基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

一种红外小目标的图像检测方法

针对复杂背景条件下的红外图像目标检测问题,将空域滤波和时域滤波相结合,提出了基于数学形态学的目标检测算法.该算法先对原始图像序列作能量膨胀累积以增强目标信息和提高信噪比,然后采用基于数学形态学的Top-Hat变换空域滤波处理技术消除在目标尺度范围外的背景、干扰和噪声,达到探测目标的目的.仿真结果验证了该算法是一种实时、有效,且易于实现的目标探测方法.     

基于Contourlet变换和Facet模型的红外小目标检测方法

针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换,利用硬阈值对图像进行去噪,提高图像的信噪比和平滑性;然后设计了一种基于Facet模型多向梯度特性的中值滤波器,对去噪后的图像进行滤波,有效地抑制复杂背景和噪声;其次采用两级最大类间方差算法对滤波后的图像进行分割;最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明,这种算法抗噪性强,对包含强纹理结构的复杂背景具有良好的抑制作用,能够有效地检测出弱小目标。     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

天空背景下红外弱小目标检测算法研究

针对天空背景下红外弱小目标检测困难的情况,首先通过改进的形态学滤波目标增强方法对图像进行背景抑制与噪声去除,而后采用恒虚警检测方法(CFAR)对滤波后图像进行分割,获得候选点目标,然后采用行程目标标记的方法得到候选目标的位置信息、面积信息等,单帧图像检测之后,复杂的天空背景仍然会存在虚警。为了提高检测概率、降低虚警率,结合目标运动特性(包括运动轨迹、速度、加速度等)、灰度变化、面积变化等帧间相关性采用移动式管道滤波方法对序列图像候选目标做进一步判断。实验结果表明,该方法能有效地从复杂背景中检测出真实目标。     

基于小波分解红外雷场目标提取方法的研究

为提取低信噪比红外雷场图象中的目标,采取了一种基于小波分解和能量特征的目标提取方法.根据目标与环境背景在图像小波变换域能量分布特性的不同而对小波分解得到的各变换域通道能量特征值进行计算,并以此为依据提取出目标.实验结果表明,该方法对红外雷场图象有较好的处理效果.     

一维均值反差滤波的小目标快速检测算法

复杂背景下低信噪比弱小目标的自动检测是当今目标自动探测研究尚未解决的一个难题.将一维均值反差作为一种不相似性度量应用于小目标检测的前期滤波处理中,有效地增强小目标信息、抑制了复杂的背景和噪声,并结合背景预测原理,实现了对小目标的快速检测.仿真实验表明:该滤波算法大幅提高了小目标图像的信噪比,保证了利用背景预测原理检测小目标的准确性;与基于二维均值反差的滤波方法相比,该方法对小目标形状的适应性更强,速度更快.     

基于剪切波变换和邻域差分的小目标检测算法

提出了一种基于剪切波变换的背景预测算法用于红外小目标的检测。对原始图像进行剪切波变换,获得原始图像的多尺度和方向的细节特征。然后,对低频子带进行中值滤波,去除残留目标。对高频子带,根据其均方误差来调整权重系数,抑制目标和噪声。将反变换后得到的背景预测图像和原始图像进行差分,采用一种基于双窗口的邻域差分方法进行分割,最终实现目标检测。与小波变换法和双边滤波法比较,基于剪切波变换的方法对小目标的检测有较好的效果。     

基于OpenCV的红外弱小运动目标检测与跟踪

针对信噪比低、背景和噪声干扰严重的红外图像,根据图像序列中运动目标的帧间相关特性以及噪声的不相关理论,基于OpenCV（Open Soure Computer Vision Library）计算机视觉库,提出了一种弱小目标的检测算法,并对检测到的目标进行了跟踪。采用能量累积的方法得到背景,然后从原始图像中去除背景,提高信噪比;利用目标的帧间相关特性以及运动信息去除噪声;最后通过Kalman滤波算法来对检测到的目标进行跟踪。实验结果表明:该检测算法能有效地从序列图像中提取出弱小运动目标,跟踪算法也能实时地进行跟踪并在目标被遮挡时准确地预测出目标位置。     

基于9/7提升小波的海面弱目标检测算法

弱目标的检测一直是监视和报警系统的重要组成部分.海面背景下海面及连绵起伏的波浪反光使图像的信噪比和对比度都较低,而且舰船目标像素较少.先利用自适应灰度阈值对图像进行滤波;再进行9/7提升小波变换,提取高频部分;然后利用高频部分进行重构;最后对重构后的图像进行自适应灰度阈值处理,检测出目标.实验结果表明该算法能够有效地检测出强噪声和背景杂波干扰情况下的舰船目标.     

