基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

前视红外目标的鲁棒分层跟踪算法

针对前视红外序列图像中目标与背景对比度低、灰度级动态范围小以及目标边缘模糊的特点,提出了一种基于均值漂移和特征匹配的红外目标鲁棒分层跟踪算法。首先利用均值漂移算法来快速搜索局部最优候选目标。然后,通过特征匹配对跟踪误差进行有效修正。采用Harris算子对模板目标与候选目标进行特征点提取,利用改进的Hausdorff测度对特征点进行有效的匹配度量,最终实现红外目标的精确定位。实验结果表明该算法简单有效,能准确跟踪前视红外目标。     

飞机目标红外图像序列双阈值分割方法

针对飞机目标红外图像序列,提出了一种新型双阈值分割方法.它依据实测飞机目标红外图像序列的统计特性,以及目标在上一帧图像中所占比例,确定当前帧图像中两个阈值的取值范围;再利用最大熵准则和遗传算法搜索最佳双阈值.仿真结果表明,这种方法能够实时地分割出飞机目标和作为目标特征点的尾喷管,可用于工作在成像目标跟踪阶段的红外成像制导、红外型自动目标识别(ATR)系统.     

基于局部窗口的红外弱小目标检测方法

在分析红外图像中弱小目标检测方法的基础上,提出了一种基于局部窗口检测红外弱小目标的新方法。该方法利用图像的局部信息预测背景,直接根据当前像素点与背景像素点的灰度差及固定的分隔阀值检测目标,可以在低信噪比、强度变化剧烈的图像中获得较高的检测率与较低的虚警率。实验结果表明了该算法的有效性。     

基于模板匹配的前视红外目标识别方法

针对固定目标红外图像中边缘模糊,难以分割和识别的情况,提出了一种基于模板匹配的目标识别方法。由高程数据和正射影像等卫星数据生成目标区参考图和基准图,在基准图中根据归一化Laplace响应确定目标区特征尺度作为目标检测的先验知识,对实时图及灰度反转实时图进行匹配滤波,检测出候选区域,再对候选区域进行基于Hausdorff距离的模板匹配,从而得到最终识别结果。实验结果显示:该算法识别精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

基于SUSAN算子的红外目标检测

SUSAN算子是一种基于图像局部灰度特征的算法,利用一个圆形的模板对图像进行扫描,比较模板内部的点与模板中心点的灰度值,如果灰度差值小于一定的阈值,就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数,与一个阈值进行比较,判断该点是否属于某个区域的边缘点,从而实现对红外目标的检测。与传统的全局阈值相比,该算法抗干扰能力较强,实时性较好,能够快速、可靠地检测出红外目标。     

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。     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题,提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波,然后对滤波后的图像进行背景预测,将原图像与背景预测图像相减获得残差图像,依据图像阀值分离出少量的候选目标点,再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像,最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。     

基于红外小目标图像库的特征识别探测研究

为了进一步提高红外小目标的识别概率,利用主分量分析法提取了小目标红外图像的主分量特征用于识别探测。在具体计算时,分析了红外小目标图像的一般特征,并建立了图像库作为训练样本。最后对训练样本进行了灰度峰值分类,并选取不同数量的小目标图像进行实验。结果表明,目标在红外图像上呈现的灰度峰值大小几乎不影响小目标的识别,而随着训练样本数的增加,识别效果越好。     

人体红外图像序列威胁行为理解

为识别人体的威胁行为,对提取的人体红外图像行为序列特征进行研究,提取每一帧图像的HOG特征并且并联形成序列二维特征。为降低特征维数,对二维图像进行离散余弦变换,使用变换后的包含该二维图像主要信息的前两列近似代替该图像的主要特征,最终使用最小二乘支持向量机对降维后的多段图像序列进行训练和测试,并给出最终训练测试结果。结果表明,该特征能实现对几种典型的威胁行为识别。     

