迎头目标的红外图像特征与检测难点分析

有关迎头目标的理论分析对海战场上攻击和预警双方都有着极高研究价值。文章在介绍具有最强攻击力的迎头目标的军事价值基础上,分析了迎头目标的物理运动特点和红外成像特征,总结了对其有效检测的几个难点及原因,得出了对红外图像中迎头目标单帧检测和多帧跟踪的研究重点,为研究在复杂环境下对迎头目标的检测与跟踪算法提供参考。     

红外目标图像尺度自适应检测算法

针对红外目标尺寸不定的实际情况,提出了对基于数学形态学的红外目标检测方法的改进。首先,对数学形态学进行了介绍,然后提出了一种红外目标检测的改进算法,最后给出并分析了该算法的仿真结果。实验结果表明,该算法是一种有效的红外目标检测算法。     

运动目标检测的红外与可见光图像融合方法

在弱可见光条件下,对同一场景监控的红外与可见光图像进行融合,使融合图像即显示红外目标,又能保留可见光图像的细节结构信息,方便观察者对场景的观察与监控。充分利用红外成像的特点,热目标与背景的温度差会使目标在红外图像中的灰度值更大。使用红外序列建立稳定的背景模型,当前帧与背景的差得到运动目标区域,然后,将目标区域内的红外目标融合到可见光图像中,达到对红外运动目标检测的目的。     

云天背景下红外序列图像的小目标检测

针对在云天背景下红外小目标的检测提出了一种背景抑制滤波器,与其它滤波器相比,滤波后图像的信噪比有了较大的提高.在图像分割时,先对图像均衡化,再利用最大对比度确定门限,该方法比其他分割方法具有更大的灵活性和有效性.在目标检测阶段,我们先进行HFQC滤波,然后设计管道作目标识别,能够较好地检测目标实验证明,该方法的检测精度有了很大提高.     

基于深度学习的实时图像目标检测系统设计

针对图像目标检测的嵌入式实时应用需求,采用合并计算层的方法对基于MobileNet和单发多框检测器(SSD)的深度学习目标检测算法进行了优化,并采用软硬件结合的设计方法,基于ZYNQ可扩展处理平台设计了实时图像目标检测系统。在系统中,根据优化后的算法设计了一款多处理器核的深度学习算法加速器,并采用PYTHON语言设计了系统的软件。经过多个实验测试,深度学习目标检测系统处理速度可以达到45FPS,是深度学习软件框架在CPU上运行速度的4.9倍,在GPU上的1.7倍,完全满足实时图像目标检测的需求。     

基于DSP+FPGA+ASIC的实时红外图像处理系统

设计了一种高性能实时红外图像处理系统。针对红外探测系统,提出了DSP FPGA ASIC的图像处理架构,采用FPGA(EP1S10)实现非均匀性校正等图像预处理,自主研制的ASIC芯片实现图像多级滤波处理,DSP(TMS320C64X)实现红外小目标检测算法,构成处理能力强、接口可靠稳定的图像处理系统。实验测试表明,该实时红外图像处理系统工作稳定、可靠,满足系统性能指标的要求。     

红外弱小目标预处理及检测方法研究

本文针对红外弱小目标检测问题，通过分析研究多种红外小目标检测的预处理方法。提出了一种能有效检测出低信噪比条件下运动小目标的算法，并给出了相应的实验结果。     

红外视频中特定形状目标的实时检测

红外视频跟踪技术具有相当广泛的应用前景.本文以单个圆形目标为例,介绍了红外视频中特定形状目标的实时检测算法.该算法的基本思想:在视频图像中设置若干条扫描线,并利用这些扫描线与目标边缘的交点计算出目标的参数.算法还对随机哈夫变换进行了改进,将在由交点参数计算目标参数时使用.实验表明,该算法准确性高、实时性好,能够满足实际应用要求.     

