基于复杂度和方向梯度的红外弱小目标检测方法

为解决天空背景下红外弱小目标检测问题,提出了一种基于图像复杂度和方向梯度的检测方法。利用信息熵对图像复杂度进行描述,引入了图像方差和像素局部变化率对信息熵进行加权,使云内部和云边界区域得到抑制。以复杂度为描述对象,建立多级多方向梯度模型,在背景局部复杂度高于目标复杂度的情况下,仍能够有效分割出目标。实验证明,该方法能够在复杂云背景情况下检测出弱小目标。     

基于联合方向梯度和均值对比度的红外弱小目标检测方法

针对小目标在整幅图像中占比很低,且目标周围存在大量杂波,提出了一种基于联合方向梯度（Associated Directional Gradient,ADG）和均值对比度（Mean Contrast,MC）的红外弱小目标检测算法。该算法由两个模块组成：ADG利用红外弱小目标的高斯分布模型,将单一方向的梯度与一个相邻方向上的梯度相加组成新的联合梯度特征,增强真实目标、抑制背景杂波的同时能够消除高亮边缘对目标检测效果的影响;MC融入方向信息来计算目标的多方向对比度,选用多方向对比度的最小值抑制结构噪声,并将均值滤波的思想引入对比度的计算,抑制背景中的孤立噪声,进一步降低检测的虚警率。在实际红外图像上的实验结果表明,该算法在增强目标信噪比和抑制背景噪声方面,能够取得较好效果。     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

结合形态学和Canny算法的红外弱小目标检测

为了解决红外弱小目标精确自适应检测的问题,本文提出了一种基于Canny算法、top-hat算法和中值滤波算法结合的红外弱小目标检测方法。该方法不同于传统的Canny弱小目标检测方法,本方法先选定合适的窗口对图像进行中值滤波处理,在去除噪声的同时有效保持图像的边缘信息;再用形态学处理中的top-hat算法抑制复杂背景,去除云层;最后使用自适应Canny算法提取红外小目标的边缘信息精确定位目标的位置。实验结果证明了该方法的有效性和优越性,本文设计的组合算法能够精确定位小目标的位置,信噪比增益达到10倍以上,排除噪声以及云层的干扰作用较强,具有一定的自适应性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

结构元素选取对基于形态学红外点目标检测的影响

针对形态学图像处理中结构元素的优化选取问题,在结合灰值形态学和背景抑制技术,提出基于灰值形态学的点目标检测算法的基础上,重点分析和对比了结构元素的选取对不同的云天背景成分和点目标特性所产生的不同的处理性能,为结构元素的选取提供了一种有针对性的分析方法.实验结果表明,应具体分析不同的云天背景成分和点目标特性,折衷考虑处理点目标的敏感性和预测背景的准确性,以选取合适的结构元素.     

基于形态学滤波的红外弱小目标背景抑制

针对红外弱小目标检测中的背景抑制问题进行研究.首先对形态学滤波中结构元进行改进,提出一种组合型结构元,然后结合线性滤波和非线性滤波技术,对受背景杂波和随机噪声影响的图像采用低通滤波与改进型形态学滤波相结合的方法进行背景抑制.对比实验结果表明,该方法比低通滤波和标准形态学滤波算法在低信噪比环境下具有较大优势,较好地实现了对背景杂波的抑制和目标信号的保持,显著提高了图像信噪比.     

基于多向梯度法的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标信噪比(SNR)低、对 比度小造成的红外目标检测率低和实时性差的问题,提出一种基于多向梯度法的红外弱小目 标快速提取算法。目标提取前, 利用多尺度拉普拉斯-高斯(LoG)算子抑制图像背景,凸显背景边缘轮廓与弱小目标;然后 引 入多向梯度目标搜索算法,选取最佳梯度数,利用最简算法快速搜索目标。实验结果表明, 本文算法处理后的红外图像有较高的SNR与对比度,检测率 为传统红外目标提取算法的1.5倍,充分保证了检测精度,且计算耗 时短,实时性强。     

基于灰度形态学的可见光弱小目标检测

在分析天文CCD图像的基础上,针对目标及噪声特点,提出基于形态小波变换的弱小目标检测算法.算法利用小波变换的多分辨率、多尺度性,把图像分解为高频和低频的子波带,在不同的子波带上利用灰度形态算子进行背景估计,最后利用背景抑制后的各子波带重构图像,自适应分割后根据目标运动的连续性来实现目标的检测.仿真实验结果表明该算法可以有效的抑制薄云、大气湍流带来的强背景干扰,对于信噪比低(≈2.5)的目标,其效果优于直接运用Top-Hat算子滤波的检测方法.     

