海天背景下的红外小目标检测与跟踪

为了提高海天背景下核主成分分析算法检测红外小目标的识别速度,提出一种卡尔曼滤波结合稀疏核主成分分析的红外小目标跟踪与检测的方法。首先,使用卡尔曼滤波器预测当前帧目标在下一帧中的估计位置,其次,根据预测误差协方差矩阵确定目标可能出现的范围;最后,在该范围内使用稀疏核主成分分析算法进行检测,得到目标位置。在海天背景下的红外图像序列上进行测试,实验结果表明,提出的方法与核主成分分析算法在60帧海天背景的红外图像上的平均检测时间分别是10.12s和310.51s。证明所提方法在保证检测精度的前提下提高了识别速度。     

基于多结构元素灰度形态学的红外背景估计算法

背景估计技术是红外弱小目标检测中的关键技术.传统的形态学算法采用单一结构元素对红外图像进行处理,当背景存在强起伏时,残差图像存在大量的背景泄漏,导致大量虚假目标点的出现.该文在分析红外图像统计特征的基础上,提出了一种基于多结构元素灰度形态学的红外背景估计算法.采用实际红外图像进行了仿真实验,并与传统形态学算法的性能进行比较,结果表明该算法能够尽量保留图像细节,减小图像细节对背景估计的影响,大幅提升了图像的信噪比,提高目标单帧检测概率.算法易于实时并行处理,便于硬件实现.     

基于超分辨率重建技术的遥感图像小目标检测

针对传统舰船遥感图像存在背景复杂和信息模糊等问题,提出一种基于超分辨率重建的舰船遥感图像小目标检测算法.该方法首先通过超分辨率重建技术对信息模糊的原始遥感图像进行清晰重建,防止重建图像过程中出现过大的固有特征损失和过于平滑的梯度变化.在此基础上建立Faster R-CNN网络,自动提取图像数据集目标特征,准确地实现舰船遥感图像中的小目标识别.实验结果表明,基于超分辨率重建的检测算法的综合效率达到65.5%,相比传统算法提高12.9%.由此证明,改进后的算法能够有效克服目标尺寸小和识别背景复杂所带来的检出率低和准确率差等问题.     

基于小波变换与特征提取的红外弱小目标图像融合

当前红外单波段数据不能全面反映图像细节以及轮廓信息,弱小目标成像后难以抵抗背景干扰,使得图像产生较低的信噪比。因此有必要利用不同波段数据的纹理差异性,通过互补融合方法提高图像的信噪比。基于此,提出一种基于小波变换与特征提取的融合方法。首先将多源图像进行多尺度二维分解,获得各图像的低频信息与高频信息,在此基础上,高频信息采取绝对值取大的融合方法,低频信息采取加权求平均的融合方法,进而重构图像。然后,利用特征提取方法得到中波与长波特征图像。最后对重构图像与红外中长波特征图像进行对比度调制再融合。融合结果与多种融合算法进行对比。实验结果表明,该算法能够增强图像中弱小目标的灰度,可以很好地识别目标,解决了图像中弱小目标抗背景干扰的问题。     

基于视觉显著性和NSCT的红外与可见光图像融合

结合非下采样轮廓波变换的平移不变性,提出了一种基于视觉显著性的红外与可见光图像融合算法。首先,利用引导滤波器改进显著性检测算法并将其用于红外图像;然后,对红外图像和可见光图像进行非下采样轮廓波变换以得到各自的低频与高频子带;最后,在低频与高频子带的融合中分别采用红外图像显著性指导法与绝对值取大法。实验结果表明,与多种相关算法相比,该算法所得融合图像在突出红外目标的同时还具有丰富的可见光背景信息,具有更好的视觉融合效果和客观质量评价。     

基于高斯混合模型和canny算法的运动目标检测

提出一种基于高斯混合模型和canny算法的运动目标检测算法.利用高斯混合模型计算像素之间的颜色信息,同时利用高斯混合模型更新背景信息;用canny算子提取图像的边缘信息;将颜色信息和区域结构信息线性融合起来,较好地解决了边缘信息明显的运动目标检测.实验中采用改进的加权高斯模型及传统的canny算法相结合.结果表明,本文...     

