双树复小波和独立分量分析的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。     

基于时空域融合的红外弱小目标检测算法

文中提出了一种基于时空域融合的红外弱小目标检测算法。算法首先采用Top-hat进行空域滤波,再采用三帧差分滤波器进行时域滤波。针对滤波后图像序列将只包括目标和少量噪声的特点,文中采用了一种或运算,或运算能进行能量累积,并检测出目标的运动轨迹。然后进行形态学闭运算,以连接可能断裂的目标轨迹。最后运用自适应阈值分割,检测出目标轨迹。仿真结果显示本算法能很好的检测出复杂背景下低速和高速运动低信噪比的弱小目标。     

自适应背景技术在红外起伏背景估计的应用

红外图像小目标检测问题是当前的研究热点。为了检测出起伏背景下的弱小目标，需要对红外图像进行背景抑制。文中对自适应背景估计技术进行了理论研究，并采用循环滤波法和线性、非线性的混合滤波分别对算法进行了改进且给出了实验结果。结果表明，改进了的算法比原算法对背景抑制参数(BSF)和信噪比增益(SNIR)都有所改善，对于红外起伏背景的估计具有一定的实际意义。     

基于细胞响应模型的红外背景抑制

为检测复杂背景红外图像中的小目标,解决红外弱小目标检测易受复杂背景干扰的问题,提出基于非下采样Contourlet变换(NSCT)和细胞响应模型的红外图像背景抑制算法。首先采用非下采样Contourlet变换对图像进行多尺度、多方向分解,得到各子带系数;然后根据目标、背景的不同特点以及子带的方向性,选取细胞响应模型的参数对中频各个子带系数进行处理;最后对处理后的子带系数进行重构得到背景抑制图像。实验结果表明:本文算法取得了更好的背景抑制效果,提高了单帧红外图像的处理能力,降低了后续检测与跟踪的难度。     

改进的Roberts图像边缘检测算法

针对复杂背景下图像边缘检测中存在抗噪性能不强、边缘不连续等问题,提出了改进的Roberts边缘检测算法。该算法采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值;并利用图像块之间相似性的三维块匹配的去噪模型,提高Roberts算子的检测精度和抗噪性能;通过最佳阈值迭代方法代替人为指定阈值来获取最佳分割阈值,有效地提取图中目标轮廓。仿真实验结果表明,该算法PSNR达到33dB左右,比抗噪形态学边缘检测算法和一种改进的Roberts和灰色关联分析的边缘检测算法抗噪性能好,在抑制噪声干扰的同时,能保留边缘信息,较好提取目标的整体轮廓信息,为后续目标识别奠定基础。     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题,提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波,然后对滤波后的图像进行背景预测,将原图像与背景预测图像相减获得残差图像,依据图像阀值分离出少量的候选目标点,再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像,最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。     

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外 小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵 算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明：该方法适应 性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。     

基于鲁棒主成分分析的红外图像小目标检测

鲁棒的小目标检测是红外目标搜索与跟踪的关键技术,提出一种改进的单帧红外图像小目标检测算法。该方法将原始红外图像通过预处理变换到新的红外块图像模式,在红外块图像上,将红外图像小目标检测问题转换为低秩矩阵和稀疏矩阵分离的鲁棒主成分分析(RPCA)问题。考虑到红外图像中噪声和杂波的存在,用交替方向方法求解带噪声的RPCA问题,获得稀疏目标图像,并对获得的稀疏目标图像采用简单的图像分割算法进行目标检测。对空天、海天、天云、海面4种不 同场景的红外图像小目标检测,进行仿真实验,结果验证了所提出算法的有效性。     

一种有效提高信噪比的红外小目标图像滤波算法

红外图像滤波处理是提高图像信噪比的有效方法,针对含有强起伏边缘背景的靶场红外测量图像,提出了一种先局部梯度中值滤波后中值滤波的组合滤波算法。仿真表明,组合滤波算法能明显抑制背景,突出目标,有效提高信噪比。     

基于车载计算机的红外图像移动目标检测

环境感知系统作为无人车平台的重要组成部分,是路径规划与决策控制等功能实现的基础与前提。结合车载计算机的硬件基础,设计一种复杂场景下的红外图像移动目标检测系统。该系统采用客户端/服务端(B/S)架构,在客户端浏览器进行服务请求后,服务端使用改进的YOLOv2算法对车载Rapid输入输出(RapidIO)高速总线传输来的红外图像进行目标检测;通过维度重聚类和改进激活函数等方法,有效降低了漏检和误检率;为弥补红外图像对比度低、纹理特征弱的缺点,提出一种基于直方图均衡化的双边滤波图像增强算法,该预处理能够有效保持图像轮廓细节信息。结果表明：改进YOLOv2算法的实时检测准确度相对于原始算法提升了4.1%;图像预处理算法显著提高了检测准确率;该系统可为开拓无人车载红外图像的应用领域提供可靠的技术支撑。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题,提出了一种基于边缘检测,综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘,提取出单帧图像中的可疑目标,依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配,完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿,选用目标空间位置进行多步预测,引导伺服机构跟踪。外场实验表明,该方法能有效她匹配识别出目标,并保持连续稳定的跟踪。     

