基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。     

基于GLC-KSVD的稀疏表示人脸识别算法

稀疏编码中的字典学习是基于稀疏表示图像分类的核心内容,为此提出了一种基于Gabor特征和标签一致K-SVD(GLC-KSVD)字典学习的稀疏表示人脸识别算法;由于Gabor特征对光照、表情和姿态等具有一定的鲁棒性,首先对图像进行Gabor特征提取,用增广的Gabor特征矩阵来构建初始字典,然后通过字典学习得到原子与类别标签相对应的判别性字典和线性分类器,字典学习模型综合了重建误差、分类误差和稀疏编码误差,通过字典的标签一致约束,同一类别的样本得到相似的编码系数;实验结果表明:该算法具有良好的识别精度和较高的识别效率。     

基于稀疏信号表示的SAR地面运动目标成像

针对传统成像方法受瑞利分辨率的限制,提出了基于稀疏信号表示的地面运动目标成像方法。地面动目标回波可建模为稀疏线性调频信号,可将其在线性调频信号超完备基上稀疏表示。相对于距离-多普勒(RD)算法,基于稀疏信号表示的成像方法具有超分辨特性,有利于对运动目标检测。仿真与实测数据验证了该方法的有效性。     

基于鲁棒主成分分析的红外图像小目标检测

鲁棒的小目标检测是红外目标搜索与跟踪的关键技术,提出一种改进的单帧红外图像小目标检测算法。该方法将原始红外图像通过预处理变换到新的红外块图像模式,在红外块图像上,将红外图像小目标检测问题转换为低秩矩阵和稀疏矩阵分离的鲁棒主成分分析(RPCA)问题。考虑到红外图像中噪声和杂波的存在,用交替方向方法求解带噪声的RPCA问题,获得稀疏目标图像,并对获得的稀疏目标图像采用简单的图像分割算法进行目标检测。对空天、海天、天云、海面4种不 同场景的红外图像小目标检测,进行仿真实验,结果验证了所提出算法的有效性。     

一种信号稀疏表示及其在气象传真图增强中的应用

舰艇在进行鱼雷试验和作战使用过程中,需要以气象传真图作为鱼雷航行和作战的水文气象保障,如何使气象传真图更加清晰可读成为急需解决的现实问题。提出了一种基于信号稀疏表示的针对海上气象传真图增强的新方法。该方法以气象传真图底图和固定的气象符号作为字典函数,充分利用气象传真图的稀疏特性,采用匹配追踪算法进行气象传真图稀疏表示,并利用气象传真图的稀疏系数有效分离噪声。试验结果表明,在气象传真图增强中,该方法明显优于目前的图像增强方法。     

稀疏FRAME模型的感兴趣目标检测算法

针对基于非齐次FRAME（Filters,Random filed,And Maximum Entropy）模型的目标检测算法在目标发生较大形变或存在阻挡等情况下的定位产生一定偏差,以及学习模型所需大量时间等各方面的研究,提出了一种稀疏FRAME模型的感兴趣目标检测算法。首先用共享稀疏编码方法对样本图像进行特征提取,由所选择的基函数构成可变形的稀疏FRAME模型;然后用交替的求和图及最大值图结构对测试图像进行匹配检测,实现目标定位。经多组实验结果表明,该算法不仅在一定程度上提高目标发生较大形变或存在阻挡等情况下的鲁棒性,而且节省了大量的样本训练时间。     

低信噪比红外图像的小目标检测

针对低信噪比,海空背景的红外图像中的弱小目标检测问题,文中提出一种基于高斯内核的自适应滤波方法,并将它应用于红外图像的背景抑制,在残差图像的均值、方差和信噪比这三项性能指标方面都有所改善.在此基础上,根据残差图像的信噪比,自适应的设定分割门限,分割红外图像中存在的可疑目标.实验表明,这种方法是有效的,且性能良好.     

基于小波互能量交叉的复杂背景中红外小目标检测方法

研究复杂背景下红外图像小目标检测问题．提出一种基于小波分析互能量交叉处理的目标检测方法。通过定义水平、垂直方向上的小波互能量交叉函数，在两上方向上有效地增强目标、抑制背景干扰。采用一种简单有效的局部直方图统计方法进行目标粗分割．综合两个方向目标粗检测结果通过能量最大判决进行目标定位，并采用双窗不相似度量检测目标尺寸。实验结果表明，该方法对地面背景、海面背景的红外弱小目标检测具有一定的普遍适用性。具有单帧检测率高、实现速度快的特点。     

红外运动小目标检测方法综述

红外运动小目标的检测,对提高红外成像系统的作用距离,具有重要意义。文中对先检测后跟踪(De-tect Before Track,DBT)和先跟踪后检测(Track Before Detect,TBD)两类红外运动小目标检测方法进行了对比,指出两类方法在目标检测中的适用场合。同时对红外目标检测领域存在的问题进行深入分析,最后指出了该领域可以深入研究的方向,以供后续开展红外目标跟踪与识别工作作为参考。     

