一种红外弱小目标检测方法

提出了一种红外弱小目标检测算法,该算法通过“区域最小化背景模型”,来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的,算法适用于强对比度云层的空背景、目标与背景对比度比较低的空背景,是背景预测算法的一个重要扩展,针对实际红外图像的试验仿真表明,提出的算法是有效的。     

基于局部二元模式算子的红外弱小目标检测

文中针对在传统红外弱小目标检测中,需要进行背景抑制滤波所带来的图像性质改变和检测速度不理想的问题,提出了一种基于局部二元模式(local binary pattern,LBP)算子的红外弱小目标检测方法.该方法对传统LBP算子进行了改进,使其提取的LBP编码值可以有效地描述红外弱小目标的灰度分布特性,达到了在不进行背景抑制滤波的条件下有效检测弱小目标的目的.结合改进的LBP算子和红外弱小目标灰度的"尖峰"特征,建立了灰度自适应快速扫描机制,有效提高了检测速度,降低了重复告警的出现概率.通过实录红外图像序列检测实验,证明本文方法在检测性能和检测速度方面的有效性和优越性.     

多信息融合的红外弱小目标检测

红外弱小目标检测是图像处理的难点之一,许多研究人员提出了不少检测方法.针对复杂背景与强杂波干扰下图像信杂比(Signal-to-Clutter Ratio,SCR)低造成的目前检测方法易受伪目标干扰、虚警率高的问题,提出了一种多信息融合的红外弱小目标检测算法.首先,构建八向局部灰度残差信息图;其次,设计一个滑动窗口遍历整个图像,将图像分为一系列局部图像块,对局部图像块的强度均值进行约束,获得局部强度均值约束信息图;然后,将局部图像块进一步划分为12个方向块,对每个方向块中像素的梯度方向进行约束,获取梯度方向约束信息图;最后,上述3个信息图像通过点积运算得到最终显著图,并利用阈值分割实现弱小目标的分离.将该算法与3种其它不同算法从信杂比增益(Signal-to-Clutter Ratio Gain,SCRG)、背景抑制因子(Background Suppression Factor,BSF)以及检测率与虚警率的接受者操作特征(Receiver Operating Characteristic,ROC)曲线方面进行对比.实验结果表明:该算法具有更高的SCRG、BSF和ROC曲线下面积(Area Under the Curve,AUC),不仅能有效地抑制背景杂波、剔除伪目标,而且能准确地检测出红外弱小目标,具有较高的检测率.     

基于多重相关分析的红外弱小目标快速检测

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,本文利用像素之间的相关性,提出了一种基于多重相关峰值检测红外弱小目标的检测方法,从而实现低信噪比条件下红外弱小目标的快速检测．实验表明该方法是一种抗噪性能强,自适应性能好的弱目标检测方法．     

采用高阶谱分析的红外弱小目标检测

在分析了以前的关于红外图像弱小目标检测的一些算法的特点和不足之后,针对单帧图像首次提出了一种新的检测算法-基于高阶谱分析的弱小目标检测:将图像中的背景灰度数据看作为噪声信号,弱小目标的灰度数据看作是淹没在噪声信号中的谐波信号,对图像行和列象素的灰度数据进行功率谱和高阶累计量分析,抑制噪声,检测谐波,检测的分辨力取决于同时参与谱分析的行或列的个数,算法的优点在于采用同一理论检测,简便易行,有较高的准确度,并且所需的数据仅限于单帧图像.最后给出了一个应用此算法实际的检测例子.     

一种近地背景下红外弱小目标检测预处理算法

构建了近地背景下的小目标图像模型,提出了一种基于暗图像处理和改进非局部均值滤波的红外图像预处理算法.采用图像去雾思想,将红外图像类比为有雾图像,通过暗通道去雾方法实现近地背景抑制,并引入相似度权值阈值改进双边NLM(Non-Local Means)算法,减少邻域内相似度权值较低的像素点对灰度值估计的影响,得到预处理后的红外图像.实验表明,对于近地背景下红外弱小目标检测,该算法能够有效抑制背景,增强目标与背景对比度,提高红外图像预处理性能.     

利用局部灰度特征分析实现红外弱小目标检测

提出了一种利用局部灰度特征分析进行红外弱小目标检测的新方法.该方法通过判断图像局部灰度包络曲面是否具备二维高斯函数曲面特征实现红外弱小目标检测,不需要进行传统的背景预测.设计了新的目标局部灰度特征提取方法和适合工程计算的自动目标检测算法.实验结果证明了算法参数选择策略的有效性,验证了算法对复杂背景边缘良好的杂波抑制能力...     

基于SCNN的红外弱小目标检测算法研究

提出了基于结构化特征卷积神经网络(Structural Feature convolution neural network,SC-NN)的红外弱小目标检测算法.通过将红外弱小目标结构化特征引入CNN网络中,去除CNN网络的池化层、改变卷积扩展性、并加入分层融合机制,克服了CNN会损失小目标本身的信息和无法检测弱纹理小...     

