基于SVD背景抑制和粒子滤波的弱小目标检测*

针对云天背景下红外弱小目标的检测算法中常见的目标漏检和检测错误问题,提出了一种基于奇异值分解背景抑制和粒子滤波联合检测算法。该算法首先采用奇异值分解滤波抑制红外图像背景,获取候选目标位置,然后采用粒子滤波算法估计目标运动状态,获取目标搜索窗口,最后将单帧检测候选目标与预测的搜索窗口相结合实现小目标检测。对真实红外图像序列进行实验表明,该方法有效地解决了SVD滤波单帧漏检和粒子滤波预测错误导致的目标检测错误问题,从而提高了低信噪比下弱小目标的检测能力。     

基于小波滤波背景预测的红外弱小目标检测方法

红外弱小目标检测是红外图像研究领域的热点与难点。有效地从背景中检测出弱小目标对于后续的跟踪、识别工作具有十分重要的意义。针对现有检测方法的不足,提出了一种基于小波滤波背景预测的红外弱小目标检测方法。该方法利用小波滤波去噪的优良特性将目标作为噪声滤除,然后构建近似的前景分布图与背景分布图,最后基于连通体筛选与对比度门限完成弱小目标的提取。采用实测光电图像对该方法进行了验证,结果表明,提出的方法能够有效抑制噪声,完成背景预测以及红外弱小目标的检测。     

复杂背景下弱小目标的检测*

复杂背景下低信噪比弱小目标的检测是当今目标捡测的一个热点课题。为了检测到弱小目标,首先对图像进行复杂背景抑制,以达到抑制背景、提高信噪比的目的,然后比较三种方法的背景抑制能力,最后对抑制效果好的图像进行图像分割来进行弱小目标检测。     

基于三维滤波的红外弱小目标检测技术研究

为了提升帧差法在复杂环境中低信噪比目标的检测效果,基于运动 目标在时间上具有连续性的原理,利用检测前跟踪的算法,通过三维滤波预处理和目标轨迹性判断相结合的设计准确筛选出 目标,达到在保持高检测率的前提下降低虚警的效果,对弱小 目标检测具有显著意义.     

一种水下鱼类动态视觉序列运动目标检测方法

针对水下视频质量不高、视频模糊不清甚至很难辨认的问题,利用计算机视觉技术对水下鱼类目标进行快速目标检测,提出了一种基于背景去除的水下视频目标检测方法.设计适合水下环境的鱼类目标检测框架,使用偏最小二乘(PLS)分类器进行目标检测.利用水下拍摄的鱼类数据集收集输入的视频序列,并提取单独的帧.将帧的RGB格式转换为HSI格...     

时空谱点源目标自适应滤波检测算法

针对复杂背景下的点源弱目标检测问题,根据Wiener-Hopf方程在自适应滤波算法中的应用原理,提出了一种新的利用时间/空间/谱段的多维信息融合自适应滤波算法(ASTS filter).该方法的研究主要有3个步骤:首先研究时域、空域突出和多谱段融合的性质,然后构造出针对运动弱点目标的滤波模板,最后将自适应RLS滤波器应用于有缓动背景下的多谱红外图像检测中.由于普通的RLS滤波器应用于图像处理采用的是像素点信息作为输入参数,其造成矩阵运算计算量过大、处理时间长等缺点,而将点目标进行空间、时间、谱段特征提取后的信息作为输入参数,不仅避免了大型矩阵的运算,还可获得更高的信杂比增益.通过大量实验数据,证明本算法具有优良的滤波性能,同时突破了点目标运动的轨迹限制.与其它算法的效果和计算量进行比较,证明文中算法更为快捷、有效和灵活.     

