远距离红外弱小运动目标检测

针对远距离红外弱小运动目标的检测,本文提出了一种空域-时域联合算法。该方法首先基于结构元素大小自适应的形态学顶帽变换进行红外复杂背景抑制,增强了图像的信噪比;接下来,利用平均迭代算法精确确定门限阈值,实现单帧图像分割;在此基础上,利用邻域多帧图像相与判决算法,实现基于时间序列图像的弱小运动目标检测。实验表明,本文提出的方法能够较好地进行背景抑制和消除噪声,准确有效地检测出红外运动弱小目标。     

基于顺序形态滤波的外运动小目标检测

针对约外图像中运动弱小目标的检测问题,本文提出了基于顺序形态滤波的小目标检测方法,并给出了具体算法。目标检测分两步进行,首先利用顺序形态滤波抑制背景,检测出候选目标的位置,并对候选目标进行区域分割,最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标,作者通过实验比较了该方法与传统高通滤波方法在抗噪声性能,背景抑制性能以及抑制虚警目标性能的差异,实验结果表明,顺序形态滤波法在这三个方面都优于高通滤波法,它能够快速、可靠检测出低信噪比的运动小目标。     

基于小波变换的多目标检测方法研究

针对图像序列中多个运动弱小目标的检测问题,提出了一种用于基于小波变换与帧间差分相结合的检测方法.算法首先对原始图像进行小波变换,利用小波变换增强了目标与背景之间的差别,然后使用帧间差分方法对小波变换后的水平分量和垂直分量进行运算,计算出多个运动的弱小目标.与传统的帧差分方法相比,该方法利用小波变换增强了目标与背景之间的差别,帧间差分运算的区域小,速度快.实验结果表明,使用该方法可以对信噪比为2.9的目标正确提取,减小了虚警率,抗噪声干扰能力强.     

基于帧间扰动相关性的弱小目标提取方法

帧差分和背景差分技术在运动目标检测方面具有很好的原理性效果;但是对弱小目标图像来说,当目标尺寸和噪声、干扰点尺寸能够比拟,硬件系统和信号噪声的随机性会使差分方法几乎完全失效;在研究差分结果噪声相关性的基础上,提出定点能量积累,避免了能量积累时对目标运动速度的限制;并利用组合扰动排除法,大幅度削弱了帧间相互独立的噪声和杂波干扰;实验结果表明,该方法能够以较低的运算量准确地检测出强噪声干扰和复杂背景下的运动弱小目标,实时性好。     

灰关联分析在视频运动目标检测中的应用

由于运动图像和背景具有极大相似性,通过背景图像和运动图像之间关联程度的大小能够检测出运动目标,故提出一种基于灰关联分析的运动目标检测方法.在室内和室外不同光照场景下,通过固定摄像机捕获的视频图像序列中的运动车体和人体进行检测;选取适当的比较图像序列,对该序列和含有运动目标的视频图像作灰关联分析,以清楚、完整地提取出运动目标.该方法对背景的要求很低,对噪声的抑制能力强,可以在一定程度上抑制阴影的影响.     

联合形态滤波和MRF模型的红外小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于自适应形态滤波和Markov随机场(MRF)模型的小目标检测算法。设计基于图像局部熵优化的自适应形态滤波器,采用该滤波器进行背景杂波抑制和目标增强,利用MRF理论描述图像像素间关系,构造新的势函数和能量函数,建立目标检测识别模型,通过模型计算自动识别出红外图像中的小目标。理论分析和实验结果表明,该算法可在复杂背景下自适应地抑制背景杂波,成功检测出红外小目标。     

基于时域背景预测检测红外图像序列中的小目标

研究存在背景噪声和干扰的情况下红外图像序列中弱小运动目标的检测问题。从背景出发,充分利用在图像序列中占绝大部分的背景像素来构造弱小目标的检测,并提出在时域上利用背景预测技术实现检测。通过编程在含有随机目标的实际红外序列图像中的应用,证明了算法的有效性和优越性。     

图像序列中的自动点目标空时快速检测*

提出了一种新的序列图像中点状运动目标空时快速检测方法,该方法假设经过背景杂波抑制预处理后图像已转换为类SPGWN(信号加高斯白噪声)模型.自动目标检测时图像序列被划分为多组检测单元,每单元包含两帧相邻的图像.根据目标速度限制条件,采用在单元内以及两相邻单元间沿轨迹集成像素灰度的检测算法.在付出同等运算量的代价下,克服了二维投影检测性能较差的弱点,同时也具备可检测多速率目标的优点.理论分析和仿真试验表明了该检测方法的有效性.     

