小波变换在红外成像末制导中应用研究

主要研究了利用小波变换提高红外成像末制导对强杂波背景下弱小目标检测能力的方法．仿真结果表明,通过小波变换对目标图像信号实现频率选择和多尺度分解,能有效地抑制背景噪声,提高对目标检测概率,并且具有较高的单帧检测效率．     

基于细胞响应模型的红外背景抑制

为检测复杂背景红外图像中的小目标,解决红外弱小目标检测易受复杂背景干扰的问题,提出基于非下采样Contourlet变换(NSCT)和细胞响应模型的红外图像背景抑制算法。首先采用非下采样Contourlet变换对图像进行多尺度、多方向分解,得到各子带系数;然后根据目标、背景的不同特点以及子带的方向性,选取细胞响应模型的参数对中频各个子带系数进行处理;最后对处理后的子带系数进行重构得到背景抑制图像。实验结果表明:本文算法取得了更好的背景抑制效果,提高了单帧红外图像的处理能力,降低了后续检测与跟踪的难度。     

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外 小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵 算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明：该方法适应 性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。     

一种基于Wiener滤波的海天背景红外目标检测算法

针对海天背景红外目标信噪比低且容易受到海面杂波、云层背景干扰的问题,提出了一种基于Wiener滤波的海天背景红外目标检测算法。首先,采用Wiener滤波器实现红外图像的背景估计,利用方向梯度算子估计海天线,确定目标的潜在区域。然后,采用自适应阈值分割的方法确定目标位置。最后,根据多向梯度特征剔除虚假目标。实验结果表明,该算法具有较好的鲁棒性,且对云层边缘、海杂波有较好的抑制能力。     

基于多尺度局部对比度和多尺度梯度一致性的红外小弱目标检测算法

针对复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题,提出了一种基于多尺度局部对比度方法与多尺度梯度一致性方法的红外小弱目标检测算法。利用多尺度局部对比度方法对红外图像中红外小弱目标进行增强,利用多尺度梯度一致性方法剔除复杂背景和强杂波干扰造成的虚警。从信噪比（SNR）增益、平均残留背景绝对值、检测率、虚警率及ROC曲线方面将新算法与max-mean算法、max-median算法、top-hat算法、IPI算法及MGDWIE算法进行了对比。实验显示：新算法相较于对比算法具有更高的SNR增益、更低的平均残留背景绝对值、更高的检测率及更低的虚警率。对比结果表明：新算法在复杂背景和强杂波干扰下具有良好的红外小弱目标检测准确性和鲁棒性,有效改善了复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题。     

自适应背景技术在红外起伏背景估计的应用

红外图像小目标检测问题是当前的研究热点。为了检测出起伏背景下的弱小目标，需要对红外图像进行背景抑制。文中对自适应背景估计技术进行了理论研究，并采用循环滤波法和线性、非线性的混合滤波分别对算法进行了改进且给出了实验结果。结果表明，改进了的算法比原算法对背景抑制参数(BSF)和信噪比增益(SNIR)都有所改善，对于红外起伏背景的估计具有一定的实际意义。     

基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题,提出一种基于时空域融合的检测方法。在空域上．通过灰度形态学Tophat变换抑制背景、增强目标;在时域上．对红外图像序列连续四帧进行沿时间轴一维小波变换,实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明。该方法能有效地检测运动红外弱小目标。     

基于YOLOv3的复杂环境红外弱小目标检测

在复杂环境的红外弱小目标检测问题中,传统算法大多需要对红外目标进行特征增强、背景杂波抑制等预处理工作,算法检测准确率低,控制参数较多。通过对红外目标特性进行分析,本文构建了基于深度学习的复杂环境红外弱小目标检测算法。算法以单阶段目标检测网络YOLOv3为基础,简化处理流程,显著提升对红外弱小目标的检测精度。在红外弱小目标数据集的测试中, YOLOv3较实验对比的方法在检测准确性上具有明显的提升,其平均准确率(AP)可达99.5%以上,验证了算法对红外弱小目标检测的有效性。     

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制

针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。     

多尺度Retinex算法在红外图像增强中的应用

应用改进的多尺度Retinex增强算法．对低能见度的红外图像进行图像增强,提高了原图像的对比度和像质,得到了目标区域的最佳视觉效果。理论分析和实验结果表明,该算法与维纳滤波、同态滤波等算法相比,有效地抑制了背景和噪声。该算法对红外图像增强后,图像对比度比前两种算法的对比度强。     

Dim Moving Small Target Detection by Local and Global Variance Filtering on TemporalProfiles in Infrared Sequences

