基于分层动态规划的红外弱小目标检测

为了检测低信噪比下的红外弱小目标,本文将方向中值滤波与分层动态规划算法相结合进行检测前跟踪。利用背景杂波在局部空间上的相关性,提取目标在四个方向的中值进行自适应加权滤波,抑制结构性杂波分量,改善信噪比。针对分割后的备选目标点,为了减少跟踪检测的计算量,根据真实目标运动轨迹的连续性与光滑性,利用分层动态规划算法进行多帧检测,进而对多层检测结果进行配准并做出决策。仿真实验表明方向中值滤波有效的提高了信噪比,分层动态规划算法进一步降低了虚警概率,同时大大提升了计算速度。     

一种新的红外图像目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法．算法利用了小波变换的多分辨率、多尺度特性，将要检测的图像分解到不同频率的多个尺度上，再采用形态学的背景估计和形态滤波技术，对分解后的子图像进行处理、小波重构．仿真实验表明，该算法可较强地抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰，可检测出信杂比(SCR)为2的目标，适用于舰栽红外警戒系统．     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。     

基于局部纹理分析的小目标检测方法

在多分辨率分析的基础上,提出了一种基于局部纹理分析的小目标检测新方法。利用目标与背景的局部纹理特征差异,在局部距离像上完成小目标的检测;而传统的检测方法利用目标点亮度值与背景亮度值不同进行目标与背景的分离,因此本方法更能体现目标与背景的差异,在强杂波背景中实现高效的检测。对实测数据的仿真实验表明,该方法能有效地检测占极少(1-3 个)像素的小目标;同时,在小波分解阶段分别采用 Mallat 算法和 à trous 算法时,该方法都能在 0.65秒内完成单帧检测,具有良好的实时性能。     

形态学和小波域杂波抑制的微弱目标检测

本文提出了一种基于形态学和小波域杂波抑制的微弱目标检测方法,该方法将图像序列进行形态擘tophat滤波,然后小波变换,再分别对各小波子带作平滑滤波,按各子带对滤波前后小波系数作差分运算,最后经过小波逆变换得到具有微弱目标的残差图像序列.用残差图像tophat结果估计目标潜在区域,在目标潜在域的约束下,对残差图像序列进行时空域数据融合,实现微弱运动目标的检测.仿真实验表明,该方法杂波抑制后残差图像具有很好的白高斯特性,且目标邻域信杂比(scNR)的平均增益比图像空域平滑滤波和图像频域低通滤波等典型运算的SCNR平均增益有明显改善,目标检测算法在5帧图像集成时能稳定检测出微弱运动目标轨迹.     

一种视频强杂波两级空域滤波抑制方法

为便于对复杂视频强杂波背景下的微弱运动目标进行检测,提出了一种两级空域滤波强杂波抑制方法。采用局域均值去除(LMR)作为一级滤波,将原始图像变换为较大局域内均值和方差缓变的二维广义平稳过程,再通过基于二维AR模型参数估计的二级滤波器自适应滤除残余杂波。实验结果表明,对于一般噪声条件下的视频目标图像,利用该方法处理后得到的残留噪声呈现出很好的高斯性和独立性,并且输出目标信号杂波噪声比(SCNR)的平均增益达到1．33dB,有利于进一步的检测。     

多目标环境下跑道异物监测雷达的CFAR检测技术

强地杂波下的弱固定目标检测是机场跑道异物监测雷达需解决的关键问题之一,传统的恒虚警检测算法在多目标环境下会出现“自屏蔽”效应,不能有效地检测到目标。本文提出了一种剔除平均杂波图恒虚警检测算法,在分析系统特性和跑道环境的基础上,结合调频连续波雷达体制建立了多目标回波信号模型。在剔除若干个样本值后,由余下的样本值估计背景杂波强度,对多次连续扫描测量值作递归滤波处理,获得了平稳的检测门限,有效地检测到了目标。最后,进一步讨论了相关参数对检测性能的影响。     

基于块估计的运动目标检测方法

提出了一种适合于运动目标检测的块运动分析方法,用以补偿移动背景所带来的杂波信息,准确检测运动目标。在对原始图像进行滤波的基础上,选择合适的子块,通过块匹配,得到背景位移矢量;利用这些运动参数,在相邻帧之间进行运动补偿,达到分割运动目标的目的。该算法对背景的适应性能好。     

基于假设理论的序列图像中多目标检测和跟踪

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

基于SNIC超像素融合纹理特征和上下文内容的显著性目标检测算法

针对显著性目标检测算法在面对复杂场景图像时存在背景错误凸显和不能凸显纹理细节的问题,提出一种改进的基于SNIC超像素融合纹理特征和上下文内容的显著性目标检测算法。对图像进行SNIC超像素分割,基于超像素的距离、颜色得到超像素显著图;利用LBP算子得到图像的纹理显著图,将超像素显著图以及纹理显著图结合得到初级显著图,最后将初级显著图与CA模型下的显著图融合,得到最终显著图。基于MSRA10K数据集将该文算法与其他5种算法进行对比测试。结果表明：该文所提出的算法与其他现有的显著目标检测算法相比,该文算法可有效抑制相似背景的干扰,突出目标区域的纹理信息,并且具有较高的准确度和稳定性。     

起伏背景的小目标快速检测算法

分析了双门滤波算法抑制噪声能力强的特性,针对其在计算目标门和背景门均值和方差时计算量大的缺点,提出了一种快速双门滤波算法,该方法利用两个与图像一样大的二维数组来保存中间结果,这两个数组的元素值分别代表图像左上角所有像素的和与平方和,则计算目标门和背景门的均值和方差时可将MxN次加法和一次除法简化为两次减法、一次加法和一次除法运算,从而大大减少运算量,本算法的计算量从理论上讲仅为传统双门滤波运算量的3/M×N,且计算量不会随目标门、背景门尺寸的增加而增加(M、N分别代表背景门的高度和宽度).运用快速双门滤波抑制背景和噪声,初步检测出目标,然后再利用目标运动的连续性剔除虚假目标,实现运动目标的最终检测.试验结果表明:该算法能够对小目标进行有效的检测.     

