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。     

基于DSP的自适应弱小目标检测方法

针对复杂背景下弱小目标检测的难题,提出一种基于DSP的自适应背景预测弱小目标检测新方法。该方法在DSP为核心的嵌入式图像处理系统平台上,以自适应背景预测算法为基础,在DSP集成开发软件Code Composer Studio 3.3上采用C语言编写弱小目标检测程序。根据图像的相邻像素的灰度特性选取不同的背景预测模型对连续四帧原始图像进行自适应背景预测得到背景预测图像,背景预测图像与原始图像相减得到残差图像;对残差图像采用交叉差分算法和自适应阈值分割处理得到二值图像;对二值图像采用逻辑与运算和形态学开运算,获得真实弱小目标。实验结果表明,该方法可以有效地检测到弱小目标,且与中值滤波算法相比,该算法预处理时间减少22%,虚警概率降低6%,检测到的目标面积增大2.3倍,更有利于目标点的观察,为工业现场镁合金熔液中弱小目标实时检测奠定了基础。     

基于SIFT流红外弱小目标的检测和跟踪

相邻帧图像的流场表现了有关目标物体和背景的运动特性。该文通过使用稠密SIFT局部特征描述子描述相邻帧图像像素,并以流的角度来处理,获得包含目标和背景的混合流场。由于红外弱小目标与其邻域背景具有明显的运动特性差异,而这必然会表现在求得的小目标和背景的混合流场中。根据该流场的平台-阶梯特性采用特定算法分割得到弱小目标的具体位置。实验表明,SIFT流方法克服了经典的使用光流实现弱小目标检测和跟踪的缺点,鲁棒性强,不失为一种新的处理红外弱小目标的思路。     

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。     

红外运动小目标检测的小面拟合算法

针对红外图像序列中运动小目标,提出一种基于预测的小面拟合目标检测算法。首先根据图像序列中目标运动的连续性及方向性,采用二阶自回归模型预测目标的搜索窗口。然后根据天空背景红外图像中小目标灰度高于背景的特征,利用小面拟合模型对搜索窗口的局部区域作灰度曲面拟合,提取搜索窗口内灰度极值点作为目标,提出了相应的目标检测算子。对红外图像序列的实验表明,该算法可有效检测天空背景下红外运动小目标,算法的实时性和抗干扰能力优于传统的目标检测方法。     

动态背景的序列图像中运动小目标检测算法

提出了一种动态背景下红外运动小目标的检测算法。该算法在连续四帧图像配准的基础上,对配准之后的图像序列进行沿时间轴的一维小波变换,实现目标和背景的分离。然后对主要包含运动目标信息的图像按像素相乘的方法得到目标增强图像,对其分割后提取运动小目标。实验结果表明,该方法能够有效的对红外慢速和快速运动的小目标进行检测。     

一种基于深度网络的显著性目标检测算法

针对目前已有显著性目标检测算法精度不高以及目标边缘模糊等问题,给出一种基于深度网络的显著性目标检测算法.该算法设计一个端到端的多尺度全卷积网络,在原始输入图像中运行一次即可直接得到像素级的显著性图像;通过基于图像四边的边界先验知识改进GMR流形排序算法,根据前景与背景是相对的这一理论提出背景计算;采用基于完全连接的C RF像素显著性细化模型提高相邻像素之间显著值的一致性,使生成的显著性目标突出.定性和定量的实验结果表明:该算法不仅提高了显著性目标检测的精确度,也可以有效解决目标边缘模糊问题.     

多尺度红外超像素图像模型的小目标检测

目的 复杂背景中的红外小目标检测易受背景杂波与噪声的干扰,直接利用现有的低秩约束与稀疏表示联合模型存在准确率低、虚警率高及检测速度慢等不足。为了解决这些问题,提出一种基于多尺度红外超像素图像模型的小目标检测方法。方法 首先,采用超像素方法分割原始红外图像,得到无重叠区域的超像素图像,充分利用红外图像的局部空间相关性;然后,引入多尺度理论,融合多个不同尺度下检测的目标图像,增强该方法检测不同尺寸目标的稳健性。结果 针对多幅不同场景下的红外小目标图像进行了实验验证,并选取信杂比增益、背景抑制因子及检测时间作为定量评价指标,以此衡量背景抑制效果及算法运行速度。大量实验结果表明,与Top-Hat、Max-Median、二维最小均方、局部显著性图、红外块图像、加权红外块图像等方法相比,本文方法能有效地去除各种干扰,在背景抑制方面具有更好的效果,且所得背景抑制因子为其他方法的数十倍;与同类方法相比,红外超像素图像模型减少了至少78.2%的检测时间。结论 本文将超像素图像分割与多尺度理论引入低秩约束与稀疏表示联合模型,能够取得更好的背景抑制效果,并且可以适应不同大小目标的检测,实现复杂背景中红外小目标的准确检测。     

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。     

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.     