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。     

基于梯度直方图和SUSAN算子的红外目标检测

红外制导技术的核心任务是将视场中的目标提取出来,然而受多种因素的影响,红外成像呈现出信噪比低,对比度不强的特点。为有效检测出红外目标,首先分析红外图像梯度信息并进行直方图统计,发现其值只占据窄小的区间,借鉴直方图均衡化思想,对梯度直方图进行拉伸,并与原图进行加权融合,增强图像对比度的同时增大信噪比,然后采用改进的SUSAN算法对图像进行处理,可较好的提取出红外目标。仿真实验结果表明,与传统算法相比,文中算法计算量小、运行时间短,可有效检测出目标,有利于工程实现。     

复杂背景条件下的红外运动小目标检测算法

在红外成像制导系统中,运动小目标易受到背景和噪声的严重干扰,从而导致较低的信噪比,给目标检测带来了难度.为此,我们首先使用基于Top-Hat变换的数学形态学滤波对红外数字图像进行背景抑制.进而对经过黑、白Top-Hat变换后的图像求取并集,然后,通过自适应门限分割得到小目标.试验结果表明该方法在信噪比接近2的时候仍能够得到较好的目标检测效果.     

基于K-means聚类红外目标检测

目标检测是红外图像处理环节中的重要组成部分,检测结果直接影响后续处理。在分析红外图像特点的基础上,采用改进的Top-Hat算子对红外图像中的噪声点进行抑制,同时基于传统K-means聚类思想,提出基于二维梯度信息的K-means聚类目标检测算法。实验结果表明,该方法抑制噪声作用明显,能很好地检测出红外图像中的目标,为后续图像处理工作打下较好的基础。     

红外目标检测的形态滤波改进算法及其DSP实现

基于数学形态滤波,提出了一种红外小目标实时检测的算法及其DSP硬件实现技术。首先分析了小目标检测过程,并论述了改进的形态滤波检测算法原理,然后根据算法特点提出了在DSP64X的实现方法和过程,最后给出并分析了该算法在红外探测系统中的运行结果。实验结果表明:该方法可以快速、可靠的检测出极低信噪比下的小目标,满足了系统性能指标。     

海面红外小目标检测算法研究

针对海面红外图像中出现的海面杂波和孤立噪声点的问题,采用了一种将空间域的滤波结果在时间域进行二次滤波的方法,实时地检测海面图像中的小目标.在空间域上,根据海面杂波具有一定方向性的特点,设计了4种方向的结构元素分别进行形态学运算来抑制海面杂波,再使用均值融合准则进行融合.在时间域上,利用目标在帧间的运动具有连续性而噪声点不具有该性质的特点,采用均值加权滤波的方法来滤除孤立噪声点,最后使用自适应门限分割检测出小目标.实验结果表明,本文算法在复杂海面环境下,能有效地抑制海面杂波和孤立噪声点的影响,减小虚警率,是一种有效的海面小目标检测方法.     

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法;即利用向量小波的优良性质,采用恰当的预滤波器对图像进行预处理;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割,最终将目标从背景中分离出来.通过理论分析和大量实验,表明了算法是有效的,并证明该算法能够快速稳定的检测出信噪比小于等于2的弱小目标.     

一种基于方差标记的形态学红外小目标检测算法

形态学算法在红外小目标检测上具有良好的性能,先对该算法的处理过程进行了分析,结合实际拍摄的红外小目标图像研究发现,算法在处理过程中存在很多不必要的计算,因此从提高算法的实时性出发,提出了一种基于方差标记的形态学方法.该方法首先计算图像每个像素的局部方差,然后由方差根据阈值判断条件对图像进行标记,标记完后再通过形态学算法对标记的部分进行Top-hat运算.理论分析和仿真实验表明,该方法能够极大的提高形态学的检测效率,而且对算法的检测性能有一定的提高.     

基于形态重构与跟踪的红外小目标检测算法

 结合形态学预处理与基于核密度估计的跟踪,提出了一种新的前视红外小目标检测算法:改进形态重构开Top-Hat算子,解决了原算子对前视红外图像预处理时高亮度背景有残留的问题;先融合初始多帧图像,采用阈值法检测出候选目标,提高检测率,再对候选目标进行跟踪,利用目标运动的连续性,检测出真实目标;引入伪透视运动模型对传感器全局运动进行补偿,避免了由图像抖动导致的真实目标跟踪失败,误当作伪目标去除.仿真实验效果较好.