光电图像序列运动弱目标实时检测算法

针对光电探测图像序列中的运动弱小目标实时检测问题,提出了一种基于时空域融合滤波的弱目标检测算法。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,两者融合后经自适应门限分割与航迹关联确认目标。实际录取数据分析结果表明,算法全面考虑运动弱小目标在时域与空域方面的特性,能更有效地从复杂背景中检测低信噪比运动弱小目标,减小了虚警率,抗噪声干扰能力强。     

红外弱小目标检测背景抑制算法研究

复杂背景下红外小目标识别一直是红外图像处理的关键技术之一,针对复杂云背景下红外弱小目标的时域和空域特征,考虑到易于硬件实现和实时性要求,提出基于快速统计排序滤波和Robinson Guard滤波并行快速处理算法,对复杂背景进行高信噪比抑制。实验证明,该方法能够有效地提高红外弱小目标图像信噪比和复杂背景下的小目标的检测概率。     

基于包络滤波的电磁超声检测数据降噪算法

针对电磁超声检测中的噪声问题,提出了基于包络滤波技术的噪声消除方法。该方法利用三次多项式插值曲线拟合法求取原始信号的包络曲线,按照设定的降噪阈值用上下包络线分别分段地对原始信号进行修正,最后对上下包络修正的结果取平均,从而实现平滑信号和抑制杂波的作用。该方法的处理过程不会损伤信号的主体特征,对于混叠在信号中的多种类型的高频噪声都能进行很好的抑制。利用电磁超声表面波的实验数据对算法进行了检验,实验结果表明,基于包络滤波的降噪算法可以有效地消除检测信号中的杂波和毛刺干扰,抑制噪声的幅度,提高信噪比。     

基于背景杂波自适应预测的微小目标检测

本文主要研究基于图像的强空域杂波背景下微小目标检测.本文提出了一种新的基于邻域梯度差平方累积函数最小原则的背景杂波自适应预测算法.该算法能显著改善微小目标的信杂比(SCNR).试验证明,本算法相对于已有的多种算法,有着更好的性能.本文还引入了一种基于统计分析的快速检测算法,该算法能在较低的虚警概率情况下,获得更高的检测概率.理论分析及仿真表明,本文提出的检测系统在微小目标检测中,具有很高的实用性.     

杂波环境下机动目标跟踪算法研究

杂波环境下的机动目标跟踪问题具有非线性、非高斯、不完全观测的特点，其难点在于观测值与目标的对应关系及每一时刻的运动模式均呈现高度不确定性。文中将多模型理论和辅助粒子滤波算法相结合，提出了一种新的杂波环境下机动目标跟踪算法——多模型辅助粒子滤波算法（MMAPF）。仿真结果表明，该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比，在相同的情况下，具有更高的滤波精度和较好总体性能。     

一种基于粒子滤波的特征融合跟踪算法

针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题,本文提出一种基于粒子滤波的特征融合跟踪算法。颜色直方图是对目标的全局描述,而方向梯度直方图包含了一定的结构信息,二者可以互为补充,因此本文算法同时用颜色直方图和方向梯度直方图来描述目标,在粒子滤波框架下将目标颜色和梯度信息有机结合,并自适应更新。实验表明,本文算法不仅提高了跟踪精度,而且具有较强的鲁棒性。     

对海面重拖尾杂波下相位梯度自聚焦算法的改进

由于海杂波的随机动态特性,用合成孔径雷达(Synthetic Aperture Radar,SAR)对海面上的舰船目标成像时,相位梯度自聚焦算法(Phase Gradient Autofocus,PGA)的聚焦效果变差.在统计海杂波的分布特性之后,在大多数情况下可以用α-stable分布模型比较好地描述海杂波的幅度特性,尤其对于拖尾较大的海杂波.用分数低阶统计模型和相位梯度自聚焦算法结合起来(PGA-FLOS),可以有效地改善海面上舰船目标的成像效果.仿真和对实测海面数据处理都证明了文中算法的有效性.     

空时级联滤波红外点目标检测

时域递归最大值滤波是一种较易实现的红外小目标检测方法,但是在递归过程中存在目标膨胀的缺陷,影响了该方法的应用。通过研究分析,提出了条件最小值滤波替换最小值滤波抑制目标膨胀,较好解决了目标膨胀问题。结合空域最大中值滤波预测背景,将点目标和强噪声保留在预测残差中,再通过递归最大值滤波对预测残差进行时域递归处理,以完成能量累积提高信噪比,设计完成的算法实现了对尺度为 1 个像素,运动速度小于 1 像素每帧的点目标的可靠检测。     

一种新的空时域滤波小目标检测方法

为了提高红外图像序列中弱小目标的信噪比和检测概率,同时考虑检测算法实时性,提出了一种新的基于空时域滤波的小目标检测方法.首先,以第一帧图像为参考帧,对各帧图像进行运动补偿;然后,对运动补偿后的各帧图像在空域进行方差加权信息熵滤波,对空域滤波后图像采取双向隔帧差分的时域滤波;最后通过检测差分图像中的"凸包",抑制背景和噪声,检测小目标.文中给出了实验结果与分析,并与其他方法作了比较.实验结果表明,上述方法能大幅度的提高目标的信噪比,检测小目标,且实时性好.