基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于视觉显著性和目标置信度的红外车辆检测技术

提出了一种复杂地面背景下的红外车辆检测算法。首先,提出一种新的自适应分段线性灰度拉伸方法来增强当图像整体亮度偏低时的目标信息。其次,利用拉伸后图像的显著性图生成目标潜在的兴趣区。再次,利用平均梯度法在兴趣区内进行目标的边缘再分割,完成目标精确分割检测。最后,利用车辆的红外融合特征计算目标置信度,对目标进行评估和确认。实验结果表明:对实际拍摄的红外图像进行检测的算法可有效地检测出地面车辆目标。     

基于最优可免域神经免疫网络的深度模糊红外目标提取算法

深度模糊是模糊红外图像的一类表现特征,准确提取红外图像的深度模糊区域是提取模糊红外目标的基础。基于生物免疫系统在抗原检测、提取和消除上表现出识别、学习、记忆、耐受和协调配合等优异特性,结合生物免疫中神经系统与免疫系统相互作用的关系,提出了一种基于最优可免域神经免疫网络的深度模糊红外目标提取算法。该算法通过设计神经网络能给进行模糊红外图像目标与背景分类的免疫网络以指导作用。依靠独立于免疫系统神经网络先验知识的作用,设计了最优可免域神经免疫网络,实现了针对深度模糊红外目标的准确提取。实验结果证明,相对于其他传统目标提取算法,该算法能更有效和更准确地提取模糊红外目标图像中的目标。     

多级分割融合算法提取红外舰船目标潜在区

针对海天背景下红外舰船图像目标与背景对比度低,图像边缘模糊的特点,提出了一种红外图像舰船目标潜在区的提取算法.算法对图像进行了预处理和频域增强,在海天线附近区域进行多级分割融合以提取目标潜在区.实验结果表明,对于海天背景红外图像,采用该算法能够克服传统分割方法中单一阈值不好选取的问题.多级分割融合的结果能够覆盖目标区域,为后续的目标识别和跟踪奠定了良好的基础.     

基于全卷积神经网络和动态自适应区域生长法的红外图像目标分割方法

复杂背景下的红外图像往往由于噪声较多、背景区域重叠、目标与背景对比度较差等因素,在对目标区域分割时会造成过分割或欠分割。针对此现象,提出了一种将全卷积神经网络和动态自适应区域生长法相结合的红外分割算法。首先利用全卷积神经网络对目标区域在像素级别进行特征提取,通过神经网络强大的自学习能力获得目标区域的粗分割结果;然后根据粗分割结果,对其取外接最小面积矩形框,并根据矩形框位置在原始图像上确定目标区域,并以此矩形区域进行动态自适应区域生长,形成第二次分割结果。最后融合全卷积网络(FCN)的粗分割结果和区域生长分割结果,实现目标区域的最终分割和提取。仿真实验表明,该方法能有效利用FCN对红外图像复杂背景的消除能力,而区域生长法对分割细节的敏感也同时弥补了FCN分割精度的不足,取得了较好的分割效果。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

基于冗余小波变换的高频地波雷达目标检测算法

为了从高频地波雷达(High Frequency Surface Wave Radar, HFSWR)信号生成的复杂距离多普勒(Range Doppler, RD)图像中准确提取运动点目标, 提出了一种基于冗余小波变换(Redundant Discrete Wavelet Transformation, RDWT)的RD图像点目标检测算法.该算法根据点目标与海杂波、电离层杂波等特征的差异, 首先在距离方向进行自适应RDWT以去除海杂波和地杂波, 并在多普勒方向进行自适应RDWT以去除电离层杂波; 然后利用图像形态学运算对背景噪声进行了抑制; 最后进行阈值自适应分割以得到点目标.实验结果表明:该算法能有效抑制RD图像中的海杂波、电离层杂波和背景噪声, 能从复杂的RD图像中实现点目标的有效检测, 其检测性能优于改进的恒虚警率(Constant False Alarm Rate, CFAR)算法.     

Building Recognition Based on Geometric Model in FLIR Image Sequences

In this paper, we propose a novel method for building recognition from forward looking infrared (FLIR) image sequences with clutter in the background for automatic target recognition (ATR). In the first phase, dynamic feature space is defined, and camera model and multi-scale characteristic views model that are used to predict model’s features based on 3D object reference model are introduced. In the second phase, the original image is preprocessed using morphological grayscale filters that respond to the size, shape and orientation of object to suppress the background that contains the non-stationary nature and man-made objects of the clutter image. In the following phase, segmentation for the result of image preprocessing is used to obtain regions of interest (ROIs), and features extraction of ROIs and matching retain ROIs that are closest to predicted features. Lastly, the object is identified by fusing the line features. Experiment results show the algorithm can recognize the object from FLIR image sequences with a complicated background.     

基于改进加权增强局部对比度测量的红外小目标检测方法

红外弱小目标检测技术是红外搜索与跟踪系统的重要组成部分(IRST)。一般来说,在复杂背景环境下,红外弱小目标检测往往会有高虚警率和低检测率的问题。为了解决这一问题,提出一个改进的加权增强局部对比度测量（IWELCM）检测框架,具有重要意义。首先,通过将局部对比度机制与信杂比(SCR)的计算相结合,提出一个增强的局部对比度测量方法,在增强图像中疑似红外弱小目标区域的同时也提高图像的SCR。其次,通过利用红外图像中弱小目标的特性,以及目标与周围背景的统计差异,提出一个改进的加权函数来进一步增强目标和抑制背景。最后,采用一个自适应阈值分割的方法去获取检测的目标。在不同场景的数据集上的对比实验表明,与七种现有流行的方法相比,提出方法在复杂背景下能够有效地从干扰对象中提取真实的红外弱小目标,具有更好的检测性能。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题,提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先,利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图,使得目标区域信息增强;其次,结合舰船目标先验信息（长短轴、面积等）,利用多级阈值划分算法提取关注的显著区域,并确定原图中候选目标区域;最后,利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割,结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较,结果表明,相比直接进行全图目标搜索的方法,所提方法不仅准确率高、执行速度快,且检测目标的位置更加精确。     