基于背景抑制与特征融合的红外微小目标检测

为了解决多特征融合微小目标检测算法复杂、受到假设限制等问题,提出了一种背景抑制与特征融合相结合的海天背景红外微小目标单帧检测算法,算法采用高通滤波抑制背景,利用灰度变换强化目标特征,特征融合时不涉及像素行均值问题,克服了海天线水平的假设;采用计算量小的局部灰度最大值、局部对比度均值反差两个特征进行加权信息融合,形成特征图,检测出微小目标.实验结果表明,该算法不论在实时性、实用性还是有效性方面都取得了满意效果.     

强背景噪声下红外目标的鲁棒性跟踪算法

提出了一种将边缘检测与改进Mean Shift 算法相结合的红外目标跟踪算法．初选了原始红外图像边缘后,再利用非线性边缘检测算法进行处理,有效地消除了原始红外图像中的大部分噪声,并能获取高质量的图像边缘信息．在此基础上,采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法,以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性,从而实现强背景噪声下运动红外目标的快速、准确跟踪．实验结果表明,该算法不仅计算量较少,提高了跟踪速度,而且对背景噪声有很强的鲁棒性．     

基于视觉注意机制的复杂背景下红外小目标检测

针对视觉注意机制Itti模型对复杂背景下红外小目标检测易受到图像背景杂波影响,检测结果不理想的情况,对传统算法加以改进,在Itti模型中引入背景预测算子。对图像背景进行预测,与原图像进行差减,以达到突出目标区域的目的,消除背景区域对目标显著性的影响。再提取滤除背景后的图像视觉差异,找出图像的显著性区域,实现对红外小目标的检测。将改进后的模型应用于复杂背景下红外小目标检测中,实验结果表明,相对于传统的Itti模型的检测算法,新提出的算法具有更高的检测率。     

背景变化鲁棒的微弱瞬态信号检测

在微弱瞬态信号检测中,由于信号完全淹没在背景和噪声中,因此当背景信号发生变化时,传统方法的检测性能会急剧降低。针对上述问题,提出一种基于核函数的对连续背景变化鲁棒的微弱瞬态信号检测方法。利用核函数将信号映射到一个高维空间来解决在原始空间中线性不可分的问题。根据信号和噪声特性对核函数加以约束,使检测方法在能检测出瞬态信号的同时还具有对连续背景变化鲁棒特性。将该方法应用于基于高帧频图像序列的微弱运动点目标检测中,实验证明该方法无论是在稳定背景情况下,还是背景连续变换情况下, 相比传统方法都有更好的检测结果,在背景连续变换的情况下优势更加明显。     

基于区域分割与提升小波变换的图像融合算法

针对精确制导武器系统中,利用传统方法获取的融合图像使得红外目标模糊、识别率低、定位性差及不能继承可见光图像色彩特性而出现光谱扭曲与失真的现象,提出了一种基于区域分割和提升小波变换的红外与可见光图像融合方法。首先结合区域生长与边缘提取图像分割法,将红外图像背景区域与目标区域分开;其次采用像素邻域能量取大法,将红外目标区域映射到可见光背景中;最后将上步得到的融合图像与原图像进行低频加权,高频平均梯度的提升小波融合变换,防止因图像分割所形成的拼接错误而导致重要信息丢失现象。实验结果表明:融合后的图像,目标凸显,背景自然,能够达到准确定位与快速识别的目的,并对隐藏目标的检测有着重要的指导意义。     

CUDA架构下高效红外图像背景预测方法

红外图像背景预测方法是红外图像弱小目标探测与跟踪中的经典方法.针对背景预测算法中卷积运算耗时长的问题,提出一种基于CUDA(Compute Unified Device Architecture)的高效红外图像背景预测方法.在分析背景预测算法执行流程的基础上,充分考虑CUDA架构的特点,将其在CUDA架构下进行了重新实现,利用GPU(Graphic Processing Unit)的强大并行计算能力完成红外图像背景预测的快速计算.为了进一步提升算法的运行效率,将不可分离的背景预测卷积模板分解为多个可分离模板的叠加,并给出了分解卷积模板的一般方法.将该方法应用于实际的红外图像背景预测,结果表明,该方法比传统的CPU计算在运算效率上提高了130倍以上.     

