基于多尺度反锐化掩模的红外图像云层背景抑制

为检测强云杂波背景中的红外弱小运动目标,结合反锐化掩模理论,提出了一种基于曲线波变换的多尺度反锐化掩模红外图像云层背景抑制新方法。首先,根据红外目标和背景杂波的特性,采用二代曲线波变换对图像进行多尺度、多方向分解,提取图像的多尺度和方向细节特征,然后,根据目标和背景杂波子带系数的差异,通过应用反锐化掩模理论调整分解后的各子带系数,从而将红外图像中弱小目标信号和背景杂波分离,达到抑制背,景的目的。实验结果显示,与最大中值（MMed）和二维最小均方误差（TDLMS）方法比较,该方法对信杂比较低的红外弱小目标复杂云层背景从主观视觉和数值指标都具有良好抑制效果。     

基于RX算子的背景杂波抑制

红外图像复杂背景杂波抑制是红外监视告警系统发现远距离弱小目标的难题。文章根据红外图像中目标和背景杂波的特性,提出了一种将RX算子与非线性扩散方程相结合的弱小目标背景抑制新方法。该方法首先采用非线性扩散方程对图像进行多尺度分解,获得图像的多尺度特征,然后,根据目标和背景杂波信号系数在不同尺度之间的差异,通过应用RX算子进行处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的。实验结果显示,与二维最小均方误差滤波方法相比较,该方法能有效地检测出信杂比在1.6以上的目标。     

时空域滤波方法在红外弱小目标检测系统中的应用

针对远距离红外弱小目标低信噪比的特点,提出一种空域滤波与粒子滤波相结合的目标检测方法.首先在空域进行形态滤波Tophat变换,抑制背景和背景杂波,得到了滤除背景的目标图像,再通过滑窗累积方法进一步增强目标,提高目标的信噪比,增大检测概率.然后根据目标时域运动的连续性和规则性,采用基于粒子滤波预测的邻域目标检测判决方法,达到弱小目标检测的目的.实验结果表明:该方法能够有效地检测出幅度信噪比约为1.7的弱小目标,对背景变化情况下的弱小目标检测具有较好的适应性.     

基于MRF的自适应正则化红外背景杂波抑制算法

针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现.     

一种基于小波包变换的海面慢速小目标检测方法

研究了一种基于小波包变换的海杂波背景下的慢速小目标检测方法,并利用在实测海杂波数据中叠加慢速目标信号的方法对该检测方法进行了计算机仿真。仿真结果表明,与常规的动目标检测（MTD）方法相比,该方法能够以较高的检测能力对湮没在海杂波背景中的弱小目标信号进行检测。     

过采样扫描探测性能对比分析

分析了单采样和过采样两种扫描探测体制的成像原理,并建立了扫描图像仿真模型。在不同云层杂波场景下从目标能量收集、背景杂波抑制和弱小目标检测三个方面对单采样和过采样扫描图像进行了对比分析。理论分析和仿真结果表明：过采样扫描探测体制更有利于收集目标能量,杂波抑制能力较优,对弱小目标的探测能力更强。     

红外弱小运动目标实时检测的规整化滤波方法

低信噪比小目标检测能力决定着系统的探测灵敏度和作用距离,是反映红外低可观测目标识别能力至关重要的一项核心技术.自适应杂波背景抑制技术是实现这一目标的有效途径.本文将杂波背景抑制滤波归纳为逆问题求解的优化问题;建立了新的红外弱小目标/背景模型,在此基础上发展了一种基于规整化技术的滤波框架;并提出了"去杂波-保目标"规整化的自适应各向异性滤波新算法.详细的理论分析和试验结果表明:该算法能在单步处理中消除杂波背景、同时增强弱小目标信号,运算量小;对低信噪比的强杂波背景表现出良好的滤波性能和适应能力,且结构简单、利于硬件实时实现.     

过采样扫描探测性能对比分析

分析了单采样和过采样两种扫描探测体制的成像原理,并建立了扫描图像仿真模型.在不同云层杂波场景下从目标能量收集、背景杂波抑制和弱小目标检测三个方面对单采样和过采样扫描图像进行了对比分析.理论分析和仿真结果表明:过采样扫描探测体制更有利于收集目标能量,杂波抑制能力较优,对弱小目标的探测能力更强.     

基于多尺度广义模糊算子的红外图像背景抑制

自动检测和跟踪红外图像中的弱小目标在现代预警和探测系统中非常重要。针对现有的检测方法因受到复杂云层和地面自然背景的干扰,导致系统虚警率较高和探测概率较低的问题,提出了一种基于多尺度广义模糊算子的红外图像复杂背景抑制方法。首先利用非下采样轮廓波变换方法将图像进行分解,获取不同尺度和方向的包含小目标和背景杂波的子带图像。然后,通过应用模糊非线性背景抑制算子将红外图像中小目标和背景杂波系数差值拉大,同时将相关性较强的杂波系数做平滑处理以达到抑制背景和增强小目标的目的。多组包含真实和模拟图像序列的实验表明所提方法优于其他方法,特别是对于包含云层和地面复杂背景的红外图像。     

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图...     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

