Marr方法在红外小目标检测中的应用

介绍了Marr视觉理论的基本框架及Marr-Hildreth边缘检测的基本原理,给出了LoG模板实例,并将其应用于红外小目标检测中。编程仿真结果表明,该方法对红外小目标能取得较好的检测效果。     

红外序列图像中运动小目标的检测

文中介绍了红外图像背景以及运动小目标的特性,将检测算法分为两大类,概述了红外图像中运动小目标检测的一般方法和流程,并具体介绍了几种典型的检测算法,分析了它们各自的特点。     

基于MAC的红外小目标自适应检测

针对复杂背景下的红外小目标检测,介绍了一种基于小波包变换和最小平均代价的最佳全局自适应检测算法.通过对目标图像进行小波包降噪和非线性变换对比度增强处理抑制背景杂波、提高信噪比.分析并提取了一种用于目标检测的有效特征矢量,建立并验证了目标和背景不同模式下特征矢量的分布模型.根据该模型基于最小平均代价准则解算出最佳全局自适应分割门限,从而实现红外小目标的自适应检测.仿真实验表明,小波包变换与非线性图像增强处理具有良好的降噪性能,且最佳全局自适应检测法的检测性能优越.     

基于深度学习的红外小目标检测算法综述北大核心CSCD

红外检测技术具有受环境负面影响小、抗外界干扰能力强等优势,在众多领域皆有极为重要的应用价值。然而,由于红外小目标存在缺少明显的可用信息、边界模糊等问题,对其检测的难度较大,因而成为目标检测领域的研究热点与难点。本文通过分析困扰红外小目标检测研究发展的难题所在,首先就目前针对其检测的传统算法原理进行简要说明。其次,详细阐述了基于深度学习的多类型红外小目标检测算法,并对相关算法的分类、评估指标、相关数据集等多方面内容进行了介绍,随之以实例说明对当前算法改进的有效方式。最后,归纳总结现有检测算法的优缺点,探讨了红外小目标检测研究领域的未来发展趋势,即向高精度、高实时性、强鲁棒性、低复杂度的算法方面深入研究。     

基于局部均值的红外小目标检测算法

复杂背景条件下红外小目标检测是红外自动寻的、红外预警系统的关键技术和研究热点之一。为了能有效地检测出小目标,对红外图像中的小目标与背景特性进行了分析,在充分利用小目标与其局部背景差异的基础上,提出一种基于局部灰度均值确定红外小目标尺寸和位置信息的算法。首先,给出判断像元属于小目标的必要条件,该条件判定图像中哪些像元可能属于红外小目标;其次,基于可能属于小目标的像元给出小目标可能的尺寸值;再次,对所得结果进行优化,排除虚警;最后,根据前三阶段所得结果确定小目标的尺寸和位置。Matlab 仿真结果表明,对复杂云层背景的红外图像,Top-Hat 检测算法虽然检测速度快,但当虚警和目标的灰度值相等时不能很好地对目标进行检测;新算法在选择合适参数的基础上能准确给出目标的位置信息,并能较好地估算小目标尺寸,然而新算法在检测速度上仍有待进一步提高。     

基于遗传算法红外小目标检测的研究

为解决复杂空中背景下红外弱小目标的快速检测,提出了一种基于遗传算法的检测思路。该思路主要是通过利用遗传算法高效快速的搜索方式,结合传统的红外小目标检测算法,最终实现红外弱小目标的快速检测。最后通过MATLAB编程后,实现了复杂背景下红外小目标的快速检测。通过仿真及与相应的传统算法的比较,发现了遗传算法自身的优势和劣势,最后说明了遗传算法在红外小目标检测领域广阔的应用前景。     

基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

核Fukunaga-Koontz变换检测红外小目标

Fukunnga-Koontz变换作为一种两类模武识别工具,源自主成分分析,只能提取图像的二阶统计特征,没有考虑图像的高阶统计特征,用于红外小目标检测时难以达到满意效果.为了提高目标检测性能,本研究首先将Fuku-naga-Koontz变换推广到高维核特征空间,成为核Fukunaga-Koontz交换,以提取图像的高阶统计特征,从而利用核Fukunnga-Koontz变换来检测红外小目标.     