采用人类视觉对比机制的红外弱小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于人类视觉系统对比机制的红外弱小目标检测算法。首先,对红外图像进行预处理,通过中值滤波去除红外图像中的孤立噪声点。然后对处理后的图像进行高斯函数差分滤波处理,抑制图像中大面积高亮区域。最后,通过改进的基于局部对比度方法去除高亮边缘区域,消除高疑似目标,最终实现对复杂背景下红外弱小目标的检测。实验表明:相较于传统的LCM算法、Top-hat算法、TDLMS算法和Infrared Patch-Image Model算法等,该算法在虚警率、正确检测率、检测时间等方面更有优势,具有检测率高、虚警率低、鲁棒性好、运行时间短的特点。     

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.     

星空背景下红外弱小目标的快速检测

为了实时检测天基平台上超远距离成像的星空背景下红外弱小运动目标,提出了一种基于时空域方向滤波和最小二乘预测的算法。首先,介绍了传统的方向滤波及时序上的双向滤波两者的频域理论推导,并经过对比说明了双向滤波的优点。接着,在双向滤波基础上,提出了一种新型方向滤波算法,并分析了新型算法在时耗方面的优势。然后,在分析新型方向滤波算法性能的基础上,说明了基于过门限率的图像分割方法。最后,介绍了最小二乘预测的理论,并给出了相应的跟踪算法。实验结果表明:目标的位置跟踪偏差平均约为1个像素,在图像大小为256×256像素的情况下,20帧图像的检测跟踪时间平均约为1.137 s。检测跟踪效果满足精度要求,检测时间也基本能满足超远距离成像红外系统的实时性要求。     

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。     

利用小波变换与Gabor滤波检测红外小目标

将小波变换应用于红外图像,提出了一种新的弱小目标检测方法。该算法首先对图像进行小波变换。为了获取图像的多方向性分解,使用Gabor滤波器与高频信号做卷积运算得到24个方向的高频信息。计算各点的局部能量以及方向离散值,将以上特征融合,得到图像的多特征统计值。其次采用Renyi信息熵分割完成目标检测。最后,由于卷积运算,将会造成弱小目标点的扩大。因此,利用检测结果中小目标具有较大面积的特点,有效地排除了虚警。实验结果表明,该算法参数较少,能较精确地检测出红外弱小目标。     

红外图像弱小目标探测技术综述

红外摄像机虽然能够全天候24 h工作,但是相比于可见光摄像机,其获得的红外图像分辨率和信杂比低,目标纹理信息缺乏,因此足够的标记图像和进行模型优化设计对于提高基于深度学习的红外目标检测性能具有重要意义。为解决面向监控应用场景的红外目标检测数据集缺乏的问题,首先采用红外摄像机采集了不同极性的红外图像,基于自研图像标注软件实现了VOC格式的图像标注任务,构建了一个包含行人和车辆两类目标的红外图像数据集（Infrared-PV）,并对数据集中的目标特性进行了统计分析。然后采用主流的基于深度学习的目标检测模型进行了模型训练与测试,定性和定量分析了YOLO系列和Faster R-CNN系列等模型对于该数据集的目标检测性能。构建的红外目标数据集共包含图像2138张,场景中目标包含白热、黑热和热力图3种模式。当采用各模型进行目标检测性能测试时,Cascade R-CNN模型性能最优,mAP_0.5值达到了82.3%,YOLO v5系列模型能够兼顾实时性和检测精度的平衡,推理速度达到175.4帧/s的同时mAP_0.5值仅降低2.7%。构建的红外目标检测数据集能够为基于深度学习的红外图像目标检测模型优化研究提供一定的数据支撑,同时也可以用于目标的红外特性分析。     

基于时空分集理论的弱点状运动目标检测技术研究

研究了一种基于时空分集与合并的图像序列中微弱点状运动目标高维积累实时检测技术,指出了同类文献中的其它算法可以归属为本文算法的几种特例。考虑目标尺寸、运动速率和亮度信息可变的实际情况,提出了相应的解决方案:针对以不同速率运动的多目标提出了金字塔式分辨率亚采样方案;针对不同尺寸的目标则提出了成批处理方案;针对可变亮度的目标则提出了可变集成度解决方案。研究了集成度、运动速度和目标亮度(信噪比)之间的具体数值关系,得到了有用的理论分析和仿真结果。     

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.     

商品图像局部特征提取算法研究与实现

研究商品图像局部兴趣点提取的方法,利用Matlab语言对提取商品图像局部特征Harris和Harris-Laplace算法进行建模仿真,开发了基于商品图像局部特征进行商品检索系统。当检索商品处在不同角度和背景中时,对此系统进行测试,并对测试结果进行比较分析,指出二者算法各自的特点,最后提出了改进算法的建议。     

基于SUSAN算法和行列均值分割的海面舰船检测

提出一种基于SUSAN检测和行列均值分割的复杂海天背景的红外舰船目标检测算法。首先建立一个简单的舰船轮廓模型,结合SUSAN算子检测得到感兴趣区域ROI,并且感兴趣区域的大小可以由轮廓模型进行一定的控制;然后对感兴趣区域运用改进的行列均值分割得到舰船目标。实验结果表明,提出的算法能正确分割出舰船目标。     

一种基于兴趣区提取的红外搜索系统目标实时检测算法

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题,提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性,根据目标运动特性与灰度特性,在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区;针对兴趣区内的局部目标图像切片,进一步精细检测识别,剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明,算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测,已应用到了周扫红外搜索跟踪系统的工程样机研制中。