基于小波变换和形态学的目标图像增强算法

基于图像视觉信息的目标检测与识别一直是研究的重点和难点,针对复杂坏境的图像呈现出对比度低,强噪声干扰,灰度集中的特点,提出了一种基于小波变换理论和数学形态学的目标图像增强方法;首先对图像进行了小波变换,提取高频分量系数,其次利用阈值算法对图像进行降噪处理,最后对图像进行形态学交替滤波得到增强后的图像;实验表明:该检测算法对提高信噪比,增强目标有很好的效果,适合与目标检测与识别,算法在性能上优于传统的单一算法。     

一种基于Wiener滤波的海天背景红外目标检测算法

针对海天背景红外目标信噪比低且容易受到海面杂波、云层背景干扰的问题,提出了一种基于Wiener滤波的海天背景红外目标检测算法。首先,采用Wiener滤波器实现红外图像的背景估计,利用方向梯度算子估计海天线,确定目标的潜在区域。然后,采用自适应阈值分割的方法确定目标位置。最后,根据多向梯度特征剔除虚假目标。实验结果表明,该算法具有较好的鲁棒性,且对云层边缘、海杂波有较好的抑制能力。     

基于红外图像的尾焰边缘检测

针对红外目标的成像背景具有非平稳性、相关性和复杂性等特点,提出了一种改进的二值化图像分割算法,结合Canny算子边缘检测对红外目标进行了有效分割,得到感兴趣目标区的最佳边缘检测效果。实验结果表明,用该算法对16位红外图像进行目标特征提取,算法简单,运算量小,能够有效提取目标边缘轮廓,达到了预期的效果。     

基于多尺度局部对比度和多尺度梯度一致性的红外小弱目标检测算法

针对复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题,提出了一种基于多尺度局部对比度方法与多尺度梯度一致性方法的红外小弱目标检测算法。利用多尺度局部对比度方法对红外图像中红外小弱目标进行增强,利用多尺度梯度一致性方法剔除复杂背景和强杂波干扰造成的虚警。从信噪比（SNR）增益、平均残留背景绝对值、检测率、虚警率及ROC曲线方面将新算法与max-mean算法、max-median算法、top-hat算法、IPI算法及MGDWIE算法进行了对比。实验显示：新算法相较于对比算法具有更高的SNR增益、更低的平均残留背景绝对值、更高的检测率及更低的虚警率。对比结果表明：新算法在复杂背景和强杂波干扰下具有良好的红外小弱目标检测准确性和鲁棒性,有效改善了复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题。     

基于模板匹配的前视红外目标识别方法

针对固定目标红外图像中边缘模糊,难以分割和识别的情况,提出了一种基于模板匹配的目标识别方法。由高程数据和正射影像等卫星数据生成目标区参考图和基准图,在基准图中根据归一化Laplace响应确定目标区特征尺度作为目标检测的先验知识,对实时图及灰度反转实时图进行匹配滤波,检测出候选区域,再对候选区域进行基于Hausdorff距离的模板匹配,从而得到最终识别结果。实验结果显示:该算法识别精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

一种红外运动车辆识别的新方法

针对红外图像的特点,文中提出了一种识别运动车辆的新方法。首先,多尺度形态滤波器对原始图像进行滤波,消除噪声,并对梯度图像进行平滑;其后用改进的分水岭算法对运动车辆的红外图像进行分割并对分割的结果进行区域融合;最后提出了一种基于模板匹配的方法对融合后的图像进行识别。实验证明,本算法对运动车辆有较好的识别效果。     

复杂背景下红外小目标自适应检测跟踪

本文针对复杂背景下红外小目标检测跟踪问题,提出了一种背景自适应的目标检测跟踪方案。针对地面背景下的红外目标检测,采用帧差法,分别提出了跳帧多帧差法和双阈值多帧差法以应对目标长时间静止和灰度对比度下降的问题。针对天空背景下的红外目标检测,采用基于目标区域稳定性和显著性(Regional Stability and Saliency, RSS)的检测算法。在检测得到目标备选点后,使用带标签的高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density, GMPHD)滤波器对备选点滤波以输出目标初始轨迹。同时引入轨迹整理将间断的初始轨迹重新连接并进一步去除虚警。经过验证,本文提出的目标检测方法可在复杂多类背景下准确检测并跟踪红外图像中的小目标。     

基于红外图像与可见光图像特征融合的目标检测算法

对可见光与红外图像融合目标检测问题进行了研究,提出了一种针对目标检测任务的特征融合算法。采用端到端的神经网络方案,将可见光与红外图像同时输入神经网络,分别进行特征提取,后对提取的特征进行融合,再对融合的特征进行目标检测,最后输出检测结果。与一般先融合出一张图片再检测的方法比较,特征融合算法可以保留原始图像的特征,并根据目标检测的结果对特征进行挑选及融合,避免先融合图像造成的信息损失。红外图像能够弥补可见光图像的不足,适应不同光照强度及天气情况。针对目标检测的特征融合方法有效利用了纹理信息及热辐射信息,检测效果优于单独利用可见光或红外图像的方法。