基于红外偏振的特征提取与小目标检测方法

针对红外目标探测所面临的杂波干扰问题,提出了一种基于红外偏振的特征提取与小目标检测方法。首先,利用人工目标和自然背景偏振特性的差异,建立了目标与背景的红外偏振信息模型,分析了其中强度信息和偏振信息的构成以及目标偏振信息的提取与增强办法。然后,将斯托克斯矢量、部分偏振光分解、变偏振理论相结合实现了目标偏振特征的提取与背景杂波抑制及随机噪声消除,进而实现了红外小目标的检测。仿真数据实验结果及与现有方法的对比证明了该方法的有效性和可靠性。该方法可用于对抗红外伪装隐身及红外诱饵技术,提升红外目标的探测能力,富有应用价值。     

基于冗余小波变换的高频地波雷达目标检测算法

为了从高频地波雷达(High Frequency Surface Wave Radar, HFSWR)信号生成的复杂距离多普勒(Range Doppler, RD)图像中准确提取运动点目标, 提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation, RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异, 首先在距离方向进行自适应RDWT以去除海杂波和地杂波, 并在多普勒方向进行自适应RDWT以去除电离层杂波; 然后利用图像形态学运算对背景噪声进行了抑制; 最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声, 能从复杂的RD图像中实现点目标的有效检测, 其检测性能优于改进的恒虚警率(Constant False Alarm Rate, CFAR)算法.     

基于Contourlet变换的红外弱小目标检测方法

介绍了存在背景干扰和噪声情况下的红外图像中弱小目标的检测问题,提出一种基于Contourlet变换的检测算法。首先对图像进行Contourlet变换,利用Contourlet分解后子图像的特性抑制背景和去噪声,最终实现对目标的检测。通过在含有随机目标的红外序列图像中的实验,并与小波变换进行比较,证明了算法的有效性。     

基于生物启发模型的红外小目标检测

红外小目标检测在军事领域的制导、预警和边防间谍无人机检测中极其重要,但由于红外小目标纹理信息不足、高背景杂波、暗淡且模糊和低目标对比度等等原因,导致其仍有改进的余地。本文提出基于生物启发模型(PLMC)的红外弱小目标检测的方案。首先基于生物启发模型增强目标且抑制背景杂波;然后使用改进阈值过滤假目标,提取真实目标。在多个复杂场景数据集上的进行实验,结果表明,与其他较新的小目标检测方法相比,本文提出的方案具有更好的检测性能与鲁棒性。     

采用多扫描自适应预测的红外弱目标检测

提出了一种多扫描预平滑RLS自适应算法用于增强红外成像数据中的弱目标检测.感兴趣的目标被假设为只有极小的空域扩展度,而且淹没于强背景杂波干扰中.通过RLS自适应滤波器,背景杂波分量被准确地预测并从输入信号中去除,从而只剩下目标信号与残留噪声.在全空域非平稳数据中应用多扫描机制可以增强算法对非平稳杂波的跟踪性能;而将原始图像数据经过预平滑处理后作为自适应滤波器的输入,则能够减少由于目标灰度扩展带来的背景预测失准.对真实图像数据的仿真表明该算法的性能明显优于其它几种传统方法.     

基于二维模态分解与斑块对比度相结合的红外小目标检测算法

红外小目标检测在红外目标搜索跟踪等应用中发挥着重要作用。文中提出一种二维经验模态分解与多尺度斑块对比度算法相结合的红外小目标检测算法。首先,利用二维经验模态分解将红外图像分解成不同尺度的模态分量,再将低频模态分量去掉进行图像重构,实现对背景杂波的抑制。然后,将重构图像做为多尺度斑块对比度算法的输入,生成目标结果图。最后,对目标结果图进行自适应阈值分割,检测出真实的红外小目标。实验仿真结果表明,该算法与现有算法相比,在不同背景下能够有效抑制背景对目标的干扰,具有较高的检测率,验证了该算法的有效性和鲁棒性。     

一种基于稀疏化核方法的红外强杂波背景抑制算法

杂波背景抑制一直是红外弱小目标检测面临的难题.背景抑制可分为背景预测和差分滤波两步.针对强杂波背景呈现非线性分布的特征,提出了一种基于稀疏化核递推最小二乘(KRLS)算法的非线性背景抑制算法.算法采用监督学习模型,使用序列图像作为训练样本.通过稀疏化控制学习函数的复杂度并剔除冗余信息,不但可以提高学习机器的推广能力,还可以降低运算量.使用真实红外图像对算法进行了测试,并分析了算法参数.实验结果表明:算法可自适应预测不同类型的强杂波背景,并有效抑制背景杂波.     

红外偏振成像下的弱小目标检测

为了验证红外偏振成像在海杂波中检测弱小目标的可行性,开展了海背景下的红外偏振成像实验。使用未装偏振片和加装偏振片的红外热像仪对海杂波背景下的弱小目标进行了探测,同时采集了相应状态下的数据。为了验证偏振片对海杂波的抑制效果,对采集的数据进行了图像处理。从没有加装偏振片的红外热像仪数据中无法提取测试目标,而从加装偏振片后的红外图像数据中通过图像增强、中值滤波以及边缘检测的图像处理手段提取出了测试目标。