一种红外图像序列弱小目标的检测方法

针对低信噪比条件下红外弱小目标的相关检测算法存在的局限性,本文提出组合式相关检测算法.基于DBT的相关检测算法运算量小但检测性能较差,而基于TBD的相关检测算法检测性能较高但计算复杂.根据对两者优缺点的分析,采用将两种算法级联的方法,首先使用基于TBD的相关检测算法形成一个过渡帧,再以此为基础使用基于DBT的相关检测算法进行进一步检测.算法性能分析和实验结果均表明,低信噪比条件下该算法具有较高的检测性能并且计算量较低.     

基于自适应梯度倒数滤波红外弱小目标场景背景抑制

由于红外弱小目标尺度小、能量弱,所以抑制背景以增强目标使后期检测跟踪性能得到保障是关键的目标检测技术环节.为了提高梯度倒数滤波算法对杂波纹理的抑制能力,减少差分图像中残留纹理对目标的干扰,本文提出了自适应梯度倒数滤波算法(AGRF).AGRF算法通过分析背景区域、杂波边缘纹理、目标的分布特性和统计数字特征来确定邻域像素...     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用模糊支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值:然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明,本文提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.     

基于最小一乘背景预测的红外小目标检测算法

本文提出了一种基于最小一乘背景预测的红外小目标检测算法.首先在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,应用线性规划的方法解决最小一乘估计中极值的选取问题;然后将原始图像与预测图像相减得到预测残差图像;最后利用基于二维指数熵的图像阚值选取快速算法进行分割.文中给出了实验结果与分析,并与基于最小二乘背景预测的检测算法作了比较.实验结果表明,本文提出的算法具有更高的检测概率,优于基于最小二乘背景预测的检测算法.     

灰度形态学滤波的红外运动小目标检测方法

针对空中红外图像中运动小目标的特征，提出一种采用灰度形态学滤波的背景抑制方法对图像进行处理，再利用自适应阈值分割方法对图像进行阈值分割的帧内检测方法；实践证明该技术能有效提高图像的信噪比，从而达到有效分割和快速检测小目标的目的。     

基于模糊融合的红外弱小目标快速检测算法

提出了一种基于模糊融合的红外弱小目标快速检测新算法。算法以差分图像为基础,根据差分图像的噪声特性引入衡量像素点灰度变化程度的隶属度函数,将经过隶属度函数“模糊化”的数帧差分图像进行模糊“与”操作实现融合,按照规则对融合后的图像进行两次模糊推理,实现了弱小目标的检测。仿真实验结果表明,该算法保留了差分法良好的实时性,克服了确定检测阈值难和“硬”判决带来检测概率低的缺点,能快速有效地检测出低信噪比红外图像序列中的像素个数不小于4的弱小运动目标。     

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection, LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle, ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。     

改进梯度倒数加权滤波红外弱小目标背景抑制

红外弱小目标易淹没在复杂的起伏背景中,为了提高后续目标的检测能力,往往需要通过抑制背景来增强目标信号。传统梯度倒数加权滤波对背景边缘缺乏稳健的适应性,本文提出了改进的梯度倒数加权滤波算法,即通过建立背景局部区域相关函数,利用背景局部统计特性自适应调整滤波参数,能较好地适应剧烈变化的背景,提高背景抑制能力。实验表明,改进的梯度倒数滤波器能对图像背景进行有效的抑制,总体性能优于其他背景抑制方法。     

基于背景分类的弱小目标检测算法

为了降低复杂背景对弱小目标探测的影响,本文提出了一种基于背景分类的弱小目标检测算法.背景分类的依据是背景的复杂度,本文用熵运算估计背景的复杂程度,同时为了简化算法,采用多分辨率的小波变换.再用模糊数学中的隶属度函数映射到模糊特征平面,作为背景因子图像.接着对背景因子图像进行最大熵阈值分割,将复杂的地面背景与平坦的天空背...     

基于奇异值分解的红外弱小目标检测

鉴于传统的基于单幅图像奇异值分解红外弱小目标检测算法的不足,提出了一种新的基于图像序列奇异值分解的红外弱小目标检测算法.首先,利用图像序列构造图像矩阵并进行奇异值分解,得到对应的特征值与特征向量;其次,利用处理后的特征值和特征向量重构图像序列,得到新的特征图像序列;再次,在特征图像序列中选取合适的特征图像进行处理从而增强目标并抑制背景;然后,对新特征图像进行阈值分割,得到要检测的弱小目标;最后,对序列中的每幅图像分别进行帧间位置修正与帧内位置修正,以达到检测红外弱小目标的目的.实验结果表明该算法具有很好的鲁棒性与实时性.     