基于卡尔曼滤波的弱小目标实时检测与跟踪

提出一种基于卡尔曼滤波的弱小目标实时检测与跟踪方法。计算每帧图像上所有星点到参考星点的距离,利用目标与背景恒星运动特性上的差异检测出运动目标。针对漏检问题,采用卡尔曼滤波算法估计目标在漏检帧上的位置,通过对图像的重分割寻找丢失目标,利用目标的运动信息建立连续的目标链。实验结果表明,该方法能实现高检测率和低虚警率的实时检测。     

基于完备格的重构滤波器在红外图像目标检测中的应用

对红外图像中的目标进行检测和跟踪是精确制导武器中非常困难的也是急需解决的难点之一,针对红外图像的特点,提出了一种新的用于红外图像序列弱小目标检测和跟踪的处理方法,并首先探讨了完备格下的图像连通性,其重构滤波器具有简化图像,并能保证轮廓完整的特性。该新方法包括帧内处理和帧间处理,其中帧内处理使用灰度级重构tophat滤波器实现背景去除和图像简化,再结合目标的灰度、形状、面积信息完成图像分割;帧间处理使用目标的空间、时间运动信息实现序列的目标检测和跟踪。仿真实验结果表明,这种方法在检测和跟踪红外图像中的弱小目标时,具有有效性和鲁棒性。     

海天背景下港口船舶检测算法研究

针对海面视频图像中目标船舶总是出现在海天线附近且海面经常出现间断性不连续杂波和孤立噪声点的问题,采用边缘检测、阈值分割与霍夫线检测结合的方法检测出海天线.去除海天线及以上背景,准确定位目标船舶.采用局部自适应阈值分割去除海面由于漩涡产生的间断性杂波,分割出真实目标船舶.通过形态学处理来填补目标船舶中间出现的空洞,连通域面积检测去除静止点来消除对目标点的影响.实验结果表明:该方法能有效地去除海面杂波和噪声点等对目标的干扰,有效检测出海面背景下的目标船舶.     

一种新的用于点目标检测与跟踪的闭环pipeline算法

提出了一种由滤波管道、检测管道构成的闭环管道算法用于检测与跟踪复杂云天背景下的点目标．引入了基于单帧局部对比度门限的预处理算法进行杂波抑制,设计了基于三帧图像相关性分析的连续滤波器进行噪声剔除．实验分析表明,该算法不仅能够检测出作任意轨迹运动的点目标,而且能够有效地预测跟踪窗．它在搜索空间的缩小、计算复杂性的降低以及杂波剔除方面优于传统的管道算法．     

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.     

采用动态分割与自适应滤波的弱小目标检测

为了增强红外或者可见光图像数据中的弱小目标检测,提出了一种采用模糊C均值（FCM）聚类与迭代最小二乘（RLS）自适应滤波相结合的背景抑制方法。假设待检测目标在图像帧上具有极小的空域扩展度,且受到强背景杂波的干扰。对输入的图像首先采用FCM聚类划分为灰度准平稳的子域,再将整帧图像均匀划分为相同的子块,然后在每个子块中针对每类子域利用RLS滤波估计背景杂波并另以去除,结果只剩下目标信号与残留噪声。大量仿真试验表明与其它传统方法相比具有更好的检测性能。     

基于小波域HMT的图像杂波抑制方法

针对复杂背景下红外微弱点状运动目标的检测,提出一种基于小波域HMT模型的图像杂波抑制方法。对图像小波系数低频部分建立隐马尔可夫树模型,使用Bayesian准则估计图像背景小波系数,参照杂波抑制模型,得到杂波抑制后图像的信号加噪声模型,并通过计算Kendall秩相关系数和Friedman统计量验证了该方法残留噪声的高斯性和独立性。     

基于形态滤波和均值漂移红外小目标检测方法

低对比度复杂背景下的小目标检测一直是研究的热点和难点,检测的困难主要在于背景噪声的复杂和目标的微弱.分析和研究了形态膨胀算法均值漂移(Mean Shift)算法:形态膨胀算法对目标进行有效增强,而均值漂移算法改善目标与背景对比度,有利于有效分割目标.最后实现了基于该方法的两种不同情景下的小目标的检测,实验表明该算法具有较好的有效性和鲁棒性.而且,该方法在最终目标选取采用了自适应阈值方法.实验分析表明:算法基本上是定点运算,效率较高,易于实时硬件实现.     

红外舰船目标的自适应鲁棒检测方法

针对背景杂乱的红外舰船目标检测问题,提出了一种红外舰船目标的自动检测新算法。该方法利用红外舰船图像中目标与背景在灰度直方图上的差异,通过对拟合直方图的多项式曲线参数鲁棒求解,进而求出舰船目标的分割阈值。然后,根据红外舰船目标亮度与图像平均亮度的关系等,对求得的阈值合理性进行判断。若该阈值不合理,则将其作为阈值初值,对红外舰船图像进行自适应局部递归分割。最后,结合红外舰船目标吃水线、天空与背景的边界特征等先验知识,对分割出的背景进行剔除。实验结果表明,该方法对强杂波干扰的红外舰船目标能实现可靠的检测,具有很好的适应性和鲁棒性。     

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。