基于Zernike矩的低信噪比红外目标检测方法

低信噪比红外图像普遍存在目标一背景间对比度较差、目标边缘模糊和噪声较大等特点,采用常规模板匹配、Hu矩方法难以取得理想检测效果.针对低信噪比红外目标图像,分析了Zemike矩的基本原理和计算方法,提出了基于Zemike正交矩的低信噪比红外目标检测方法,并比较了模板匹配、Hu矩、Zemike矩方法的目标识别效果.理论分析与实验验证了所提方法的有效性.     

基于Zernike矩的低信噪比红外目标检测方法

针对低信噪比红外目标图像,分析了Zernike矩的基本原理、计算方法和旋转不变性,提出了基于Zernike正交矩的低信噪比红外目标检测方法,并比较了模板匹配、Hu矩、Zernike矩方法的目标识别效果.理论分析与实验验证了所提方法的有效性.     

低信噪比下的红外弱小目标检测算法研究综述

低信噪比条件下的红外弱小目标检测问题一直是近些年来国内外学者研究的一个热门课题。针对复杂背景下红外图像弱小目标检测困难、信噪比低的问题,越来越多的新方法不断被提出。更好的实时性,更高的检测概率,更低的虚警率成为了研究者们追求的目标,实时、鲁棒、通用成为了红外弱小目标检测信号处理算法的核心要求。本文梳理了红外弱小目标检测的常用方法以及其技术发展,在介绍一些传统算法发展的基础上,重点介绍了红外弱小目标检测的几类典型算法的原理、发展及其优化算法,为后续红外弱小目标检测的研究提供了便利。     

低信噪比红外成像制导跟踪算法研究

根据红外图像成像的特点,对低信噪比红外图像进行了分析,提出了基于背景抑制的预处理方法;总结了在不同的作战环境和要求下红外成像制导常用跟踪算法的相关跟踪和对比度跟踪,并对这两种算法的适用范围及跟踪效果作了对比。     

低信噪比下抖动的红外弱小目标的实时检测

文章根据实时测量需要,结合硬件提出了一种快速算法。在分析红外点目标、噪声及杂波模型的基础上,通过去除温度非线性及选择合适的高通模板的预处理,有效地抑制了噪声,提高了信噪比,从而达到复杂背景下红外点目标检测的目的。已成功研制了一种红外处理系统,它实时完成了弱小目标的有效检测和精确跟踪。     

红外图像中弱小目标检测前跟踪算法研究综述

文中分析了低信噪比复杂背景中红外弱小目标检测与跟踪的难点,比较了DBT与TBD两种检测与跟踪算法的性能,分析了TBD的检测机理,总结了典型的TBD方法,展望了TBD的发展.     

提高局部信噪比的单帧红外图像非均匀性校正方法

针对红外图像存在的非均匀性问题,从理论上对非均匀性产生的原因进行了分析。对基于SG滤波预处理的无模型图像校正EM算法进行改进,提出了一种提高局部信噪比的单帧图像校正方法。设计了对比实验,在红外目标、暗弱目标和云层背景场景下,该方法能使红外图像的非均匀性(NU)分别降低56.869 3%,85.938 4%和87.886 3%,同时,LSNR分别提高了3.687 7 dB,0.256 9 dB和3.553 1 dB。最后在非均匀背景上叠加高斯分布的目标进行模拟,探讨了目标大小与滤波窗口的关系,得到了滤波窗口与红外小目标的近似关系为H≈4.6*S_T+0.3,从实际工程应用上确定了该方法滤波窗口初值的选取。结果表明,所提方法能在LSNR最大的前提下,利用单帧红外图像的场景信息对非均匀性进行有效校正。     

低信噪比下两种点目标检测算法的研究

红外图像中点目标检测技术是近年来信息处理研究的热点和难点之一。当红外图像传感器和目标之间距离很远时,目标在焦平面上成像面积很小,一般不超过探测器像元的大小,因此目标在图像中表现为点目标,且信噪比极低,目标被噪声（杂波）所淹没,给目标的检测带来了极大的困难。这一领域,前人已经进行了大量的研究工作,并提出了一些检测算法。文中也研究设计了两种红外图像点目标检测算法,并对其进行了计算机仿真实验和分析,结果表明这两种算法具有较好的检测能力。     

低信噪比红外图像的快速统计法边缘提取

现代成像制导中所使用的红外图像往往存在着噪声大、目标一背景间灰度差较小、边缘较模糊的特点。这些特点会增加边缘提取的难度，因此必须建立更有效的红外图像边缘提取算法以满足需要。针对这些问题，以噪声Gauss分布模型和噪声特征为基础，建立了新型统计学意义下的红外图像边缘检测法。通过对此方法的概率模型进行分析，可以证明在有较大噪声的情况下，只要边缘处的差分值大于一定的值。就能以较大的概率提取出图像边缘。通过在不同情况下与梯度法的抑噪能力进行对比和分析发现，统计边缘提取法的噪声抑制能力要高于梯度法。在与Sobel模板算子法的红外图像边缘检测结果进行仿真和对比后发现，统计法能对红外图像的目标边缘检测取得良好的结果，并且算法具有快速简单的优点。     

