红外小目标与背景对比度特性研究

目标与背景的对比度特征是红外系统所能探测到的最终特征,对红外小目标与背景的对比度进行了研究,分析了目标与背景的对比度与哪些因素有关,同时对于涉及到目标、背景在探测器上产生的辐射照度进行了计算。     

地面目标与背景的红外辐射对比度特性

红外系统对处于地面背景中的目标探测,很大程度上取决于目标本身与周围背景之间的红外辐射特征差异,即两者之间的辐射对比度。简要讨论了辐射对比度与目标发射率及目标背景温差的关系。分析了影响地面建筑物及水泥地面温度的各种因素,建立了基于一维有限差分法的计算温度的模型并利用MATLAB得以实现。计算了目标与背景在8~14 ?滋m波段上的红外辐射对比度。结果表明在不同情况下同一目标与背景的红外辐射对比度变化较大,不同方位墙面与背景的对比度具有不同的变化趋势。     

目标特性对目标-背景对比度的影响

从辐射传输理论出发,计算分析了目标特性对0.4～14μm波段范围内的目标背景对比度的影响,计算结果显示,在其他条件不变的情况下:1)随着目标物固有亮度的增加,目标背景对比度增加,而且其谱分布也发生相应的变化,紫外与可见光区的对比度增加幅度大于红外区的增加幅度;2)目标物固有亮度的谱分布影响着目标背景对比度的谱分布;3)随着目标物表面反射率的增加,目标背景对比度的值也增加,并且目标物表面反射率的谱分布也影响着目标背景对比度的谱分布.     

目标与背景红外辐射对比度特征的影响因素及应用概述

目标与背景之间的红外辐射对比度特征是红外系统所能探测到的最终特征,也是红外探测系统发现和识别目标的基本依据.较为全面地分析了影响目标与背景红外对比度的各种因素,并简单介绍了目标与背景红外对比度的应用情况.     

海面红外舰船目标背景对比度的统计特性分析

在灰度的增益与偏置不变，以及目标背景对比度定义的基础上，研究了海面红外舰船目标背景对比度的特征，通过对大量实际海面红外舰船目标图像的统计分析，获得了海面红外舰船目标与其周围背景及背景与背景的统计特性，研究结果可用于海面红外舰船目标的检测中。     

基于目标与背景红外辐射对比度的红外隐身效能研究

较深入分析了目标与背景的红外特性,进一步完善了红外辐射对比度计算模型,通过外场实验,采集了目标与背景随时间变化的温度,利用建立的红外隐身效能指标,对普通钢板与相变材料板进行了评估,验证了此红外隐身效能评估方法的可行性.     

灰度融合图像目标与背景感知对比度客观评价模型

目标与背景感知对比度是影响可见光与红外灰度融合图像质量的主要因素之一。现有的对比度评价模型未能充分考虑人眼视觉特性。因此,基于韦伯对比度模型的形式,结合人眼亮度掩盖特性,提出了一种简单有效的融合图像目标与背景感知对比度评价模型。利用模拟图像和现实场景灰度融合图像的主观评价分数来检验客观评价模型。结果表明,与现有的5种图像对比度评价模型相比,所提出的目标与背景感知对比度客观评价模型能够给出更接近人眼主观感受的评价结果,有效地实现灰度融合图像目标与背景感知对比度的客观评价。     

云的光学特性对目标-背景对比度的影响分析

目标-背景对比度是基于大气辐射传输理论的空间目标识别的重要参量之一。云覆盖了50％的地球表面，对电磁波和光波的传输有重要的影响，因而其类型、在视线路径上出现的概率均会对目标识别产生重要影响。所以要保证目标识别的精度，必须考虑云的作用。从辐射传输理论出发，采用平面平行云的假定和Lund的无云视线概率模型。对有云天气条件下的目标背景对比度进行了详细的分析。     

