基于局部对比度背景估计的红外小目标检测方法

为缓解复杂背景对红外小目标检测任务的干扰,提出一种新的红外小目标检测方法.该方法将背景估计与局部对比度相结合,以提高算法的检测性能.提出了一种更适合于小目标检测的双层均值最大化背景估计算法,以获得更准确的基准背景值.在原始图像和估计背景之间提出了比差联合局部对比度度量方法,可以在增强目标的同时抑制各种类型的复杂背景.通...     

多尺度加权图像块局部对比度的红外小目标检测

为解决传统算法在强杂波背景下,容易造成误检与漏检等问题,从图像块的角度提出一种局部对比度度量方法。提出中心区域与背景区域之间对比度的新度量,在计算对比度时采取行处理,简化算法的复杂性;引入可信度值作为权值,加权处理局部对比度,对加权后的局部对比度进行多尺度处理,生成目标显著图;对显著图进行阈值分割,得到真实目标。通过在实验中的分析对比,验证了该算法的有效性。     

红外运动小目标检测的小面拟合算法

针对红外图像序列中运动小目标,提出一种基于预测的小面拟合目标检测算法。首先根据图像序列中目标运动的连续性及方向性,采用二阶自回归模型预测目标的搜索窗口。然后根据天空背景红外图像中小目标灰度高于背景的特征,利用小面拟合模型对搜索窗口的局部区域作灰度曲面拟合,提取搜索窗口内灰度极值点作为目标,提出了相应的目标检测算子。对红外图像序列的实验表明,该算法可有效检测天空背景下红外运动小目标,算法的实时性和抗干扰能力优于传统的目标检测方法。     

基于人工神经网络的红外小目标检测

提出一种使用人工神经网络技术来估计红外图像背景的快速算法,并利用红外图像中弱小目标的特性来构建目标模型,采用中心重合的大、小两个窗口,用大窗口的外层来估计目标周围的背景,即隐含层第一个结点的输出值,大窗口内的小窗口则是用采估计中心像素的特性,即隐含层第二个结点的输出值,用隐含层第二个结点减去第一个结点的差的大小来判断中心像素是属于目标还是背景,差值越大输出值越大.采用该思想训练网络权值,可以更好地检测真目标,剔除虚假目标.     

基于CenSurE算子的多尺度红外小目标快速检测

红外小目标检测在国防、航天、交通、安防等领域有着广泛的应用场景,目前基于深度学习的目标检测算法尚不能很好地处理多尺度红外小目标检测.为此提出了一种红外小目标快速检测算法,通过引入尺度空间理论来解决目标尺度的变化问题.该算法采用CenSurE算子,使用积分图和图像栅格化等处理,降低计算复杂度,实现红外小目标的快速检测.实...     

基于HVS的空中红外小目标快速检测算法

针对传统目标检测算法实时性较差且在面对复杂云层干扰时虚警率高的问题,提出一种基于人类视觉系统的小目标快速检测算法。利用局部对比度测量方法计算候选目标,根据拉普拉斯高斯尺度空间理论,计算候选目标处的多尺度滤波响应,进而通过自适应阈值分割获取真实目标。实验结果表明,该算法的检测率高达97%,虚警率低于3%,且能够在5 ms内完成目标位置计算。     

基于局部对比度和全卷积网络的小空间碎片检测

近年来环绕地球轨道的空间碎片数量急剧增加,对在轨运行的航天器构成严重威胁。基于天基监视平台的空间碎片小目标快速检测对于航天器远距离规避具有重要意义,然而由于空间碎片小目标的快速相对运动和宇宙射线产生的噪声,空间碎片小目标快速检测极具挑战。提出了一种基于深度卷积神经网络的天基空间碎片小目标显著性检测方法,首先,使用局部对比度方法获得输入图像的空间对比度图;然后,通过全卷积网络结合上述对比度图捕获时空显著性信息;最后,基于仿真视频序列图像开展实验验证,可实现对最远距离为30km,最小为16像素的目标准确检测。通过设置不同的高斯白噪声方差参数模拟空间环境噪声,证明了在噪声背景条件下对空间碎片小目标检测的有效性和鲁棒性。     

空基红外小目标检测与跟踪系统

近些年,红外成像技术快速发展,红外图像具有背景复杂、信杂比低、目标尺寸小等特点,为多运动目标的实时检测跟踪带来了挑战。该空基红外小目标检测与跟踪系统的构建包含三个部分：数据集制作、小目标检测和多目标跟踪。首先使用条件对抗生成网络和图像融合算法生成的仿真数据与真实数据相结合,搭建了红外小目标数据集;其次,小目标检测方面,采用了基于YOLOv3-tiny检测器进行红外小目标检测;多目标跟踪方面,采用了基于卡尔曼滤波算法和匈牙利算法的多目标跟踪方法;最终,在满足实时性的要求下,系统取得了较好的效果。     

一种新的基于局部特征统计的小目标检测方法

提出了一种新的基于局部特征统计的红外图像小目标检测方法。对图像的局部区域灰度概率进行统计,通过阈值分割去除图像中缓慢变化的背景点和弱的边缘点,得到包含强的边缘点、噪声点和目标点的残留图像,利用残留图像内各点的局部方向信息测度的差异,进一步剔除强的边缘点。通过多帧累加判决的方式将真实目标从噪声点中检测出来。实验表明,该方法能够极大地减少候选目标点数,准确有效地检测复杂自然背景中的红外运动弱小目标,适合于实时和多目标的检测。     