OTHR低信噪比下的机动目标检测算法

在天波超视距雷达(OTHR)中,采用短时间相干积累时,可以提高数据率和检测效能,减小电离层污染。但采用短时间相干积累时,目标信噪比往往较低,检测难度较大,而机动目标的多普勒扩展进一步增加了目标的检测难度。传统的机动目标检测算法利用基于高阶模糊函数(HAF)的多普勒补偿算法来提高机动目标的可检测性,但由于HAF多次用到非线性变换,而每次非线性变换都会损失部分信噪比,因此对输入信噪比要求较高,难以适应于更低信噪比环境下的机动目标检测。将机动目标回波建模为三阶多项式相位信号,采用一种低非线性度的运动参数估计方法并结合多普勒补偿算法对目标回波进行处理,仅需要一次相位降阶操作,减少了信噪比损失,降低了对输入信噪比的要求。经过仿真验证,该算法的输入信噪比门限为-3dB,而HAF算法的输入信噪比门限为3dB。     

基于Hough变换的线段检测算法

为了克服Hough变换需要大量存储资源的缺点,在分析传统Hough变换定义方式的基础上,提出了一种新的改进算法.该算法采用多点对应一点的匹配映射规则,对参数空间中的线段形参数单元进行逐个单独处理,寻找图像空间中与之对应的模板,只有那些符合模板匹配条件的图像特征点才对该单元进行投票,通过动态寻找局域峰值点以及记录该峰值点所对应图像空间中线段的端点位置完成图像中的线段检测.该算法不需要预先存储整个参数空间,可以节约大量的存储资源,保持了与传统Hough变换相同的精度,且易于并行处理.     

基于红外图像的地面自主车导航的道路边界检测

讨论了用于地面自主车（ALV）视觉导航的红外道路图像的特点,论述了红外道路图像的预处理策略和方法,分析了一些常用的图像处理方法在处理红外道路图像时的缺陷,指出由于温差的渐变性。红外道路图像的路边检测特别适合使用阈值穷举法．并给出了在温度渐变的路边上边缘强度的求取方法和使用二阶微分算子得到边界线段的精确位置的方法。同时使用了边缘信息和灰度信息来提取道路边界信息,阈值穷举法和二阶微分算子得到的道路边界线段相互融合。得到候选的道路边界线段,在ALV的实际应用中取得了很好的效果。     

基于SLPP-SHOG的红外图像车辆检测方法

针对红外图像的车辆检测,结合梯度方向直方图(HOG)特征与监督保局投影(SLPP),提出单帧图像车辆检测算法。首先,为增强特征描述能力、提高检测性能,在不增加特征维数的情况下,利用图像分割将区域的轮廓信息、灰度信息融入HOG特征中;其次,针对传统HOG特征维度过高,影响车辆检测效率以及准确率的问题,采用SLPP对提取的SHOG特征进行降维;最后,利用极限学习机(ELM)对样本图像的低维特征进行训练得到ELM分类器,实现车辆检测。本文以实拍红外图像作为实验数据,实验结果显示:针对红外图像的车辆检测,本文算法的检测性能较好,与原始HOG特征相比,本文所提SLPP-SHOG特征的特征维数由1764降至30,检测准确率升高16.03%,F1-measure提高了8.79%,检测时间由5.7 ms降至2.6 ms。     

Radon变换在低信噪比图像中的线段检测

Radon变换在数学理论上有重要价值,并可用于图像直线特征的提取,但是在检测线段时,Radon变换无法提供线段的端点以及长度信息,低信噪比时检测难度加大。探讨了Radon变换在低信噪比图像特征检测的适用性,分析了Radon变换的优势与不足,并从信息融合的角度出发,提出了Radon变换补充的应用策略,对低信噪比的机场跑道图像进行了验证,显示出较好的检测效果。     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论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,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

海面杂波背景下红外图像中舰船目标的检测

复杂杂波背景下,海面红外图像中舰船目标检测的关键是如何降低虚警、检测出真正的目标.为了实现这个目标,首先利用Haar小波函数进行小波变换,对图像进行预处理;然后进行恒虚警检测(CFAR);第三步采用行程法对检测的目标进行标记;最后采用管道滤波法剔出虚假目标,检测出真正的目标.经仿真实验证明,此方法能有效地降低虚警,在复杂杂波背景中检测出目标.     

基于多特征融合的红外图像行人检测研究

当前红外图像行人检测方法存在误差大,对外界环境变化鲁棒性差,为了获得理想的红外图像行人检测结果,提出了多特征组合的红外图像行人检测方法.首先对当前红外图像行人检测进展进行分析,找到引起红外图像行人检测效果不佳的因素,然后提取红外图像行人检测的HOG特征和ISS特征,并采用支持向量机进行红外图像行人检测,最后引入证据理论...     

改进的YOLOv4红外图像行人检测算法

在夜视红外行人检测的定位任务中,样本取样机器处于高点俯拍,使得所拍摄到的行人目标体积较小.此外,行人时刻处于活动状态,与摄像头的距离不同,导致检测时同类目标在图中的大小有一定的差异.基于YOLOv4算法,本文提出了一种改进的YOLOv4红外行人检测算法,对YOLOv4的网络结构进行了优化.采用形变卷积为核心组件,构建形变特征提取模块提升对于目标特征提取的有效性;针对形变卷积对特征提取网络模块进行优化.结果表明,改进后的算法在整体鲁棒性、召回率、F1-Score等评价指标方面均优于其它算法.     

红外图像序列小目标的特性分析与检测

在红外图像中微弱小目标的检测一直是研究的重点和难点。文中介绍了一种利用形态学的Top-hat算子检测方法，主工步骤是先对图像进行滤波，然后依据目标运动的连续性进行目标检测，并对检测所得的目标特性进行分析。实验表明，该检测方法十分有效，并且还发现图像序列中小目标的灰度和质心位置变化是有规律的，它可提高检测的准确性。