红外弱小目标检测算法综述

红外探测技术具有不受环境等因素干扰的优势,在红外制导、预警等军事领域的应用日益广泛。随着对红外弱小目标检测技术的研究越来越深入,相应的检测方法越来越多样。本文通过对红外弱小目标图像中目标与背景的特性以及红外弱小目标检测技术难点问题进行分析,根据当前是否利用帧间相关信息,分别从基于单帧红外图像和基于红外序列两个角度,选取了相应的红外弱小目标算法进行对比,对其中典型算法的原理、流程以及特点等进行了详细综述,并对每类检测算法的性能进行了比较。针对红外弱小目标图像信噪比低的特点,对红外弱小目标检测算法的难点问题进行分析,给出了目前各种算法的解决方法和不足,探讨红外弱小目标检测算法的发展方向,即研究计算量小、性能优、鲁棒性强、实时性好和便于硬件实现的算法。     

基于小波包变换的红外弱小目标检测

针对复杂背景下红外弱小目标的检测问题,提出一种基于小波包变换的红外弱小目标检测算法。该算法首先采用小波包变换对含有弱小目标的红外图像进行多尺度分解,得到不同尺度下的高低频节点系数;其次根据不同节点系数重构时对目标能量贡献的不同,选取高频频带中能量分布居中的频带节点系数对图像进行重构完成背景抑制;最后对重构后的目标图像采用自适应阈值分割方法进行目标分割,得到目标检测结果。实验采用多组红外序列图像进行验证,仿真结果表明：该算法可以很好地抑制背景和云层边缘,精确地检测出目标信号,同时提高了目标的信杂比和对比度等参数。     

基于ToF红外图像的手部轻量化检测算法设计与优化

嵌入式设备上实现快速精准的手部检测主要面临两个挑战：一是复杂的深度学习网络很难实现实时的手部检测;二是场景复杂性导致基于RGB彩色图像的手部检测算法准确率下降。与主流基于RGB图像的检测技术不同,基于ToF红外图像的轻量化手部检测算法实现了红外图像中手部的精准快速检测。首先,通过自主研发设备采集了22 419张静态红外图片,构建了用于手部检测的红外数据集;其次,通过对通用目标检测算法进行轻量化改进,设计了RetinaHand轻量化手部检测网络,其中采用了MobileNetV1和ShuffleNetV2两种不同的轻量化网络作为模型骨干网络,并提出了一种融合注意力机制的特征金字塔结构Attention-FPN;最后,在红外数据集上与常规方法进行了对比实验,验证了该方法的有效性。     

红外舰船目标的自适应鲁棒检测方法

针对背景杂乱的红外舰船目标检测问题,提出了一种红外舰船目标的自动检测新算法。该方法利用红外舰船图像中目标与背景在灰度直方图上的差异,通过对拟合直方图的多项式曲线参数鲁棒求解,进而求出舰船目标的分割阈值。然后,根据红外舰船目标亮度与图像平均亮度的关系等,对求得的阈值合理性进行判断。若该阈值不合理,则将其作为阈值初值,对红外舰船图像进行自适应局部递归分割。最后,结合红外舰船目标吃水线、天空与背景的边界特征等先验知识,对分割出的背景进行剔除。实验结果表明,该方法对强杂波干扰的红外舰船目标能实现可靠的检测,具有很好的适应性和鲁棒性。     

红外小目标检测跟踪系统设计

从图像处理方法的角度对红外图像中小目标的检测、跟踪进行了研究,给出了系统总体设计框图,整个检测算法的前端图像滤波预处理采用FPGA实现,识别跟踪采用DSP实现。详细介绍了系统各功能模块的设计方法。实验表明该系统实现了小目标检测跟踪的功能,工作稳定可靠。     

数学形态学在紫外目标检测中的应用

由于我国的紫外成像探测技术起步较晚、技术较为落后,有关紫外图像处理方面的研究报道很少。在以往相关研究工作的基础上,针对紫外成像探测系统的日盲紫外小目标图像序列,设计了一种基于数学形态学和图像差分相结合的空间小目标提取方法。首先对原始图像进行灰度形态开运算处理,以减弱噪声和突出目标;然后采用自适应阈值算法对图像序列进行绝对差分运算;从而检测出潜在的目标。实验表明,该算法既能去除背景和噪声干扰,又可有效地检测出图像中的小目标。     

