基于小波和高阶累积量的红外弱小目标检测

红外图像序列中弱小目标的检测是图像处理应用的一个重要研究领域.由于弱小目标很难从背景杂波中分离出来,所以弱小目标的检测是一个难点.介绍了一种基于小波和高阶累积量的红外弱小目标检测方法.该方法利用小波滤波器抑制大部分背景杂波,然后采用基于累积量的自适应滤波器对高频小波系数进一步处理,使得图像信噪比大大提高,同时保留了目标信息.最后应用一些序列处理方法来进一步提高检测的性能.利用实测数据所做仿真实验结果表明该方法的有效性.     

采用高阶谱分析的红外弱小目标检测

在分析了以前的关于红外图像弱小目标检测的一些算法的特点和不足之后,针对单帧图像首次提出了一种新的检测算法-基于高阶谱分析的弱小目标检测:将图像中的背景灰度数据看作为噪声信号,弱小目标的灰度数据看作是淹没在噪声信号中的谐波信号,对图像行和列象素的灰度数据进行功率谱和高阶累计量分析,抑制噪声,检测谐波,检测的分辨力取决于同时参与谱分析的行或列的个数,算法的优点在于采用同一理论检测,简便易行,有较高的准确度,并且所需的数据仅限于单帧图像.最后给出了一个应用此算法实际的检测例子.     

基于高阶累计量的红外图像弱小点目标检测

提出了一种检测大地背景下弱小点目标的新方法.利用三阶以上的高阶累计量恒等于零,即对于高斯随机过程\     

基于SA4向量小波变换及Fisher算法的红外弱小目标检测

本文提出了一种新的红外图像弱小目标检测方法,即利用SA4向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后利用Fisher算法对经SA4向量小波变换得到的高频图像进行分割,最终将目标从背景中分离出来;大量实验表明该算法是有效的。     

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点.介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法.该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割.实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标.     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来.通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标.     

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.     

基于小波变换和目标运动特性的红外弱小目标检测

红外弱小目标的分割与检测是地空导弹和航空导弹的关键技术。本文研究基于小波变换和目标运动特性的红外弱小目标的检测。在目标运动特性方面,主要采用了“与”管道进行目标的检测。大量试验表明,该算法具有很好的检测鲁棒性,且能够实时检测出红外图像中的弱小目标。     

基于小波变换的红外图像弱小目标检测研究

针对红外图像弱小点目标检测中遇到的难点,即信噪比低、帧间相对运动和强噪声干扰等问题,给出了一种帧间膨胀累积提高信噪比的方法,并且提出将l/f噪声白化和白噪声去除同步处理的新思路,大量的仿真实验证明,该方法能够很好地抑制噪声对图像的影响,大大提高信噪比,降低误检率。     

基于小波变换的红外弱小目标检测新方法

针对小波变换不能涉及过多尺度的问题,分析了边缘类型对小波多尺度边缘提取的影响.结合红外目标图像对比度低,噪声大,灰度缓慢变化的特点提出基于Canny算子的梯度相位法.梯度相位法认为边缘不只是在灰度发生突变的地方存在,如果某个区域,灰度沿某个方向缓慢变化,这个区域也存在边缘,只不过可以认为边缘比较粗.经试验此方法对红外图像的小波多尺度边缘提取的质量有明显提高.     

红外图像中小目标检测的新算法

分析了红外图像中小目标、噪声以及背景的特点。针对高通滤波后小目标经常被强噪声淹没的情况，基于Donoho提出的小波变换的软阈值去噪方法，提出了一种峰值检测算法。实验结果证明方法可以有效地抑制高通滤波后的强噪声，并能检测出小目标。     

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Wiener滤波的小目标检测方法

红外云背景中小目标检测是红外成像技术的一种典型应用。为了检测红外云背景中的弱小目标，分析了背景特性，建立了红外场景模型，提出了一种基于Wiener滤波的自适应背景抑制方法。经过去除虚假目标和目标分割，再利用目标运动的连续性和规则性进行目标检测和跟踪。对包含了仿真目标的红外云背景图像序列进行了实验，结果表明，该方法能够有效地从信噪比为2．0的背景中检测到小目标。     

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。     

复杂背景下减少红外小目标检测虚警率的算法

为了减小复杂背景下红外小目标检测的虚警率,采用自适应平滑再中值滤波的方法抑制背景噪声,边缘增强阈值分割检测方法突出和提取目标,利用小目标是孤立奇异点且不能发生突变的特点,通过多特性联合判断方法实现虚警目标剔除算法。实验表明,本文的算法计算量小、实时性好、实现灵活,在复杂背景下能有效降低虚警又不漏检目标,并实际完成了FPGA和DSP的硬件实现。     

利用小波变换与Gabor滤波检测红外小目标

将小波变换应用于红外图像,提出了一种新的弱小目标检测方法。该算法首先对图像进行小波变换。为了获取图像的多方向性分解,使用Gabor滤波器与高频信号做卷积运算得到24个方向的高频信息。计算各点的局部能量以及方向离散值,将以上特征融合,得到图像的多特征统计值。其次采用Renyi信息熵分割完成目标检测。最后,由于卷积运算,将会造成弱小目标点的扩大。因此,利用检测结果中小目标具有较大面积的特点,有效地排除了虚警。实验结果表明,该算法参数较少,能较精确地检测出红外弱小目标。     

基于局部熵的红外图像小目标检测

文中采用红外图像的局部熵变化为检测准则,确定红外图像小目标位置,对较大的红外图像目标,局部熵突变发生在目标边缘,用本方法也可确定目标边缘。文章给出了算法的实现过程,最后,用海上红外小目标真实图像进行了实验,得到了满意的结果。     

红外序列图像弱小目标检测算法

红外图像中的弱小目标因为信噪比和对比度较低,用单帧图像检测很难得到满意的效果,利用多帧图像信息进行检测是有效的手段之一。分析了利用帧间相关性对红外图像中的弱小目标进行检测的方法,提出了改进的算法和对比度相关性的概念。该算法在序列图像灰度起伏情况下,克服了直接利用灰度相关效果不好的缺点,具有良好的抗噪声和背景干扰的特点。算法可以推广到其他类型图像目标的检测中。     

云背景下红外小目标检测的分形方法

针对云背景下红外小目标检测对背景起伏依赖性强的问题,提出采用分形方法实现不同起伏背景的小目标检测。首先利用分数布朗随机场模型对实际云背景图像建模得到分形曲线,然后通过分析小目标存在对云背景分形特性的影响,总结出云背景区域含小目标时其分形曲线面积增大的规律,据此提出了基于分形曲线面积差量的小目标检测方法。实验结果表明:在虚警率为10-3时,分形方法对弱起伏和中等起伏云背景下红外小目标检测概率达到1.0,对强起伏云背景下红外小目标检测概率达到0.6,较现有其他一些方法具有更好的检测效果和背景适应能力。     

基于多级滤波的复杂背景下多尺度小目标检测

针对精确制导系统中目标尺度的不确定性带来的检测问题,在分析原始多级滤波器结构与传递函数频率特性的基础上,适当改进了多级滤波的结构,导出多个滤波结果,并提出了基于融合多级输出滤波结果的多尺度小目标检测算法.实验结果表明,该算法可以在没有目标尺度先验信息的情况下自适应地检测出多个小目标.