红外图像中快速小目标的均值移位跟踪

为了增强红外图像中快速小目标跟踪的稳健性,提出基于隶属度加权核直方图目标表征模型的改进均值移位跟踪算法．首先分析原始均值移位算法跟踪快速小目标的局部背景干扰问题,融合背景信息提出隶属度加权核直方图目标表征模型．该模型能够提高对于目标的表征能力,抑制局部背景干扰．然后,以Bhattacharyya系数作为相似性度量,在均值移位框架下推导出基于该模型的移位向量,能够有效实现目标的移位跟踪．移位过程中,目标隶属度大的灰度具有高移位权重,反之具有低移位权重．最后,应用模型更新方法克服局部背景的时变性,进一步提高目标跟踪的鲁棒性．实验结果表明,该算法对于红外图像中的快速小目标的具有稳健的跟踪性能．     

海空背景下红外弱小目标检测方法

针对在海上搜救中弱小目标难以被发现的情况,提出了一种海空背景下红外弱小目标的检测方法.该方法首先进行背景预测,然后将原图像和背景预测后的图像差分进行目标提取,使用Top-Hat变换对目标提取后的差分图像进行滤波处理以去除残余波浪噪声影响,最后使用自适应阈值检测,检测出弱小目标所在的方位.通过和传统的对单帧图像采取Top-Hat变换滤波做法的比较,可以看出来该方法可以较好的去除海浪的影响,检测出亮度较高的红外运动弱小目标,辅助海上搜救工作的完成.     

基于邻域对比的红外林火小目标检测

为了在森林复杂背景下准确地检测出红外小目标,提出了一种基于邻域对比的目标提取算法。首先,根据小目标区域与其8-邻域背景的差异,利用邻域对比算法实现对小目标的增强和对背景的抑制;其次,采用多尺度模板准确检测小目标区域的变化情况;最后,在得到最终对比图的基础上,利用自适应阈值对目标进行分割。实验结果表明:与现有算法相比,所提出的算法在红外小目标检测方面具有更高的准确性,图像整体的信噪比也有较大的提高。     

基于形态学方法的红外小目标检测

为了降低复杂背景下红外小目标检测的虚警率,在分析目标特性的基础上,给出了一种高提升滤波与形态学Top-hat算子相结合的检测方法.该方法首先对红外图像进行高提升滤波,提高图像对比度;通过Top-hat变换滤除背景,利用伽马变换提高信噪比（SNR）,经阈值分割检测出可能的目标,然后通过对序列图像的处理最终确定目标,并形成稳定航迹.仿真结果表明：与单一的Top-hat变换相比,该方法能够更准确检测出信噪比不小于2的目标,且虚警率低.     

一种彩色图像处理的水印新算法

提出一种基于色彩空间变换和离散小波变换(DWT)的彩色图像水印算法.算法首先将彩色原始图像和彩色水印图像从RGB模式转换到YIQ模式,然后将彩色水印图像的Y,I,Q分量分别嵌入到彩色原始图像Y,I,Q分量的DWT变换系数中.该算法的特点是方法简洁,嵌入水印信息量大,提取的水印可视效果良好.通过大量实验表明,该算法对常见的攻击具有较强的鲁棒性.     

多伯努利滤波的快速红外弱小目标检测与跟踪

针对复杂背景下多个弱目标检测与跟踪中存在的跟踪不稳定、非实时及量测模型高度非线性问题,提出一种基于多伯努利滤波的快速检测与跟踪算法.首先,采用改进的Robinson Guard算法抑制背景杂波,避免强起伏背景图像中目标被抑制的问题;其次,采用平方根容积卡尔曼滤波实现多伯努利检测前跟踪,在保证实时跟踪的同时,解决了滤波的高度非线性,避免了协方差矩阵负定造成的数值不稳定.实测红外背景图像实验表明,改进的Robinson Guard算法能够有效抑制背景杂波、保留弱目标信息,平方根容积卡尔曼多伯努利检测前跟踪能更准、更稳定地估计目标数目和状态,实现目标的实时检测与跟踪.     

基于FrFT变换和全变分正则化的异常检测算法

针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换（FrFT）和全变分正则化约束的高光谱图像异常检测算法. 通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典. 为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束. 采用交替方向乘子法对模型进行优化求解,得到异常检测的结果. 在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.     

基于视觉特性的红外与可见光图像融合

给出一种基于人类视觉特性的红外可见光图像融合算法,以增强融合图像的场景信息和目标指示特性。采用无下采样Contourlet变换对两幅源图像进行多尺度分解;在低频分量部分,调整可见光图像的全局亮度,以基于局部能量的方法提取并增强红外目标,以局部方差取大方法获得景物轮廓,余则采用可见光图像像素值;在高频分量部分,采用脉冲耦合神经网络选取高频分量;通过无下采样Contourlet变换的逆变换得到融合图像。改进算法可保留可见光图像的清晰度,红外目标突出,景物比在单一可见光图像中更易辨别。