靶场红外测量图像弱信号小目标检测系统的设计与实现

分析了红外图像中小目标、噪声以及背景的特点,考虑到单帧图像处理不能兼顾对目标的可靠检测和低的虚警概率,而现有的多帧检测算法计算量大,难以实时实现,采用了将单帧和多帧检测有机结合的小目标检测技术.首先采用基于高阶统计量的目标检测算法,从单帧强噪声图像中检测出虚警率低的候选目标点;然后针对小目标运动的一致性和连续性,采用多帧高阶互相关的序列图像处理方法,得到目标运动轨迹;最后再对目标运动轨迹进行综合评判,进行航迹确认,得到真实目标的位置和轨迹.实验结果表明,该技术降低了虚警概率,提高了检测概率.     

红外背景抑制与小目标检测算法

目的 针对Robinson guard滤波器的局限性和红外图像背景抑制问题,提出一种新的红外背景抑制滤波算法。方法 首先通过形态学Tophat算子对图像背景进行抑制,然后对背景抑制后的图像采用改进的Robinson guard滤波器进一步凸显目标,并通过阈值化分割出感兴趣区域,在此基础上,利用Unger平滑去除小的噪声点,最后用局部信杂比（SCR）和移动式管道滤波剔除伪目标,实现运动小目标的准确定位。结果 采用3组不同的红外背景图像序列进行实验,所提算法对不同背景均有很好的抑制效果,与传统Robinson guard滤波方法相比,本文算法不仅能更有效地保留目标的特征信息,而且对3组图像序列的小目标的检测率分别提高了1.1%、2%、11%,虚警率分别降低了14%、12%、16%。结论 本文算法能有效地检测出小目标,具备较高的准确性,对于低信噪比的图像具有良好的适应性。同时,本文算法具有较高的实时处理能力,有利于实现实时性技术应用。     

基于模糊最大熵的红外图像增强算法

针对红外图像整体亮度偏暗、对比度较低、目标与背景区分不明显的特点,论文提出了一种基于模糊最大熵和改进的S函数的图像增强算法。该方法首先通过模糊最大熵准则求取最佳阈值,再使用改进的S函数对阈值两侧的像素灰度进行模糊域的非线性拉伸,从而得到增强后的红外图像。实验结果表明,该算法能明显提高红外图像对比度,突出目标并降低背景噪声。     

基于DM642的运动目标检测

提出了一种高斯混合背景模型和YUV色度空间相结合的运动目标检测算法。高斯混合模型对背景光线变化有较强的鲁棒性,且对背景中的周期性变化有较好的抑制作用,检测出的目标有较好的连通性;但其对于全局亮度的变化及噪声较为敏感,容易误判。为此选取对亮度变化不敏感的UV分量来进行运动目标检测,然后再和Y分量的高斯混合背景检测进行"与"运算,从而消除高斯模型的误检,最后针对运动目标的影子问题,采用基于垂直投影图的阴影消除算法除去影子。算法在DM642开发板上实现。实验结果表明,该算法能够实时精确地检测出运动目标,且对全局光照变化不敏感。     

基于图像融合的红外弱小目标增强方法研究*

提出了一种使用图像融合进行红外弱小目标增强的算法,该算法采用两次融合结构。在一次融合中,使用简单图像融合方法将连续多帧图像进行融合以减少数据量并抑制噪声;在二次融合中,将一次融合的结果进行多尺度分解并对分解所得低频和各高频部分分别进行融合。对比了二次融合中使用小波变换、轮廓波变换、非下采样轮廓波变换等多尺度分解方法的融合效果。仿真实验结果表明了该方法的正确性,实现了对红外弱小目标的有效增强。     

基于改进双滑窗的红外小目标检测算法

分析了红外小目标图像的时域特性以及小目标、噪声、背景的不同特点,提出了一种时空结合的红外小目标检测算法。首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,提高了目标信噪比(SNR);接着,使用中心点判别方法检测出可能的小目标点;然后,利用双滑窗方法去除孤立的噪声;最后,运用区域相似度判别函数,剔除边缘纹理的干扰,检测出小目标。仿真实验表明,该算法不仅具有良好的实时性,同时还具有较高的检测概率和较低的平均虚警数。