沙漠背景下红外偏振图像目标检测方法

红外偏振成像探测同时探测目标的强度辐射与反射偏振态,可以获取传统光学无法获取的目标。偏振探测获取的偏振度、偏振角等信息反映不同的物理特性,与强度图像有较强的互补性。针对该特性,提出一种沙漠背景目标红外偏振图像检测方法。使用一种改进的核模糊聚类算法对红外图像和偏振图像进行聚类处理;利用稀疏融合方法将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,以达到目标检测的目的。实验表明,提出的检测方法相对小波融合和拉普拉斯金字塔融合结果噪声更低、细节更清晰。     

用于海面目标探测的中波红外实时偏振成像系统研究

海面的强镜面反射导致强烈太阳耀光,造成海面目标探测中目标丢失.针对该问题,利用渥拉斯顿棱镜的分光特性及海面杂波的偏振特性,设计了一种中波红外实时偏振成像系统,经分光在同一探测器上获得两幅偏振态相互正交的目标场景偏振子图像.并通过偏振子图像计算场景偏振度,结合目标与背景的偏振特性差异,为准确识别目标提供依据.结果表明,该系统能够有效抑制太阳耀光,并能够充分利用偏振度实现目标探测.     

基于偏振权重局部对比度的目标检测

分焦平面红外偏振探测器输出的是红外偏振马赛克图像,传统处理流程需要进行去马赛克恢复出四个偏振通道的完整图像,然后再实现后续的任务。然而,去马赛克过程会引入误差,而且计算复杂度高、耗时长。针对如何直接在红外偏振马赛克图像上进行目标检测的问题,本文提出了一种偏振权重局部对比度的目标检测方法。首先分析了目标与背景的偏振特性差异;然后设计了红外偏振马赛克图像的斯托克斯矢量计算卷积核;在此基础上提出了基于偏振权重的偏振度显著图,在偏振度显著图上利用自适应阈值操作实现目标检测。此外,利用边缘检测方法进一步优化目标检测结果,得到更加完整的检测结果。最后,使用采集的红外偏振马赛克数据集验证了所提出的目标检测算法在复杂背景以及恶劣天气影响下的鲁棒性。     

长波红外偏振图像信息的提取与增强

基于长波红外偏振成像探测技术在目标检测识别领域的优势,本文搭建了长波红外偏振成像探测系统,采集了室内外典型目标的长波红外偏振图像,提取了三类典型目标的斯托克斯矢量、偏振度、偏振角以及两个组合特征δ与ρ等图像信息,并对其特点进行了详细分析。基于对图像偏振信息的解算,提出了一种目标背景对比度增强方法。实验证明该方法可行且有效。     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

典型背景和目标的长波红外偏振成像实验研究

红外成像可以获得目标的强度信息,偏振成像可以获得目标的偏振信息,二者结合更有利于目标的探测识别。实验选用天空中飞机、海面上船只、草地上车辆三种典型自然背景下的典型目标作为研究对象,并利用自行研制的四通道同时长波红外偏振成像系统实现图像采集。实验结果表明,相对于传统的长波红外成像,长波红外偏振成像具有以下优势:长波红外偏振度图像在一定情况下具有更高的图像对比度,有利于目标的探测识别;长波红外偏振角图像可以突出目标细节,有利于观察者对场景内容的理解;长波红外偏振度和偏振角图像在一定情况下可以抑制杂波干扰,有利于杂波情形下的目标成像研究。     

基于偏振成像的红外图像增强

针对红外图像对比度低,细节纹理较弱的特点,利用物体偏振特性提出基于偏振成像的红外图像增强方法,即获取红外偏振度图像并与源光强图像融合。首先,分析了偏振成像理论,利用偏振成像技术获取偏振图像。其次,为了能够充分获取偏振度图中的信息,运用剪切波变换对图像进行多尺度分解。最后,采用区域特征匹配融合策略,得到增强图像。为测试方法的有效性,搭建实验装置,进行实拍图像实验。主观与客观评价结果均表明,增强后的图像较原图像具有更加丰富的图像细节与偏振目标信息,对目标识别与探测具有重要意义。     

基于红外偏振的特征提取与小目标检测方法

针对红外目标探测所面临的杂波干扰问题,提出了一种基于红外偏振的特征提取与小目标检测方法。首先,利用人工目标和自然背景偏振特性的差异,建立了目标与背景的红外偏振信息模型,分析了其中强度信息和偏振信息的构成以及目标偏振信息的提取与增强办法。然后,将斯托克斯矢量、部分偏振光分解、变偏振理论相结合实现了目标偏振特征的提取与背景杂波抑制及随机噪声消除,进而实现了红外小目标的检测。仿真数据实验结果及与现有方法的对比证明了该方法的有效性和可靠性。该方法可用于对抗红外伪装隐身及红外诱饵技术,提升红外目标的探测能力,富有应用价值。     

红外偏振图像的仿真

为了在获得真实偏振图像之前获得偏振图像,采用仿真的方法进行了实验研究,即先通过实验获得各种物体的偏振度建立一个偏振数据库并进行理论研究论证,再利用K-均值聚类算法对红外图像中的物体进行聚类,最后将聚类后的图像通过计算得到偏振图像。结果表明,得到的仿真偏振图像效果很明显,能够很好地区分人造物和自然物,从而验证了仿真算法的可行性。图像仿真对于更好、更方便地研究物体的偏振特性和建立偏振数据库有着非常重要的意义。     