In this paper, the temporal different characteristics between the target and background pixels are used to detect dim moving targets in the slow-evolving complex background. A local and global variance filter on temporal profiles is presented that addresses the temporal characteristics of the target and background pixels to eliminate the large variation of background temporal profiles. Firstly, the temporal behaviors of different types of image pixels of practical infrared scenes are analyzed.Then, the new local and global variance filter is proposed. The baseline of the fluctuation level of background temporal profiles is obtained by using the local and global variance filter. The height of the target pulse signal is extracted by subtracting the baseline from the original temporal profiles. Finally, a new target detection criterion is designed. The proposed method is applied to detect dim and small targets in practical infrared sequence images. The experimental results show that the proposed algorithm has good detection performance for dim moving small targets in the complex background.     

基于时空域融合的红外弱小目标检测算法

文中提出了一种基于时空域融合的红外弱小目标检测算法。算法首先采用Top-hat进行空域滤波,再采用三帧差分滤波器进行时域滤波。针对滤波后图像序列将只包括目标和少量噪声的特点,文中采用了一种或运算,或运算能进行能量累积,并检测出目标的运动轨迹。然后进行形态学闭运算,以连接可能断裂的目标轨迹。最后运用自适应阈值分割,检测出目标轨迹。仿真结果显示本算法能很好的检测出复杂背景下低速和高速运动低信噪比的弱小目标。     

基于改进重建滤波器组的机动目标MIMO-ISAR高分辨成像方法

针对空间非均匀采样导致的方位向多普勒模糊问题,提出改进重建滤波器组的机动目标MIMO-ISAR高分辨成像方法。针对目标高机动模型,构建多载频线性调频信号的MIMO-ISAR回波模型,采用RWT(radon-wigner transform)参数估计目标运动参数,根据方位有效采样率构建滤波器组,通过实验验证该算法的有效性。结果表明,该方法能有效解决机动目标方位向多普勒模糊问题。     

滑动置信度约束的红外弱小目标跟踪算法研究

为了提高红外视频弱小目标的跟踪精度,提出了滑动置信度约束的弱小目标跟踪方法。在快速自适应中值滤波的红外图像背景抑制技术的基础上,设计了正交变换和置信域约束的轨迹预测,利用加权参数增强目标函数的收敛性能,提高下一位置初的预测准确度;通过轨迹相邻点的位置差计算搜索窗口的大小,搜索与之相匹配的特征点进行关联处理,完成对初预测点的筛选;以滑动轨迹置信度检验为准则判决轨迹的真实性,并进行目标轨迹更新以实现对弱小目标的准确跟踪。通过红外弱小目标视频对所提算法进行了实验验证,结果表明,该算法对红外弱小目标的跟踪轨迹误差有较小的均方偏差与均方差,在噪声消除和对图像整体信息保护方面都具有良好的性能。     

单帧红外小目标检测算法研究

研究了单帧红外图像运动小目标的检测问题。首先利用数学形态学Tophar滤波对图像进行背景抑制,然后对图像进行对比度增强,针对对比度增强的同时会造成一些噪声的灰度值也得到增加的问题,采用改进的遗传算法对对比度增强之后的图像进行分割,提高目标分割精度的同时也提高了分割的速度。仿真实验结果表明了算法是有效的。     

水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取

水下目标识别是水声探测中的关键技术,具有重要的应用价值。海洋环境的复杂性导致水下目标识别中存在不可回避的噪声干扰。以人耳听觉机理为基础,提出了一种结合Gammatone滤波器、小波阈值降噪和希尔伯特-黄变换(HHT)的水下目标识别方法。采用Gammatone滤波器实现人耳听觉机理的模拟,并在此基础上进行小波阈值降噪,提高系统的噪声鲁棒性,然后利用HHT进行时频分析和特征提取。利用实际水下目标数据进行识别实验,对提出的方法进行了验证。实验结果表明,提出的方法在低信噪比条件下具有良好的鲁棒性,并具有较好的识别效果。     

基于分数阶傅里叶变换补偿多普勒徙动的动目标检测算法

提出了一种基于分数阶Fourier变换(FRFT)的二次相位多普勒徙动补偿的动目标检测算法。该算法利用离散分数阶Fourier燹换形成扫频滤波器组,实现对每个多普勒频率（径向速度）检测单元分别进行二次相位补偿和相参积累,有效增强了雷达在强杂波背景下对微弱运动目标的检测能力。仿真结果验证了本文算法的有效性。由于分数阶Fourier变换具有比较成熟的快速算法（与FFT计算量相当）,所以所需的计算代价较小。