一种基于背景预测的红外弱小目标检测方法

介绍了一种新的基于背景预测的空中红外弱小目标检测方法,以提高对复杂背景预测的准确性,减小云层边缘预测不准确形成的虚警.该方法对云层边缘处的点根据其不同尺度邻域上的亮暗点分布特点进行预测;对非边缘点采用基本背景预测法进行预测,最后经过背景对消,将弱小目标检测出来.实验结果表明,与已报导的其它方法比较,该方法能够更有效地抑制云层边缘引起的虚警.     

基于局部特征统计的小目标检测算法

本文提出了一种新的基于局部特征统计的红外图像小目标检测方法。首先对图像的局部区域灰度概率进行统计,通过阈值分割,去除图像中缓慢变化的背景和弱的边缘,得到包含强的边缘点、噪声点和目标点的残留图像,然后利用残留图像内各点的局部方向信息测度的差异,进一步剔除强的边缘点。最后通过多帧累加判决的方式将真实目标从噪声点中检测出来。实验表明该方法能够极大地减少候选目标点数,准确有效地检测复杂自然背景中的红外运动弱小目标,适合于实时和多目标的检测。     

基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

结合图像局部概率和边缘信息的小目标检测方法

提出了一种在红外图像中结合局部概率和边缘信息的点目标检测方法。该方法首先统计图像窗口内各像素的概率平方和,利用阈值判断此窗口是否为目标区域;然后计算目标区域中心像素的边缘信息,进一步剔除强边缘噪声点,检测小目标。实验结果表明,该方法简单有效,对复杂背景小目标检测取得了很好的效果,大大地减少了后续多帧处理的计算量。     

一种改进的二维Hough变换提取激光光斑参数方法

文章提出了一种改进的二维Hough变换提取激光光斑参数的方法。根据不共线三点决定一个圆的原理,利用目标图像任一边缘点的梯度方向信息,按规则选取目标边缘上的其它两个点,将三个边缘点作为一组数据,求解圆形目标的方程。对参数空间中的二维矩阵数组投票,得到圆形目标的中心坐标。对归一化半径直方图进行滤波,求得圆形目标的半径。将该算法运用于实际探测到的激光光斑图像,在运行时间及定位目标图像的准确度上都取得了较好的结果。     

基于最小梯度中值滤波的红外背景抑制方法

背景抑制是红外运动点目标检测的核心技术之一。目前大部分背景抑制算法是针对平缓变化的背景而设计的,对存在强起伏边缘的背景抑制效果很差.针对此问题,本文提出了一种最小梯度中值滤波算法.该算法利用边缘方向和非边缘方向梯度的差异,能最大程度地减少背景抑制结果中边缘的残差.把实际拍摄的红外图像序列与其它算法进行了实验对比,证明该算法具有背景抑制残差小、目标信噪比增益大、计算量小、便于硬件实现等优点.     

基于多结构元素的云杂波背景小目标检测算法

背景抑制是小目标检测的基础.传统的形态学单一结构元素,对云杂波背景滤波常留下强云层边缘,增加了后续处理的复杂程度.针对这一问题,在分析云层边缘形状和结构元素选择方法的基础上.构造与云层边缘相关的多结构元素.并用基于多结构元素的小目标检测算法,对云杂波背景图像仿真,仿真结果表明,该算法对云杂波背景抑制效果好,提高图像的信噪比,有效检测出小目标.     

一种快速准确识别圆形目标的新算法

在对二值圆形图像深入认识的基础上,研究了自动提取图像中圆形目标的理论,提出了圆的两个重要参数:圆上像素数与半径比值参数,以及理想半径与圆上像素到圆心(实际半径)差值参数.首先对图像进行降噪和边缘提取,然后利用这两个重要参数,在二值边缘图像中非常快速、有效地提取出圆形目标,并输出其半径和圆心坐标参数.实验表明,该方法能够较高精度、较快速度地在大面积图像中识别圆形目标.     

基于多向梯度背景预测的红外目标检测算法

为解决复杂空中背景下红外弱小目标的检测,提出一种新的基于多向梯度的背景预测方法。该方法根据云层边缘区域、平缓背景区域及弱小目标所呈现的不同梯度特点,采取不同方法分别进行预测;基本保留云层边缘区域和平缓背景区域的点,而对弱小目标区域采用邻域低灰度值点进行预测。然后经过背景消除和阈值分割,将弱小目标检测出来。仿真结果表明,该算法对复杂空中背景预测有很高的准确性,能够更加有效地抑制云层边缘引起的虚警,将红外弱小目标点检测出来。     

一种模糊小目标的自适应阈值分割方法

文章提出了一种基于顶帽变换和边缘检测的强噪声背景下的目标提取方法。模糊背景下图像的目标提取存在一定的困难,必须对图像进行增强处理。文中涉及到的目标具有不同的灰度值,固定阈值法不能保证检测出所有的目标。在原有自适应阈值分割的基础上设计了一种基于顶帽变换和边缘检测的自适应阈值分割方法,首先对图像进行顶帽变换增强图像,再利用Sobel边缘提取算法提取所有可能目标的边缘,利用原图像中对应边缘点的灰度取平均值作为图像分割的阈值来提取目标。实验结果表明:利用检测出的边缘灰度均值作为图像的灰度阈值来分割目标,能有效地提取出模糊小目标。