一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法

利用海洋宽幅SAR图像进行大范围海域舰船检测在海洋监视、军事侦察等方面具有重要应用。由于海况的复杂性,宽幅SAR图像背景杂波特性随海域不同而变化。采用双参数CFAR检测算法和基于K分布CFAR检测算法在处理宽幅SAR图像时,由于在待检测的所有区域采用同种背景杂波模型,导致使用的杂波模型在不适应区域失配,使CFAR检测性能下降。针对这个问题,提出了一种基于自适应背景杂波模型的CFAR宽幅SAR图像舰船检测算法,该算法通过背景窗口的多尺度统计方差判断目标所处的杂波环境,自适应选择对应的背景杂波分布模型,最后根据已知的恒虚警率及选择的杂波概率密度函数进行CFAR检测。对20多幅宽幅SAR图像进行了试验,实验结果表明:该算法在检测精度上有明显的改善。     

扫描型红外图像实时目标检测研究

针对扫描型红外图像数据量大、背景复杂、横纹杂波干扰大和目标图像信噪比低等特点,提出一种适用于360°全方位扫描型红外图像目标检测的实时处理算法。算法预处理部分消除横纹杂波,实现目标增强和背景抑制;然后采用两级特征提取,大幅降低图像的数据量;最后根据帧间图像灰度特征相关的思想,完成扫描型红外图像目标检测的功能。根据本文算法的特点,以DSP+FPGA为核心处理器设计了具有实时处理能力强,数据传输容量大等优点的图像处理板。实验结果表明,本文算法是有效、可行的,图像处理板稳定、可靠,能满足扫描型红外图像实时目标检测的需求。     

基于ADSP21160的目标检测算法实现

强杂波背景中的雷达目标恒虚警检测是雷达信号处理的重要组成部分。本文首先介绍了数字信号处理芯片ADSP21160的主要特点，然后讨论了瑞利分布杂波背景中雷达目标恒虚警检测的原理，最后着重阐述了基于数字信号处理芯片ADSP21160实现杂波背景中雷达目标恒虚警检测的方法和仿真实验结果。     

Ground moving target detection and location based on SAR images for distributed spaceborne SAR

In recent years, a new concept of spaceborne SAR implementation has been propos- ed[1,2], i.e., the distributed (constellation) spaceborne SAR implementation in which sev-eral formation-flying small satellites (or micro-satellites) cooperates to perform multiple missions. The coherent combination of ground echoes acquired by all small satellites can significantly improve the performance of ground moving target indication (GMTI), SAR mapping, interferometric SAR (InSAR), etc. Since the …     

A New Ship Target Detection Algorithm based on SVMin High Resolution SAR Images

The characteristics of ocean background and target in the high resolution synthetic aperture radar (SAR) images are analyzed.Aiming at the requirements of ship detection in high-resolution synthetic aperture radar (SAR) image,the detection accuracy,intelligence level,real-time and processing efficiency,we put forward a high resolution SAR images ship detection algorithm based on support vector machine.The algorithm designs a pre-training support vector machine (SVM) classifier and complete the screening of the ship target block area,then the algorithm of optimal entropy thresholds proposed by Kapur,Sahoo,Wong(KSW) will be used on the target area selected for fine detection of ship targets.In this paper,several commercial satellite data,such as TerraSAR-X,are used to verify the experiment.Comparing with the classical CFAR detection algorithm,Experimental results show that the algorithm can improve the false alarm caused by the speckle noise and ocean clutter background inhomogeneity.At the same time,the detection speed is also increased by 20% to 35%.     

A novel method for speckle noise reduction and ship target detection in SAR images

It is very difficult to detect small targets when the scattering intensity of background clutter is as strong as the targets and the speckle noise is serious in synthetic aperture radar (SAR) images. Because the scattering of man-made objects lasts for a longer time than that of background clutter in azimuth matching scope, it is much easier for man-made objects to produce strong coherence than ground objects. As the essence of SAR imaging is coherent imaging, the contrast between targets and background clutter can be enhanced via coherent processing of SAR images. This paper proposes a novel method to reduce speckle noise for SAR images and to improve the detected ratio for SAR ship targets from the SAR imaging mechanism. This new method includes the coherence reduction speckle noise (CRSN) algorithm and the coherence constant false-alarm ratio (CCFAR) detection algorithm. Real SAR image data is used to test the presented algorithms and the experimental results verify that they are feasible and effective.     

Clutter noise removal in binary document images

The paper presents a clutter detection and removal algorithm for complex document images. This distance transform based technique aims to remove irregular and independent unwanted clutter while preserving the text content. The novelty of this approach is in its approximation to the clutter–content boundary when the clutter is attached to the content in irregular ways. As an intermediate step, a residual image is created, which forms the basis for clutter detection and removal. Clutter detection and removal are independent of clutter’s position, size, shape, and connectivity with text. The method is tested on a collection of highly degraded and noisy, machine-printed and handwritten Arabic and English documents, and results show pixel-level accuracies of 99.18 and 98.67 % for clutter detection and removal, respectively. This approach is also extended to documents having a mix of clutter and salt-and-pepper noise.     

改进的基于Parzen窗算法的SAR图像目标检测

传统的Parzen窗检测算法假设目标占整个背景中较小的一部分,将SAR图像中的所有像素用于估计杂波概率密度函数,容易造成检测阈值的增大从而对不太明显的SAR图像舰船目标产生漏检。对此,提出了一种改进的Parzen窗检测算法,该算法通过自适应地设置目标窗口,将潜在的目标从检测图像中剔除,对剔除后的杂波背景采用Parzen窗进行非参数化的杂波模型估计,进而确定检测阈值,完成目标的检测。相比传统的Parzen窗检测算法,提出的SAR图像舰船目标检测算法减少了漏检数量,改善了检测性能。实测SAR图像的检测结果表明了该方法的有效性。     

监控系统中运动目标检测算法分析

广泛了解当前智能监控技术已有的运动目标检测算法的基础上,对常用的运动目标几种检测算法进行了深入的分析和对比。针对相邻帧的帧间差分、背景减除法和光流场三种检测方法的不同算法的优缺点,介绍了一种基于背景差分和帧间差分相融合的多帧差分运动目标检测算法。通过对运动目标静态场景监控视频图像的准确获取,运用分析改进算法得到更为接近运动目标实际状况的影像轮廓。