基于红外目标特征提取的图像融合方法

为有效突出红外目标,同时尽可能多地保留可见光图像中的纹理细节信息,使得最终的融合图像更符合人类视觉感知效果,本文提出一种新的基于红外目标特征提取的红外与可见光图像融合方法。首先,利用高斯滤波器将源图像分解为粗略尺度信息和边缘纹理细节信息;对红外图像的边缘纹理细节信息进行去“光晕”分解,在此基础上进一步利用OTSU多阈值分割算法将红外图像分割为目标区域、过渡区域和背景区域;最后,依据分割结果确定各分解子信息的融合权重,以有效地将红外目标信息注入到可见光图像中,同时尽可能多地保留可见光图像中重要的场景细节信息。实验结果表明,本文方法无论从主观视觉还是客观评价指标上,都要优于目前常用的有代表性的图像融合方法。      

空中红外运动点目标检测算法

针对空中红外点目标的特性,提出了一种检测算法。首先,对图像进行高通滤波预处理,增强目标与背景的对比度。增强后的相邻帧图像做差分运算以进行目标的粗检测,提取出候选目标区域;其次,对原图像或预处理后的图像在候选区域内进行自适应分割,检测出点目标;最后,根据目标像素在序列图像中运动的连续性排除噪声干扰,从而准确地检测出真实目标。通过对红外图像序列进行实验,证实了算法的有效性。     

基于改进脉冲耦合神经网络的电路板红外图像分割

电路板红外图像发热芯片区域准确分割是电路板故障诊断的关键步骤,但灰度不均匀、目标区域多、辐射噪声大使电路板红外图像的准确分割变得较为困难。针对这一问题,本文提出一种改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)红外图像分割模型。首先,调整传统PCNN的模型结构,将图像梯度信息作为输入信号增加到模型输入域;其次,基于最大似然估计原理,推导出链接系数β的动态调整方法;最后,在脉冲发生域引入边缘约束算法,防止邻域神经元误捕获,增强目标区域的可分割性。实验结果表明,改进模型能够有效降低背景及辐射噪声影响,准确分割出不同类型电路板红外图像目标芯片区域,在视觉效果、区域一致性和对比度方面均优于已知的Ostu、K-means和传统PCNN模型,分割性能得到明显增强。     

基于SURF-HOG与显著性特征的红外可见光图像配准融合北大核心CSCD

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。     

基于全卷积神经网络的非对称并行语义分割模型

针对RGB图像具有丰富的色彩细节特征,红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点,提出了一种非对称并行语义分割模型APFCN（Asymmetric Parallelism Fully Convolutional Networks）.APFCN上路设计了一个卷积核尺寸非统一的五层空洞卷积网络来提取红外图像目标高层轮廓特征;下路沿用卷积加池化网络提取RGB图像三个尺度上的细节特征;后端将红外图像高层特征与RGB图像三个尺度的细节特征进行融合,并将4倍上采样后的融合特征作为语义分割输出.结果表明,APFCN在像素精度和交并比等方面均优于FCN（输入为RGB图像或红外图像）,适用于背景一致下地面目标的语义分割任务.     

基于非负矩阵分解和红外特征的图像融合方法

针对传统图像融合方法鲁棒性较差的缺点,提出了一种基于非负矩阵分解和红外特征的图像融合方法,实现源图像的目标区域和背景区域分别融合.首先将源图像作为原始数据进行非负矩阵分解得到特征基图像,特征基图像包含了源图像的整体特征;利用红外图像目标与背景灰度显著差异,通过区域生长方法从红外图像提取目标区域,将红外目标区域与特征基图像背景区域相融合得到融合图像.实验结果表明,该方法不仅简单易行,而且在保留了可见光的高空间分辨率和纹理细节信息同时,突出了红外图像对热目标敏感特点,提高了图像的可判读性.     

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

红外图像中人体目标检测技术研究

针对红外序列图像中人体目标检测问题,采用了基于特征点的特征区域提取方法,先用FAST算法快速提取特征点,然后基于提取出的特征点,使用LBP算法提取特征区域,在得到感兴趣的特征区域（ROI区域）后,用对ROI区域进行基于离散小波变换的小波熵特征提取,并采用复合分类方法对ROI区域进行分类,利用此方法有效地将人体目标从红外序列图像中检测出来。     

基于GAN的ISAR图像语义分割方法

逆合成孔径雷达（ISAR）成像技术能够对空间目标进行远距离成像,刻画目标的外形、结构和尺寸等信息。ISAR图像语义分割能够获取目标的感兴趣区域,是ISAR图像解译的重要技术支撑,具有非常重要的研究价值。由于ISAR图像表征性较差,图像中散射点的不连续和强散射点存在的旁瓣效应使得人工精准标注十分困难,基于交叉熵损失的传统深度学习语义分割方法在语义标注不精准情况下无法保证分割性能的稳健。针对这一问题,提出了一种基于生成对抗网络（GAN）的ISAR图像语义分割方法,采用对抗学习思想学习ISAR图像分布到其语义分割图像分布的映射关系,同时通过构建分割图像的局部信息和全局信息来保证语义分割的精度。基于仿真卫星目标ISAR图像数据集的实验结果证明,本文方法能够取得较好的语义分割结果,且在语义标注不够精准的情况下模型更稳健。