视觉对比度机制小目标增强与背景抑制综述北大核心CSCD

复杂背景中的红外弱小目标因亮度低、尺寸小、可用特征少而难以检测。如何在检测中抑制背景杂波、提高目标信噪比成为该领域的研究热点与难点。本文对基于人类视觉系统对比度机制的小目标增强与背景抑制技术的演进和性能进行了归纳与分析。局部对比度测度窗口由单尺度向多尺度,乃至动态或自适应尺度的发展,满足应用中对未知尺寸小目标同步快速检测的需要;局部对比度测度计算方法由简单到复杂、依据低阶信息到采用高阶信息的变化,有利于更全面地抑制复杂背景、进一步增强目标。因此,将成为未来人类视觉对比度机制小目标检测算法的发展方向。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。     

强背景杂波条件下运动的弱小目标检测方法

根据目标、背景干扰和噪声在红外序列图像中的差异。提出了一种基于空间高通滤波和时间域上N帧轨迹积累的运动小目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效检测出弱小目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。     

目标与背景的红外辐射特性仿真方法

基于红外辐射理论,综合考虑自身辐射、反射辐射、大气长波辐射等因素,研究了目标的红外辐射特性仿真方法,编制了目标红外辐射仿真软件。以某钢板为例,建立了目标的仿真计算模型,确定了目标表面的边界条件,计算了目标表面的温度场分布,将仿真计算与试验测量的钢板表面温度数据进行了对比,结果显示:仿真计算的平均误差在1.5 ℃以下,验证了仿真方法的正确性,并在此基础上仿真计算了不同时刻目标的红外辐射特征分布,证明了红外仿真方法的合理性,为车辆与复杂背景的红外仿真计算奠定了基础。     

小目标与海空背景合成红外图像统计特性分析

针对海空复杂背景下红外小目标识别的需要,对海空背景及其小目标的红外图像特性进行了统计分析。具体分析了在有目标和无目标两种情况下3~5 μm和8~12 μm两个波段图像的均值、方差和协方差等统计特性以及图像的局部对比度、信杂比和阈值随探测距离变化的规律;同时对生成的红外热像进行了直方图分析。结果表明：随着探测距离的减小,导弹的辐射逐渐增大,到达一定探测距离时（大约8 200 m）可以从热像图中区分导弹的蒙皮辐射和羽流辐射。根据有目标和无目标两种情况下图像特性的差异,可以判断图像中是否存在目标,从而为目标识别提供了关于目标和背景的先验知识,研究结果可用于海空背景下红外小目标的检测。     

野外复杂背景下红外图像的目标检测

野外复杂背景下红外图像序列目标检测是红外野外监视中的重点问题。大量的背景物增加了目标检测的难度。文中针对野外复杂背景下红外图像序列的特点,提出了一种实用的运动目标检测算法。该算法包括两个处理步骤：首先,在场景配准后利用帧间差图像提取目标的运动信息,并据此进行目标的粗检测;其次,合目标运动在时间和空间上的相关性进行精检测。粗检测的低漏判度和精检测的低误差率保证了算法的可靠性。在检测的同时算法确定了目     

基于背景差分和信息熵的运动目标检测算法

提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。     

地面目标表面温度及红外辐射的计算

目标表面温度和红外辐射的理论计算对红外热像的模拟、控制目标红外辐射进而实现红外隐身等领域有着重要意义。各种复杂因素的影响导致地面目标表面温度的计算非常复杂。边界条件对目标的表面温度理论计算精度有着重要的影响,分析了影响目标表面温度边界条件的各种因素,得到了计算地面目标表面温度的一般方法。以一维导热微分方程为例,计算了某建筑物墙壁外表面温度白天随时间的变化关系,并与实际测量值进行了比较,结果表明理论计算较为准确。最后在此基础上,对目标的红外辐射进行了理论计算和讨论。     

改进特征空间的红外弱小目标背景建模法

为有效去除动态背景对弱小目标信号的干扰,提出改进特征空间的红外弱小目标背景建模法来抑制背景。先采用改进的各向异性滤波算法从空域角度进行滤波以约束图像各个组分的差异,紧接着取连续时间域上多帧滤波后的图像组成一个特征矩阵,借助于主成分分析法进行特征分解,最后将输入图像投影到特征空间上进行背景建模,同时为了适应动态变化的背景,在时域上以一定学习率来更新背景模型。实验结果表明,提出的算法比传统的算法取得更好的背景估计效果,结构相似性SSIM、对比度增益I和背景抑制因子BIF分别大于0.97、15.46和5.25。     

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图...