复杂背景下红外运动点目标检测算法研究

讨论了复杂背景下低信噪比运动点目标的检测和跟踪问题，提出了基于卡尔曼滤波理论的背景预测，数学形态学膨胀累加，图像流航迹关联和二级并行假设检验的点目标检测方法。实验结果表明该算法能够较大程度提高红外图像的信噪比，有效地检测和跟踪点目标，并且能够解决目标丢失以及跟踪过程中出现目标的问题。     

基于顺序形态滤波的运动点目标检测

为解决低信噪比快速运动点目标的检测问题,文中提出了一种基于顺序形态波波的点目标检测算法。首先采用百分位p＝1的中面序形态滤波提取目标的广义内边缘,找出少量候选运动目标点,然后利用图像流模型建立 建立目标的运动约束议程,根据目标像素在图像序列中运动的连续性和轨迹的一致性 原则,在多帧连续图像中检测出真实的目标运动轨迹。实验结果证明,该方法能够快速、可靠检测信噪比小于3的运动点目标。     

基于时空域融合滤波的小目标检测算法

针对目前小目标检测存在的难点,提出了一种基于时空域融合的小目标检测方法。该方法首先运用形态学Top-hat进行空域滤波,将原图像中的大部分背景及杂波抑制,时域上采用三帧差分方法增强目标。融合后对图像进行自适应阈值分割,得到潜在目标点,最后根据目标运动的连续性与规则性采用邻域判决法滤除虚警点,检测出目标的运动轨迹。仿真结果显示该方法能较好检测出复杂背景下低信噪比运动小目标。     

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题．提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标．在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性．利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率．抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

弱目标检测的图像流去

本文研究用高频图像滤波器去除背景干扰，提取可能的弱目标，进一步用假设检验分离出可能的弱目标。导出图像流约束方程，提出一种基于图像流和运动连续性分析的弱目标检测方法。该方法在强噪声背景和复杂背景下有良好的检测性能，计算机模拟实验检验了方法的性能。     

基于投影变换与轨迹关联的目标检测算法

低信噪比条件下序列图像中微弱点状运动目标的检测是许多实时监视系统的关键算法,具有信息量大、目标轨迹组合复杂和实时处理难度大等特点。为有效检测出微弱点目标,提出了一种基于最大值投影与目标轨迹关联相结合的运动点目标检测算法,仿真试验表明该算法具有较好的检测性能,可有效地检测出低信噪比条件下图像序列中的运动点目标,同时也可检测出交叉运动的多个点目标。     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

弱目标检测的图像流法

本文研究用高频图像滤波器去除背景干扰，提取可能的弱目标，进一步用假设检验分离出可能的弱目标。导出图像流约束方程，提出一种基于图像流和运动连续性分析的弱目标检测方法。该方法在强噪声背景和复杂背景下有良好的检测性能，计算机模拟实验检验了方法的性能。     

复杂背景条件下的红外运动小目标检测算法

在红外成像制导系统中,运动小目标易受到背景和噪声的严重干扰,从而导致较低的信噪比,给目标检测带来了难度.为此,我们首先使用基于Top-Hat变换的数学形态学滤波对红外数字图像进行背景抑制.进而对经过黑、白Top-Hat变换后的图像求取并集,然后,通过自适应门限分割得到小目标.试验结果表明该方法在信噪比接近2的时候仍能够得到较好的目标检测效果.     

一种低信噪比条件下点目标检测方法

本文提出了一种低信噪比条件下从图像序列中检测点目标运动轨迹的新方法。基于目标运动轨迹的连续性，构造了一种准连续性滤波器结构，采用正向－反向二次滤波算法，有效地抑制了噪声的影响。在此基础上，依据待检目标运动轨迹的性质定义了一种目标函数，将轨迹检测问题转化成为寻找该目标函数最小值的问题。进而由Ａ算法在加权图中搜索最短路径以获取目标函数的最小值，从而确定点目标的运动轨迹。实验结果表明，该方法克服了以往算     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

Track Initiation for Dim Small Moving Infrared Target Based on Spatial-Temporal Hypothesis Testing

Track initiation for dim small moving target particularly in a heavy clutter environment is a theoretical and technological challenge for diverse tracking systems. The different spatial-temporal characteristics presenting in sequence scans are utilized to recognize target and initialize track in this paper. In spatial domain, the small target mapped in the image is a uniform gray spot other than pixel-sized object with high congregated degree, whereas, the false alarm is independent, irrelative and lower congregated degree. In temporal domain, the target’s trajectory projected on image sequence is continuous for the continuity of target motion and will appear in the neighborhood at consecutive instants with the maximum probability, on the contrary, the false alarm is disorderly, and occurs in the neighborhood at consecutive instants is impossible. Based on the spatial-temporal characteristics mentioned above, a track initiation algorithm for dim small moving target based on spatial-temporal hypothesis testing, which consists of neighborhood clustering and trajectory continuity, is derived and analyzed in detail. The theory analysis and experimental results show that this method could effectively initialize the track for dim small moving target in heavy clutter environment.     

基于多抽样率信号处理的无源雷达MTD方法

以数字电视信号为机会照射源的雷达系统研究为背景 ,提出用以多抽样率信号处理为基础的多级抽取信号处理算法解决运动目标检测中海量数据处理问题。文中叙述了数字电视广播信号回波的数学模型、多级抽取基本原理、目标检测算法 ,以数字电视信号为反射回波做了仿真 ,对运动目标进行检测 ,并对仿真结果做了分析。     

基于多尺度形态学的弱目标图像处理方法

提出一种基于目标及背景结构特征的多尺度形态学图像处理方法，针对弱目标和背景噪声的结构差异，选择合适的结构元素和合理的形态算子达到较好的滤波效果。形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器。由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用，结构元素的形态决定了这种动算所提取的信号的形态信息，因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性，使数学形态学在描述信号形态特征上具有独特的优势。通过改变结构基元的尺度，对图像进行多尺度分析，能准确提取图像在不同尺度下形状的分层特征和有用信息。     

基于小波变换的红外弱小目标检测新方法

研究了红外序列图像中弱小目标的检测。对图像序列进行小波变换,利用目标小波变换的特性,对单帧小波变换后的各高频分量进行累加,利用门限处理并通过与一个与管道得到包含候选目标点的图像,最后利用目标运动的连续性,进一步检测,得到目标点的位置。实验结果表明,该方法能有效地检测红外弱小目标。     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。