基于粗糙集理论的红外小目标检测

红外图像处理中的点目标检测技术是近年来信息处理研究的热点和难点之一,而粗集是一种用于处理含糊和不确定性问题的新的数学工具。本文提出了基于粗集理论的红外小目标检测算法,该检测算法可按红外图像模型的频域属性、灰度值属性和相关性属性,把目标从背景中分离出来。实践结果表明,该算法能够对小目标进行可靠的检测。     

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题．提出了一种基于时空域融合滤波的小目标检测算法。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,时空域处理结果融合分割后,根据目标运动的连续性和规则性．利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率．抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

红外图像序列运动小目标检测的预处理算法研究

讨论了复杂背景下低信噪比的运动小目标的检测,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,然后采用领域判决法实现运动目标的进一步分离,用图像流分法进行目标的最终检测。实验结果表明：该算法能够对小目标甚至是点目标的运动进行可靠地检测。     

基于向量机的红外小目标检测技术研究

针对红外序列图像中弱小目标检测问题,提出了用最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,实现目标的粗定位。真正的目标取决于中心点的灰度是否高于其邻域的平均灰度。并以径向基核函数为例推导出了极值点估计所需的二阶方向导数算子。对模拟和实际图像进行了小目标检测的实验验证。结果表明,基于支持向量机的小目标检测算法具有较强的适应性。     

红外图像序列小目标的特性分析与检测

在红外图像中微弱小目标的检测一直是研究的重点和难点。文中介绍了一种利用形态学的Top-hat算子检测方法，主工步骤是先对图像进行滤波，然后依据目标运动的连续性进行目标检测，并对检测所得的目标特性进行分析。实验表明，该检测方法十分有效，并且还发现图像序列中小目标的灰度和质心位置变化是有规律的，它可提高检测的准确性。     

红外探测系统线性小目标检测算法研究

通过对红外探测系统成像过程及特点的详细分析,提出了快速线性特征检测算法以及线性目标矩形特征检测算法,用于线性小目标的检测,并给出了算法流程和实验结果.该算法作为辅助算法应用到了低空红外探测系统中,取得了良好的效果.     

海空背景下红外小目标检测算法

研究海空复杂背景下红外图像小目标检测问题,针对海空背景下远距离小目标总是出现在水天线附近的特点,通过小波多尺度分析边缘检测算法检测水天线,确定出目标潜在区域,再进行精细目标搜索,从而提出了一种由粗到精的小目标检测算法。实验结果表明,对一般噪声条件下得到的红外目标图像,该方法能准确地检测、定位小目标,单帧检测准确率达96%以上并具有单帧检测率高、实现速度快的特点。     

时空联合红外小目标检测算法的设计与实现

针对小目标检测方法受信噪比影响较大的情况,本文提出了一种时空联合小目标检测方法,通过使用目标的灰度特征,梯度特征,运动特征实现对小目标的检测,并在FPGA平台上完成了硬件实现.实验结果表明,本文提出的算法检测准确性较高,实时性较好,能够实现对红外小目标的实时检测.     

基于带通滤波的红外小目标捕获算法研究

分析了红外点目标的成像特性，介绍了带通滤波的特点和设计方法，并在对数据进行滤波处理后采用基于位置和灰度相关算法对目标进行确认，引入了海天线的计算模型。该方法适应性强，处理效果好，对海背景干扰和天空去云层干扰具有较高的抑制作用。通过卷积实现的带通滤波算法计算简明，且容易由硬件实现，对运动小目标的检测具有较强的应用价值。实验结果表明该算法能够检测出海天背景下帧间移动的低信噪比的红外小目标。     

新的红外图像小目标检测方法

在分析了海空背景下舰船目标红外图像特征的基础上．提出了一种基于背景粗糙度估计的红外图像小目标自适应检测算法,该算法利用LOG算子检测目标的大致轮廓,确定目标的中心点作为区域生长的种子点,可以看作是为后续处理压缩数据量的一种方法。它可以减少运算量,提高检测速度,抑制对不必要的种子点的区域生长,提高目标的检测概率。     

天空背景下红外弱小目标检测算法研究

针对天空背景下红外弱小目标检测困难的情况,首先通过改进的形态学滤波目标增强方法对图像进行背景抑制与噪声去除,而后采用恒虚警检测方法(CFAR)对滤波后图像进行分割,获得候选点目标,然后采用行程目标标记的方法得到候选目标的位置信息、面积信息等,单帧图像检测之后,复杂的天空背景仍然会存在虚警。为了提高检测概率、降低虚警率,结合目标运动特性(包括运动轨迹、速度、加速度等)、灰度变化、面积变化等帧间相关性采用移动式管道滤波方法对序列图像候选目标做进一步判断。实验结果表明,该方法能有效地从复杂背景中检测出真实目标。