空中红外小目标并行分割算法

为提高空中红外小目标检测速度,提出了一种基于灰值形态学序列图像膨胀累加、背景估计和自适应阈值分割的并行结构小目标分割算法。该算法对灰值膨胀运算后的相邻三帧图像进行累加以增强小目标能量;将灰值形态学开、闭运算的平均值作为背景估计图像;采用自适应阈值算法从二者相减的差图像中分割出可能目标;其中小目标能量增强和背景估计采用并行处理结构。基于VisualC 6.0编程进行了实验,结果表明,算法对连续三帧768像素×576像素红外视频采集图像的处理时间为3.73s,较常规串行分割算法快一倍以上。     

非均匀背景下的红外图像曲面拟合分割

红外图像往往存在着背景不一致的特点,因此在分割时无法有效地提取出目标。本文针对这一问题提出了一种基于曲面拟合的图像分割方法,以分割非均匀背景下的红外目标。这种方法首先对背景进行光顺限制的曲面拟合,再通过设置一个偏移量来形成阈值曲面。通过研究发现,曲面拟合时的偏离项和光顺项的权重系数比是由图像背景的双拉普拉斯变换以及噪声均方差共同决定的,从而在估计噪声均方差的基础上实现了对权重系数的自适应选取。从仿真结果可以看出,本文提出的曲面拟合分割法在背景去除和目标提取上要优于传统的Ostu法和局部阈值法。     

A framework for moving object segmentation using dynamic background modelling and shadow suppression in complex wavelet domain

In this paper, a framework for dynamic background modelling and shadow suppression under rapidly changing illumination conditions for moving object segmentation in complex wavelet domain is proposed which deals with the problems of ghosts, object shadows, noise, object distortion in dynamic background changes. The proposed method consists of eight steps applied on given video frames which include: wavelet de-composition of frame using complex wavelet transform; use of change detection on detail coefficients; use of dynamic background modelling on approximate co-efficient; cast shadow suppression; use of soft thresholding for noise removal; strong edge detection; inverse wavelet transformation for reconstruction and finally using closing morphology operator. A comparative analysis of the proposed method is presented both qualitatively and quantitatively with other standard methods available in the literature for four datasets in terms of various performance measures. Experimental results demonstrate the efficacy of the proposed method is better in terms of relative foreground area measure, misclassification penalty, relative position based measure, normalised cross-correlation, normalised absolute error, peak signal-to-noise ratio and pixel classification based measure as compared to other standard methods.     

An object detection strategy for uncooled infrared imagery

Abstract

An overall strategy for the very difficult problem of object detection using uncooled infrared (UCIR) sensors is discussed. The UCIR sensors are based on micro-bolometer technology and thus differ significantly from cooled infrared sensors that employ photon-counting detectors. As such, UCIR imagery tends to be very low contrast, since the sensor operates over a broad spectral band; and blurry, because of the long integration times. Ideally, the UCIR imagery would be preprocessed using an appropriate image reconstruction/restoration algorithm. If the sources of image degradation are understood and lend themselves to accurate modelling, the image reconstruction can be solved as an inverse problem. Most often this is not the case and the problem is solved using minimization approaches, such as blind deconvolution. Because image reconstruction/restoration approaches tend to be very throughput intensive, they are rarely performed in a tactical environment. More typically, a detection algorithm is applied directly to the UCIR imagery. In this paper, Local Singular Value Decomposition (LSVD) is evaluated for anomaly detection. LSVD uses local statistics to identify anomalous regions and is very good at identifying local texture differences; it appears to work quite well on UCIR imagery. Target detection results are presented for a simulated data set.     

采用递归门限分析的红外目标分割

提出了一种有效的基于递归门限分析的红外目标分割方法。针对传统方法在目标的相对面积较小时背景信息容易误分的问题,将传统分割方法和递归处理结合起来,用于分割红外目标。在分割时,将每次分割得到的背景部分(即暗部分)淘汰掉,而保留分割得到的目标部分(即亮部分)。对得到的目标部分进行再分割,又得到新的目标和背景部分,如此重复下去,直至得到目标为止。对传统的Otsu方法、一维熵方法、二维熵方法的递归分割特性进行了分析比较,并根据目标的先验知识提出一种合理的递归终止准则。试验结果证明,基于递归门限分析的方法是一种行之有效的目标分割方法,分割性能优于传统方法。     

快速背景重建的在线运动目标检测

为了能快速地从视频图像序列中创建可靠的背景图像,进而提取运动目标,文中提出了一种基于反馈信息的运动目标检测算法.首先提出了基于相邻帧信息和背景估计信息相融合的背景重建算法,保证了在视频场景改变时仍能迅速捕捉背景;还提出了基于一种在线Otsu法的运动目标检测,将相邻帧运动目标信息反馈到目标提取算法中,弥补传统Otsu法的不足;最后提出了对光线变化具有一定鲁棒性的背景估计算法.实验表明,该方法的重建速度快,准确率高,能满足实时检测的需要.     

Peak clipping algorithms for background estimation in spectroscopic data

In this paper we present sensitive nonlinear iterative peak (SNIP) clipping algorithms to estimate background in various kinds of spectra. We have proposed several improvements of the SNIP algorithm. Moreover, we have extended and generalized the SNIP algorithm for multidimensional coincidence gamma-ray spectra. In addition to the continuous background, the so-called lower-order coincidences, i.e., coincidences peak-background in different dimensions, must also be included into the estimated background. Further, we have derived a set of modifications of the algorithm that allow estimation of specific shapes of background and ridges as well.     

Noise histogram regularization for iterative image reconstruction algorithms

We derive a regularization term for iterative image reconstruction algorithms based on the histogram of the residual difference between a forward-model image of a given object estimate and noisy image data. The term can be used to constrain this residual histogram to be statistically equivalent to the expected noise histogram, preventing overfitting of noise in a reconstruction. Reconstruction results from simulated imagery are presented for the cases of Gaussian and quantization noise.