红外小目标检测跟踪系统设计

从图像处理方法的角度对红外图像中小目标的检测、跟踪进行了研究,给出了系统总体设计框图,整个检测算法的前端图像滤波预处理采用FPGA实现,识别跟踪采用DSP实现。详细介绍了系统各功能模块的设计方法。实验表明该系统实现了小目标检测跟踪的功能,工作稳定可靠。     

基于边缘化粒子滤波的红外小目标检测跟踪

针对红外探测系统中单帧红外图像中低信噪比小目标检测问题,提出一种基于边缘化粒子滤波算法的检测前跟踪方法.该方法根据混合状态滤波的思想,直接利用原始图像数据,采用粒子数确定的持续概率密度函数和新生概率密度函数,推导出目标存在的概率.对没有出现在量测方程中的线性状态变量边缘化,用卡尔曼滤波器进行时间更新.实验结果证明,该方...     

基于CenSurE算子的多尺度红外小目标快速检测

红外小目标检测在国防、航天、交通、安防等领域有着广泛的应用场景,目前基于深度学习的目标检测算法尚不能很好地处理多尺度红外小目标检测.为此提出了一种红外小目标快速检测算法,通过引入尺度空间理论来解决目标尺度的变化问题.该算法采用CenSurE算子,使用积分图和图像栅格化等处理,降低计算复杂度,实现红外小目标的快速检测.实...     

基于人工神经网络的红外小目标检测

提出一种使用人工神经网络技术来估计红外图像背景的快速算法,并利用红外图像中弱小目标的特性来构建目标模型,采用中心重合的大、小两个窗口,用大窗口的外层来估计目标周围的背景,即隐含层第一个结点的输出值,大窗口内的小窗口则是用采估计中心像素的特性,即隐含层第二个结点的输出值,用隐含层第二个结点减去第一个结点的差的大小来判断中心像素是属于目标还是背景,差值越大输出值越大.采用该思想训练网络权值,可以更好地检测真目标,剔除虚假目标.     

基于辅助粒子滤波的红外小目标检测前跟踪算法

研究低信噪比复杂环境下的红外小目标检测和跟踪问题,提出了基于辅助粒子滤波的检测前跟踪算法.首先使用形态学滤波算法对图像进行白化预处理;然后在跟踪阶段采用辅助粒子滤波算法估计目标运动状态,在检测阶段利用跟踪滤波器的输出构造似然比,并进行似然比检验.对真实红外图像序列的实验表明,该算法可成功跟踪和检测信噪比为2的小目标,且其性能优于传统的检测前跟踪算法.     

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。     

靶场红外测量图像弱信号小目标检测系统的设计与实现

分析了红外图像中小目标、噪声以及背景的特点,考虑到单帧图像处理不能兼顾对目标的可靠检测和低的虚警概率,而现有的多帧检测算法计算量大,难以实时实现,采用了将单帧和多帧检测有机结合的小目标检测技术.首先采用基于高阶统计量的目标检测算法,从单帧强噪声图像中检测出虚警率低的候选目标点;然后针对小目标运动的一致性和连续性,采用多帧高阶互相关的序列图像处理方法,得到目标运动轨迹;最后再对目标运动轨迹进行综合评判,进行航迹确认,得到真实目标的位置和轨迹.实验结果表明,该技术降低了虚警概率,提高了检测概率.     

红外弱小目标检测算法综述

红外探测技术具有不受环境等因素干扰的优势,在红外制导、预警等军事领域的应用日益广泛。随着对红外弱小目标检测技术的研究越来越深入,相应的检测方法越来越多样。本文通过对红外弱小目标图像中目标与背景的特性以及红外弱小目标检测技术难点问题进行分析,根据当前是否利用帧间相关信息,分别从基于单帧红外图像和基于红外序列两个角度,选取了相应的红外弱小目标算法进行对比,对其中典型算法的原理、流程以及特点等进行了详细综述,并对每类检测算法的性能进行了比较。针对红外弱小目标图像信噪比低的特点,对红外弱小目标检测算法的难点问题进行分析,给出了目前各种算法的解决方法和不足,探讨红外弱小目标检测算法的发展方向,即研究计算量小、性能优、鲁棒性强、实时性好和便于硬件实现的算法。     