一种基于邻域滤波的星空图像背景杂波抑制算法

针对空间图像弱小目标检测和质心高精度定位问题,提出一种能最大限度保持目标边缘的背景杂波抑制算法。首先用最小二乘拟合估计背景均值和方差,再通过四邻域滤波区分背景和目标,最后通过阈值分割将目标边缘中过小像素滤除,在保留完整目标边缘的同时最大限度抑制了噪声,由于邻域面积较小且运算量相对较小,该算法具有很好的实时性和工程实用性。     

基于加权融合特征与Ostu分割的红外弱小目标检测算法

为提高红外弱小目标在复杂背景干扰与低信噪比条件下的检测精度与效率,基于局部加权融合特征与分类二维Ostu分割,提出红外弱小目标检测算法。利用红外弱小目标与背景的灰度差异,基于Top-Hat算子设计红外背景过滤机制,使弱小目标从背景中凸显出来,使用图像的熵值定义局部加权融合特征,完成弱小目标的粗定位。采用分形理论计算粗定位区域内所有像素的分维值,构建像素分维像模型完成弱小目标的细定位,并通过特征分类二维Ostu分割机制实现红外弱小目标的精确检测。测试结果表明,与现有红外弱小目标检测算法相比,该算法具有更高的检测精度与更短的检测耗时。     

采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.     

红外弱小目标检测中的相邻背景预测算法研究

红外弱小目标检测的关键问题是背景预测,背景预测的好坏直接关系到红外目标的提取。考虑背景预测过程中,待预测像素仅仅和相邻像素相关,提出了一种相邻背景预测的算法,并针对背景起伏和平缓情况进行详细的分析。实验结果表明无论是在背景起伏较小的图像,还是在背景起伏较大的图像,该算法都具有良好的目标检测性能。     

用于小目标检测的TDNLMS自适应预测器结构优化

讨论用于小目标检测的TDNLMS(Two-Dimensional Normalized Least Mean Square)自适应预测器VLSI实现中的结构优化问题．通过分析小目标图像的特点，使预测器直接处理隔行扫描图像，从而取消了帧存环节，大大减少了片内存储器数量．另外，在基本保持检测性能的基础上，通过对算法进行优化，提高了预测器的工作速度．达到实时图像处理．实验证明本方案不仅提高了预测器的数据通过率．而且简化了硬件电路，降低了设计难度．是一种为合理的方案．     

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。     

一种用于小目标检测的可配置二维自适应预测器设计

分析了用于图像中小目标检测的自适应预测器的支撑区域与其检测性能之间的关系 ,认为支撑区域应按照被处理图像统计特性进行设置 ,以正确区分图像中的目标与背景成分 .在此基础上 ,提出了一种基于 TDNL MS(Two Di-m ensional Normalized L east Mean Square)算法的支撑区域可配置的自适应预测器结构 ,通过设置适当的支撑区域 ,该预测器不仅可用于处理具有不同统计特性的图像 ,而且可以在一定程度上保持对成像面积逐渐变化的小目标的检测能力 .本文提出的预测器结构 ,只需要在每个抽头内部增加简单的控制逻辑 ,就可以实现支撑区域的任意配置 ,是一种较为理想的设计方案     

双通道自适应Lattice滤波器及其在故障检测中的应用

推导出一种双通道自适应Ｌａｔｔｉｃｅ滤波器算法，并将它用于动态系统的故障检测。这种故障检测方案不需要建立准确的数学模型，只要根据系统的输入输出数据，利用Ｌａｔｔｉｃｅ滤波器算法生成故障残差序列，再对故障残差序列进行统计检验，可实现动态系统的故障检测。该方法用于一个仿真的直流伺服系统的故障检测，实验效果是满意的。     

基于线检测器的红外弱小目标检测

复杂背景下低信噪比弱小目标的检测仍然是当今的一个难题,尤其是在复杂背景的抑制方面,针对红外小目标的特点,以及红外小目标实时性检测的要求,提出了一种检测低信噪比的复杂背景情况下的红外图像点目标的新的算法.首先,用一个线检测器,对红外图像进行处理,经过其处理后的图像,不仅可以大幅度抑制背景,而且还能增强目标,极大程度的提高了图像的信噪比;其次,对处理后的图像用二维的Otsu自动阈值分割法进行分割,检测出点目标.通过对红外图像的实验,证明该算法的有效性.