红外偏振图像的仿真

为了在获得真实偏振图像之前获得偏振图像,采用仿真的方法进行了实验研究,即先通过实验获得各种物体的偏振度建立一个偏振数据库并进行理论研究论证,再利用K-均值聚类算法对红外图像中的物体进行聚类,最后将聚类后的图像通过计算得到偏振图像。结果表明,得到的仿真偏振图像效果很明显,能够很好地区分人造物和自然物,从而验证了仿真算法的可行性。图像仿真对于更好、更方便地研究物体的偏振特性和建立偏振数据库有着非常重要的意义。     

末敏弹稳态扫描段红外特性的实验研究

以考核红外预警系统对末敏弹的探测识别效能为应用背景,通过在高空热气球上投放末敏弹,同时利用地面热像仪实时跟踪捕获的实验方法,获得了复杂云层背景下,末敏弹稳态下落过程中的红外图像序列。针对图像模糊、信噪比低等特点,提出一种组合空域滤波的目标检测方法,该方法利用小波阈值和中值滤波去噪,Top-Hat变换抑制背景,最后通过形态学滤波提取目标并增强目标和背景的灰度对比度。多帧检测结果显示:该组合滤波算法能够有效提取实验图像序列中的末敏弹,为进一步的目标跟踪技术研究奠定了基础。     

基于区域梯度信息的红外小目标检测

红外小目标检测一直是红外图像处理的难点之一,由于多种因素的影响,红外小目标容易被覆盖。分析红外图像特征,采用形态学对图像进行背景噪声抑制,在去除大部分噪声的情况下,首先利用灰度信息确定目标点的位置,然后利用区域梯度信息进而确定目标尺寸大小,对仿真图像进行处理并与K均值聚类法和形态学算法进行比较。实验结果表明:在低噪声情况下,三类算法均能有效地进行小目标检测,但在噪声复杂,信噪比较低的情况下,K均值聚类法未能检测出目标,形态学算法产生了多个虚警,而该算法依然能有效检测出小目标。     

基于多向差异度的红外弱小目标检测算法

在分析红外图像中弱小目标的特征后,针对目前经典的红外弱小目标检测算法性能不足的问题,提出了一种基于多向差异度的红外弱小目标检测算法。该算法利用待检测像素点在各方向上的差异度来判决其是否为目标,无需背景预测、图像增强等处理,因此其构造简单,计算量小,易于实现,并能有效改善复杂背景环境下红外弱小目标的检测性能。通过大量的仿真实验证明了该算法的有效性和优越性。     

红外小目标的分类背景预测与图像分块技术

基于复杂天空背景下红外小目标的特性分析,提出了一种利用分类背景预测与图像分块技术进行红外小目标检测的有效算法。该算法以背景预测理论为基础,通过边缘检测技术、最大均值和局部最相似分类背景预测技术获得较为准确的图像背景,进而采用统计分割算法从残差图像中提取出较为精确的目标位置。其中,通过图像分块处理,提高了算法计算效率。最后,选取了三组具有代表性的红外序列对算法的性能进行了检验。实验结果表明,所提出预测算法在检测准确性、鲁棒性以及计算效率上都具有明显的优越性。     

基于SVM后验概率的红外弱小目标检测

针对复杂云层背景中背景边缘干扰严重的问题,提出基于支持向量机(SVM)后验概率的红外弱小目标检测算法。该算法将红外弱小目标检测视作目标与背景的二分类问题,根据红外图像特性,以各像素点8个方向的梯度作为目标和背景的分类依据,选取能够表现目标和背景特征的梯度作为SVM训练样本的主要参考量,设定训练集,并通过训练获得SVM分类模型。基于SVM后验概率的检测算法将待测样本各像素点的8方向梯度作用于分类模型,获得的SVM后验概率作为检测输出。实验结果证明了该算法的有效性。     

基于引导滤波和模糊算法的红外背景抑制算法

为了减少背景对红外小目标检测结果的影响,同时降低检测虚警率,采用了基于引导滤波和模糊算法的红外背景抑制算法,利用非下采样轮廓波多尺度、多方向的分解机制,将红外序列图像分解为低通子带和带通子带;再利用引导滤波对低通子带处理,以平滑图像、抑制噪声、增强背景细节;带通子带则采用模糊算法处理,实现目标和残留背景分离;最后将各子带图像通过非下采样轮廓波逆变换,得到了背景抑制图像。结果表明,该方法可以将均方误差降至5~10,有效抑制了背景,突出了目标。该研究为提高复杂背景下的红外小目标检测精度提供了支持。     

基于非下采样Contourlet变换的红外小目标检测方法

对存在背景干扰和噪声情况下的红外小目标检测方法进行了分析,提出了一种时空结合的红外小目标检测算法.首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,接着对残差图像进行非下采样Contourlet变换,利用非下采样Contourle分解后子图像的特性抑制剩余的背景并消除噪声,提高了目标信噪比,最后通过...     

海空背景下红外小目标检测算法

研究海空复杂背景下红外图像小目标检测问题,针对海空背景下远距离小目标总是出现在水天线附近的特点,通过小波多尺度分析边缘检测算法检测水天线,确定出目标潜在区域,再进行精细目标搜索,从而提出了一种由粗到精的小目标检测算法。实验结果表明,对一般噪声条件下得到的红外目标图像,该方法能准确地检测、定位小目标,单帧检测准确率达96%以上并具有单帧检测率高、实现速度快的特点。