基于疑似目标区域提取的空间图像降噪

对于空间目标图像的降噪预处理,要求能够完整地保留目标的边缘同时保证目标内部灰度分布不变,直接利用传统降噪增强方法难以取得理想效果.针对空间目标可见光图像,分析可能引入的噪声种类及其特性,提出了一种通过提取疑似目标区域达到降噪目的的方法.该方法首先使用SUSAN滤波结合频域分析、背景杂波抑制获得目标区域,然后从原始图像中提取出没有背景噪声的图像,从而实现图像的降噪.为了验证降噪效果,从整体视觉效果、局部星点视觉效果和信噪比三方面,与中值滤波、低通滤波、小波变换方法处理结果进行比较,实验结果显示,该方法在去除背景噪声的同时,能够更好地保留目标的边缘和内部灰度分布.     

杂波背景下基于小波变换的低速目标检测

地物背景杂波因其存在多普勒频移导致频谱展宽,目标与杂波频域位置相差小,从而增加了对低速目标检测的难度。通过与经典傅里叶频域法相比较,引出了小波变换法在低速目标检测中的作用。最后应用MATLAB给出仿真的结果,证明了小波变换在低速目标检测中的优越性。     

基于K—L变换的红外图像弱小目标检测与分析

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,利用正交变换去相关特性,提出了一种改进的K－L变换和广义K－L变换的红外弱小目标检测与描述方法,从而实现低信噪比条件下红外弱小目标的检测。     

一种新的多线性调频信号时频表示

本文提出了一种用于多线性调频信号时频表示的方法.首先由Radon-Ambiguity变换设计出线状核函数,以去除噪声和多线性调频信号之间的交叉项在模糊域中的影响,再通过二维傅立叶变换得到一种新的时频表示.仿真实验证明了此方法可以有效的去除噪声和多信号之间交叉项的影响,在低信噪比下也十分有效.     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

基于多小波增强的雾天运动目标跟踪技术

在雾天等能见度极低的天气环境下应用联合变换相关器对运动目标进行跟踪识别，针对目标由于灰度对比度极低、能见度差及环境中背景噪声干扰所引起的低识别率问题，提出了一种基于多小波增强的预处理方法，该方法在多小波变换优点的基础上，根据分解后系数的不同特点，采用不同方法分别增强高、低频系数，使处理后的图像在不失真的同时，对比度和目标边缘同时增强，且背景噪声得以抑制。对模拟雾天环境下拍摄的大量运动目标进行光学相关实验，结果表明:该方法能有效提高在雾天天气环境下运动目标的跟踪效率，验证了算法的可行性。     

改良型MACH滤波器算法的形变目标识别

联合变换相关器可用于精确识别与定位目标,其瓶颈在于如何在复杂背景中识别形变目标,这也限制了目标模式识别技术的发展.为解决这一问题,提出了一种改良型的最大平均高度(MACH)滤波器算法.该算法对于旋转形变及尺寸形变目标均有很强的识别能力.根据大量的实验结果分析,对合成滤波器的控制参数进行了优化,使得该滤波器具有较高的形变识别容差,并能有效抑制复杂噪声.通过将频域中改良的MACH滤波器返回至空域,可获得含有目标多种不同状态的MACH参考模板.利用该模板,能有效增强相关峰亮度,扩大复杂背景中形变目标的识别范围.作为实例,对复杂背景中的战舰目标进行了计算机模拟实验与光学实验.实验结果证明了该算法的可行性和实用性.     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。     

基于分数阶Fourier变换的机载SAR运动目标检测

该文首先建立了机载合成孔径雷达(SAR)对运动目标的回波信号模型,阐述了其本质为线性调频信号的特点。根据这种特点,提出了一种基于分数阶Fourier变换的机载SAR运动目标检测新方法,有效地消除了线性调频信号的时频耦合特性对信号检测的影响。与双线性时频分布类算法相比,分数阶Fourier变换是线性变换,在多运动目标存在的情况下,不会受到交叉项的影响。仿真结果验证了算法的有效性。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。