基于NSCT的红外图像小目标检测技术

红外图像小目标检测是精确制导武器的关键技术之一。将小波或Contourlet多尺度分析用于红外小目标检测具有一定的局限性。无下采样Contourlet变换（NSCT）是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解。提出了一种基于NSCT的红外小目标检测算法。该算法首先对图像进行NSCT变换;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量间的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现红外小目标的检测。与基于小波变换的红外小目标检测算法进行了比较。实验结果表明,该算法能较精确地检测出红外小目标,优于基于小波变换的方法。     

基于形态学Top-hat滤波的红外小目标检测

为了满足红外小目标检测任务实时性高的要求,提出了基于FPGA硬件平台设计小目标检测系统的方法;采用模块化的设计思想并充分发挥FPGA并行运算的能力,利用Altera公司DSP Builder工具,按照Top-hat形态学滤波、阈值分割和质心提取的流程实现硬件算法模块;硬件仿真结果表明,该设计可以快速、可靠地检测出动态红外小目标,并具有一定的抗干扰能力,为高速小目标检测系统的研发提供了一种可行的方案。     

利用检测特征空间的目标实时跟踪

针对被跟踪目标尺度小、特征颜色与场景颜色相似的问题,提出一种基于实时检测结果的视频目标跟踪算法,即首先对背景进行高斯建模,利用背景减除法和帧间差分算法对前景区域进行有效提取,然后在提取的前景区域内进行基于均值移动算法的目标跟踪。基于像素级别的背景减除与帧间差分算法虽然精确和灵敏的优点,但是鲁棒性不强;而基于块级别的均值移动算法虽然鲁棒性强,但是弱化了特征颜色的空间信息,本文对两种机制进行了有效融合。通过该策略,跟踪系统在目标快速运动、有场景相似颜色干扰等情况下具有很好的跟踪性能,算法的计算量小,能够满足实时性要求。通过多组对比实验可以看出,新算法具有很强的抑制背景干扰、提高均值移动跟踪算法鲁棒性的能力。     

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。     

一种基于robert算子的红外图象小目标检测算法

"红外小目标检测"技术是红外成像跟踪系统的核心技术,因此红外小目标的检测是当前军事领域的一项重要研究课题。目前红外小目标的检测技术的发展方向是研究一种运算量小、性能高、利于硬件实时实现的检测算法。     

基于HVS的空中红外小目标快速检测算法

针对传统目标检测算法实时性较差且在面对复杂云层干扰时虚警率高的问题,提出一种基于人类视觉系统的小目标快速检测算法。利用局部对比度测量方法计算候选目标,根据拉普拉斯高斯尺度空间理论,计算候选目标处的多尺度滤波响应,进而通过自适应阈值分割获取真实目标。实验结果表明,该算法的检测率高达97%,虚警率低于3%,且能够在5 ms内完成目标位置计算。     

基于分层阈值化的红外弱小目标检测算法

针对红外小目标视频图像信噪比低,小目标没有固定的大小形状等特性,提出了一种基于分层阈值化的红外小目标检测技术.对每一个连通域的形状、大小、边缘特性等进行评估,删除伪目标.对于一些固有的背景干扰,则利用先跟踪后检测的方法去除干扰.实验表明该算法具有良好的适应性,对于低信噪比的图片仍然具有良好的效果.     

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。     

基于LBP的红外弱小目标检测系统设计

分析了一种基于局部二元模式（LBP）算子的红外弱小目标检测方法,并根据实际应用背景设计实现了一种红外弱小目标检测系统。介绍了该系统的总体结构以及程序模块的设计方法。试验对比表明,该方法在保证LBP算法实时性的前提下可节约大量硬件资源。     

基于 MPI ＋OpenMP 的红外弱小目标检测并行计算

为有效监控红外弱小目标运动的全过程,必须采用多个波段同时探测,但是多波段探测必然带来计算时间的大幅增长,无法满足实际应用中对目标检测实时性的要求。针对这一问题,本文提出一种基于MPI＋OpenMP的层次化并行方法,充分利用消息传递模型和共享存储模型的优势,并基于多处理器节点集群进行测试。实验结果表明,该并行程序在保证相同的检测概率的情况下加速比达到8．61,极大地提高了目标检测的效率。