外小目标检测算法

针对红外低秩块模型计算复杂度大,容易误判等不足,提出了一种更加有效的红外小目标局部多尺度低秩分解检测算法。该算法首先利用非下采样金字塔变换对红外小目标图像做多尺度分解;接着,将分解出的高频子带进行融合,通过融合后的高频信息提取出目标感兴趣区域;最后,利用红外小目标背景的非局部自相关性质对感兴趣区域进行分块,并对各块进行重新排列构成一个新的矩阵;最后,对该矩阵做低秩分解,提取出红外小目标。实验结果表明,与其他低秩分解类方法相比,所提出算法速度更快,提取效果更好,是一种性能优越的方法。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。