基于时空域融合滤波的红外小目标实时检测算法及其多C64x的设计与实现

针对红外图像序列中的小目标实时检测问题。文中提出一种基于时空域融合滤波的小目标检测算法。首先介绍了时空域融合滤波检测算法的基本原理，然后根据算法的特点提出了它在多TMS320C6416上的并行流水线实现方法，最后给出并分析了算法软件仿真结果和硬件平台设计。实验结果表明该方法可以快速可靠地检测出低信噪比红外图像序列中的小目标，从而有效地验证了本系统的实时性及适用性。     

红外成象型空空导弹目标识别与跟踪算法研究

根据红外成象制导型空空导弹图象传感器在目标识别与跟踪过程中获得的图象序列的特点。提出了一种基于红外图像序列的弹道终端红外图象跟踪时的跟踪算法．实现了目标特征点的自动识别与跟踪。文中以最大距离法对目标图象进行分割．以机头部位为局部图象跟踪时的跟踪部位，分析了导引头投影成象模型以及弹目距离、相对速度对目标图象变化情况的影响．研究了中段形心跟踪模式与末端局部图象跟踪模式的转换时机．定义了确定目标充满视场程度以及阻塞视场与否的两个判据。最后，以实测的飞机红外图象对文中提出的算法进行了仿真，结果表明本文的算法是可行和有效的。     

基于PCA的红外图像区域特征选择方法

特征提取在模式识别和分类中起着关键的作用,本文针对红外目标的准确分类识别问题,围绕红外图像特征提取和特征选择进行研究,提出了基于PCA的区域特征选择方法。该方法首先采用基于数学形态学的滤波技术对红外图像进行预处理,有效地增强了目标区域,便于目标特征的提取;其次,本文研究了区域形状特征提取及基于PCA的特征选择方法,通过对区域特征进行优化选择,构造准确描述目标特性且维数较低的特征。实验结果表明,本文提出的方法有效地提取红外目标的特征,可用于红外目标的分类且有利于提高算法的效率。     

红外目标图像的复合特征跟踪算法

红外目标图像跟踪系统中应用单一特征跟踪算法,易造成跟踪点漂移和目标丢失。提出目标图像的复合特征跟踪算法,综合利用目标图像的灰度特征和点特征,联合灰度特征的易用性和点特征的空间不变性,分别克服单一特征易受光照、噪声干扰,以及实时性较差等方面的不足。提出了复合特征联合匹配的算法流程和权值分配策略,通过仿真试验对比三种方法的目标跟踪性能,证明了该算法的有效性。     

红外成像制导末端局部图像识别跟踪研究

针对红外成像制导末端目标图像充满导引头视场影响目标识别跟踪的问题,提出一种红外成像制导末端局部图像识别跟踪的方法。分析了红外成像制导原理;选取了高亮区比例、灰度标准偏差、长宽比、紧凑度和复杂度等5个特征量作为特征提取和目标识别的依据,提出适合导弹的目标快速识别算法;通过计算红外成像制导末端目标图像,在导引头焦平面上的投影面积的变化情况,分析了弹目距离与相对速度对目标图像变化情况的影响,研究了形心跟踪到局部图像跟踪的转换时机。综合考虑了可靠性和实时性要求,选取飞机机头作为局部图形跟踪的跟踪点;搭建红外成像制导仿真场景,对所提出的方法进行仿真分析。仿真结果表明：该方法能够有效地识别图像中的目标,减小红外成像导引头跟踪盲区,实现红外成像制导末端的平稳跟踪。     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题,提出了一种基于边缘检测,综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘,提取出单帧图像中的可疑目标,依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配,完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿,选用目标空间位置进行多步预测,引导伺服机构跟踪。外场实验表明,该方法能有效她匹配识别出目标,并保持连续稳定的跟踪。     

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

红外图像模式识别的预处理

红外图像模式识别系统,由图像预处理、特征提取及模式分类组成.基于红外图像模式识别的图像预处理,包括滤波降噪、目标增强、图像分割等处理.滤波降噪有邻域平均、中值和Butterworth低通等滤波方法.目标增强可通过微分及Butterworth高通滤波完成,图像分割可采用阈值分割技术实现.故综合比较各种处理方法,采用两次均值滤波及拉普拉斯算子、阚值分割技术,较好实现了红外图像模式识别的预处理.