基于红外小目标图像库的特征识别探测研究

为了进一步提高红外小目标的识别概率,利用主分量分析法提取了小目标红外图像的主分量特征用于识别探测。在具体计算时,分析了红外小目标图像的一般特征,并建立了图像库作为训练样本。最后对训练样本进行了灰度峰值分类,并选取不同数量的小目标图像进行实验。结果表明,目标在红外图像上呈现的灰度峰值大小几乎不影响小目标的识别,而随着训练样本数的增加,识别效果越好。     

基于非下采样Contourlet 变换和稀疏表示的红外与可见光图像融合方法

针对非下采样Contourlet 变换( NSCT) 中低频子带系数稀疏度较低不利于融合的问题,提出基于NSCT 和稀疏表示的图像融合方法。对红外与可见光图进行NSCT 变换;对稀疏度较低的低频子带系数提取共有和特有系数,并按照特有系数的活动水平自适应调整权重融合;对稀疏度较高的高频方向子带系数,采用同一尺度下系数绝对值之和最大的方法进行融合。经NSCT 逆变换后得到融合图像。实验结果表明,与传统基于变换的DWT、NSCT 融合方法以及基于稀疏表示的SOMP、JSR 算法比较,文中方法可以获得更好的融合效果。     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

基于多尺度局部对比度和多尺度梯度一致性的红外小弱目标检测算法

针对复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题,提出了一种基于多尺度局部对比度方法与多尺度梯度一致性方法的红外小弱目标检测算法。利用多尺度局部对比度方法对红外图像中红外小弱目标进行增强,利用多尺度梯度一致性方法剔除复杂背景和强杂波干扰造成的虚警。从信噪比（SNR）增益、平均残留背景绝对值、检测率、虚警率及ROC曲线方面将新算法与max-mean算法、max-median算法、top-hat算法、IPI算法及MGDWIE算法进行了对比。实验显示：新算法相较于对比算法具有更高的SNR增益、更低的平均残留背景绝对值、更高的检测率及更低的虚警率。对比结果表明：新算法在复杂背景和强杂波干扰下具有良好的红外小弱目标检测准确性和鲁棒性,有效改善了复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题。     

基于局部窗口的红外弱小目标检测方法

在分析红外图像中弱小目标检测方法的基础上,提出了一种基于局部窗口检测红外弱小目标的新方法。该方法利用图像的局部信息预测背景,直接根据当前像素点与背景像素点的灰度差及固定的分隔阀值检测目标,可以在低信噪比、强度变化剧烈的图像中获得较高的检测率与较低的虚警率。实验结果表明了该算法的有效性。     

红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别.即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标.模拟实验表明该方法能够准确高效地检测出运动小目标.     

基于高斯-拉普拉斯滤波的增强局部对比度红外小目标检测算法

针对单帧图像红外小目标检测算法在低空复杂背景下虚警率高的问题,提出一种基于高斯-拉普拉斯(LOG)滤波的增强局部对比度算法来检测低空复杂背景下的红外小目标。通过LOG滤波运算快速提取候选目标像素,同时通过像素灰度指数运算增强目标。根据局部区域目标与背景的灰度特征计算目标显著图,通过自适应阈值分割提取目标。针对不同的低空复杂场景,构建了测试数据集,从信噪比增益、背景抑制因子、检测率、虚警率及算法计算效率方面将所提算法与Top-Hat算法、Max-median算法、RLCM算法、IPI算法及MPCM算法进行对比分析。实验结果表明,在不同场景中,所提算法相较于对比算法不仅具有较高的信噪比增益和背景抑制因子,而且具有较高的检测率、较低的虚警率和较高计算效率,验证了该算法的有效性和鲁棒性。     

红外弱小目标检测方法综述

红外弱小目标的检测对于精确制导武器的发展与反导体系作战具有重要意义。对当前红外弱小目标的检测难点进行了深入的分析。根据红外弱小目标的两种主要检测方式,对目前的主要检测理论和检测方法进行了全面的归纳总结,分析了各方法的适用情况及优缺点,并讨论了红外弱小目标检测领域的发展方向。     

基于改进Focus的小目标检测技术

为解决深度神经网络模型小目标检测效果不佳的问题,对Focus结构进行改进,提出一种即插即用的轻量级结构Focus+。搜集相关图像并建立包含5类目标的军事小目标数据集,将Focus+插入常用的目标检测模型,使用不同尺度的输入进行了多组对比实验。实验结果表明：引入Focus+模块后,模型检测的平均精度均值平均提高了0.8 %,说明其能够在占用较少算力的同时提取到浅层网络的高分辨率特征,有效提高小目标的检测精度。     

基于先验信息稀疏恢复的非均匀样本检测方法

针对训练样本被干扰目标污染导致空时自适应处理（STAP）目标检测性能下降的问题,提出了一种基于先验信息稀疏恢复的非均匀样本检测方法。该方法首先采用欠定系统局灶算法恢复待检测单元的稀疏表示系数,然后利用机载雷达系统参数等先验信息离线设计“稀疏滤波器”,并采用其滤除稀疏表示系数中的目标及“伪点”的影响,进而估计杂波协方差矩阵,最后与广义内积（GIP）方法结合,根据新的检测统计量来剔除被污染的样本。仿真分析表明,与传统GIP方法相比,该方法能够有效地检测出被干扰目标污染的训练样本,提升了STAP在非均匀环境下的目标检测性能。