基于NSCT的红外图像小目标检测技术

红外图像小目标检测是精确制导武器的关键技术之一。将小波或Contourlet多尺度分析用于红外小目标检测具有一定的局限性。无下采样Contourlet变换（NSCT）是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解。提出了一种基于NSCT的红外小目标检测算法。该算法首先对图像进行NSCT变换;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量间的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现红外小目标的检测。与基于小波变换的红外小目标检测算法进行了比较。实验结果表明,该算法能较精确地检测出红外小目标,优于基于小波变换的方法。     

基于改进的2维EMD的红外小目标检测

针对红外图像中的小目标检测,提出了一种利用经验模态分解(EMD)提取海空背景下红外弱小目标的新方法。该方法基于Delaunay三角剖分和分段三次样条插值,将1维EMD方法推广到2维,并将其应用于红外图像中的小目标的检测。仿真实验结果表明,该新方法能快速和准确地检测出海空背景下的红外弱小目标,具有一定的理论和应用价值。     

基于加权融合特征与Ostu分割的红外弱小目标检测算法

为提高红外弱小目标在复杂背景干扰与低信噪比条件下的检测精度与效率,基于局部加权融合特征与分类二维Ostu分割,提出红外弱小目标检测算法。利用红外弱小目标与背景的灰度差异,基于Top-Hat算子设计红外背景过滤机制,使弱小目标从背景中凸显出来,使用图像的熵值定义局部加权融合特征,完成弱小目标的粗定位。采用分形理论计算粗定位区域内所有像素的分维值,构建像素分维像模型完成弱小目标的细定位,并通过特征分类二维Ostu分割机制实现红外弱小目标的精确检测。测试结果表明,与现有红外弱小目标检测算法相比,该算法具有更高的检测精度与更短的检测耗时。     

基于初级视通路视觉感知机制的轮廓检测方法

考虑到初级视通路中视觉信息传递和处理过程中的特点, 本文提出了一种基于视觉感知机制的轮廓检测新方法.构建视觉信息局部细节检测与整体轮廓感知的不同路径.利用高斯导函数提取初级轮廓响应; 构建神经网络, 利用时空编码提高主体轮廓对比度; 然后, 利用非经典感受野的侧抑制作用抑制纹理背景; 另外, 针对轮廓信息强化以及检测鲁棒性的要求, 在视辐射区提出了一种信息冗余度增强编码机制; 最后, 将初级轮廓直接前馈至初级视皮层, 以达到轮廓响应的快速调节和完整性融合.以RuG40图库为实验对象, 经过非极大值抑制和阈值处理, 得到的轮廓二值图与基准轮廓图比较, 在整个数据集中的最优平均$P$指标和每张图的最优平均$P$指标分别为0.48和0.55, 并且FPS达到了1/2.结果表明本文方法能有效突出主体轮廓并抑制纹理背景, 为后续图像理解和分析提供了一种新的思路.     

基于线检测器的红外弱小目标检测

复杂背景下低信噪比弱小目标的检测仍然是当今的一个难题,尤其是在复杂背景的抑制方面,针对红外小目标的特点,以及红外小目标实时性检测的要求,提出了一种检测低信噪比的复杂背景情况下的红外图像点目标的新的算法.首先,用一个线检测器,对红外图像进行处理,经过其处理后的图像,不仅可以大幅度抑制背景,而且还能增强目标,极大程度的提高了图像的信噪比;其次,对处理后的图像用二维的Otsu自动阈值分割法进行分割,检测出点目标.通过对红外图像的实验,证明该算法的有效性.     

一种基于robert算子的红外图象小目标检测算法

"红外小目标检测"技术是红外成像跟踪系统的核心技术,因此红外小目标的检测是当前军事领域的一项重要研究课题。目前红外小目标的检测技术的发展方向是研究一种运算量小、性能高、利于硬件实时实现的检测算法。     

基于视觉感知机制的织物疵点轮廓检测

针对传统人工织物疵点检测存在的误检及低效等问题,提出了一种基于视觉感知机制的自适应织物疵点轮廓检测方法.首先,模拟视觉系统中视网膜感受野对视觉信息的处理机制对织物疵点图像进行滤波及疵点增强;其次,依据初级视皮层(V1)区对视觉信息响应的方向选择性机制构建织物疵点图像边缘检测模型,实现对织物疵点图像的边缘检测.最后,采用自适应阈值选择的方法对检测到的边缘进行二次处理,获得织物图像疵点的轮廓.为验证本文方法的有效性和准确性,对4类织物疵点图像进行测试,并定性和定量两方面进行比较分析,结果表明文中提出的方法能够较好地检测出织物疵点轮廓信息,不仅可以得到质量较高的织物疵点轮廓图像,而且在整个检测过程中能够自适应的选择参数,避免受人的主观因素影响,具有实际的应用价值.     

基于视觉注意机制的交通标志检测

根据人类视觉感知理论,将自底向上和自顶向下的注意机制相结合,融入到交通标志检测中,提出一种基于视觉注意机制的交通标志检测方法。根据2种注意模型提取颜色、形状、亮度等多种特征,生成显著图,利用WTA网络找到感兴趣区域,即交通标志区域。实验结果表明,该方法能在复杂背景图像中准确定位交通标志。     

基于特征融合的SSD视觉小目标检测

针对SSD算法在检测目标过程中对小目标检测效果差的缺陷,提出了特征融合的SSD方法。该方法充分融合深浅层特征信息以提升网络模型对小目标的检测能力,为更好地检测小目标,将先验框尺寸相对原图比列进行调整,同时对SSD模型相应超参数值进行调整。实验结果表明,检测精度mAP较SSD提高3.4个百分点,对小目标Bottle、Chair、Plant检测精度分别提升8.7个百分点、3.4个百分点和7.1个百分点。检测精度mAP较当前一系列性能优异的目标检测算法有显著提高。通过拓展实验进一步证明改进算法成功检测到了大多数SSD算法没有检测到的小目标,提高了平均检测准确率。