基于SUSAN算子的白天红外星目标检测

受多种因素的影响,白天获得的红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性,采用多帧叠加的方法削弱随机噪声,增大信噪比;然后设定阈值对叠加后的星图进行背景消除,得到只含有目标及噪声的图像;最后基于图像的特性,使用改进的SUSAN算子对星图进行目标检测,进而分割出目标,实验证明,与传统方法相比,该方法可较好地分离出恒星目标。     

基于最大能量法的白天红外星目标检测

受多种因素的影响,白天获得的红外星图像的信噪比低,且背景通常不均匀。采用一般的滤波方法无法提取出恒星目标,目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性,采用多帧叠加的方法消弱随机噪声,增大信噪比;然后设定阈值,对叠加后的星图进行背景消除,得到只含有目标及噪声的图像;然后用与恒星大小相近的模板按一定的规则对星图进行滤波,分割出目标。实验证明,该方法能较好地分离出恒星目标。     

基于OTSU算法的近红外星图目标提取

导航星目标的提取是近红外天文导航中的关键步骤,直接关系到后续的星目标识别和星图匹配.由于天光背景很强,提取星目标极为困难.近红外天文导航在近红外波段对恒星进行检测,即使在白天也可获得足够多用以导航的恒星目标.在分析近红外星图图像特点的基础上,引入能量投影,根据投影峰值确定潜在恒星目标和噪声点的位置;然后根据能量变化,设定待处理区域,并使用最大类间方差(Maximumbetween-cluster Variance,OTSU)算法进行目标和噪声点快速提取;最后使用多帧叠加,剔除噪声点,最终提取出恒星目标.实验结果表明,该算法计算简单,运行时间短,同时具有较高的检测率.该算法能够在复杂的背景中有效地检测出恒星目标,虚警率较低.     

一种基于点对构造与星等差的近红外星图匹配识别算法

传统的三角形星图识别算法冗余匹配多,对噪声鲁棒性差,为此,为了提升获取恒星质心位置精度,提出了一种基于恒星星等差和点对距离的恒星星图匹配方法,完成了星空图像中恒星的识别与匹配。实验结果表明,获得的恒星质心位置具有较高的精度,在实际拍摄近红外星空图像恒星目标的匹配与识别过程中具有较好的应用前景。     

多步长最小能量差法恒星亚像素质心计算

恒星质心的确定对天文导航起着至关重要的作用,白天拍摄的近红外恒星图像,由于极强的天空背景,信噪比极低,恒星目标基本被淹没在背景中,给质心定位带来极大的麻烦。传统的一阶矩法、加权质心法计算简单但是误差较大,尤其在低信噪比条件下。高斯曲面拟合法虽然定位精度较高,但计算复杂。分析恒星成像时能量的分布,提出基于多步长最小能量差的质心定位方法,该方法使用线性叠加缩小质心区域,利用恒星能量分布的对称性,基于试探性质心寻找,求取能量差值的最小值进行质心位置计算,并采用模拟星图验证比较,实验表明,该方法定位精度可达0.001 pixel,对低信噪比条件下的质心计算具有较好的效果。     

基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

基于星图模拟的星空目标提取

提出了一种将星图模拟技术应用于星空背景空间目标提取的方法,建立了地基光测设备的星图模拟模型,推导了光轴指向计算和星体到焦平面成像的坐标转换。利用模拟星图生成掩模,对实拍星图处理去除恒星背景。实验证明利用模拟星图能够有效去除恒星背景提取空间目标。     

EMCCD相机在全天时星敏感器中的设计与应用

近地面用全天时星敏感器用于大型飞机、临界空间飞行器等航空器的导航。近年来,随着星惯组合导航技术的快速发展,国外开始重视该项技术的研究。主要研究近地面用全天时星敏感器中基于EMCCD的星相机的设计与应用。分析了星相机的全天时探测的原理,提出采用高灵敏度EMCCD成像技术解决白天强背景下的探测问题。在原理研究的基础上,完成了基于CCD201探测器的星相机及实时图像处理器的硬件设计和调试,采用硬件实时中值滤波的方法实现全天时星图的预处理。设计的星相机系统信噪比可达50dB左右。通过进行白天观星实验获得恒星图像,并成功进行了目标提取。实验说明所设计的EMCCD相机具备白天恒星探测能力。     

空间目标运动轨迹提取算法研究

在深入分析恒星跟踪和目标跟踪两种模式下星敏感器成像特点的基础上,针对星图中空间目标运动轨迹提取算法进行了研究,提出了基于序列图像多帧累加背景掩模帧生成的目标提取算法.主要思路为多帧累加增强目标与恒星的对比度;设置阈值以凸显目标或恒星;交叉投影法生成掩模帧,确定星点区域;质心法精确求得目标点位置.仿真结果表明,所提出的算法能够有效检测序列星图中的弱小目标,精确提取目标运动轨迹.     

基于多方向梯度和形态学算法的红外弱小目标检测

受多种因素的影响,通常获得的红外图像信噪比低、对比度差,为目标的提取带来一定的困难。在分析弱小目标方向梯度的基础上,结合形态学算法,提出一种新的红外弱小目标检测算法。首先在待检测点四邻域方向上选取4个参考点,根据该方向待检测点与参考点之间的多级梯度特征,确定出潜在目标;然后利用结构元可调节的特性,选择合适的结构元素,通过形态学处理,剔除噪声点并最终确定出目标。实验表明,该算法计算简单,无需预测背景,可在低信噪比图像中有效检测弱小目标。     

近红外星图全天时定位技术导航应用的可行性研究

随着红外探测器和拍星技术的迅速发展,利用近红外进行全天时星光目标探测已经成为可能。对近红外全天时星光图像进行了特性分析。近红外星光目标提取、星光目标定位误差修正方法的研究与改进将会给导航系统带来新的革命,使得全天时导航的稳定性与可靠性变得更佳。根据近红外星图技术及其发展状况,结合目前典型导航平台的需求,分析了基于近红外星图全天时定位技术在导航平台上应用的可行性。对其中的典型关键技术进行了论述,为该领域的研究与应用提供了相应的依据。     

红外序列图像弱小目标检测算法

红外图像中的弱小目标因为信噪比和对比度较低,用单帧图像检测很难得到满意的效果,利用多帧图像信息进行检测是有效的手段之一。分析了利用帧间相关性对红外图像中的弱小目标进行检测的方法,提出了改进的算法和对比度相关性的概念。该算法在序列图像灰度起伏情况下,克服了直接利用灰度相关效果不好的缺点,具有良好的抗噪声和背景干扰的特点。算法可以推广到其他类型图像目标的检测中。     

强背景大起伏条件下点目标双尺度滤波检测算法

针对白天观测条件下利用望远镜探测空间目标的应用背景,分析了白天观测条件下的空间目标的特点,提出了适合硬件实现的双尺度滤波检测算法(DSF).该算法能有效地消除强背景的起伏变化,在对CCD相机所获得的单帧图像进行不同尺度的滤波的基础上,可将空间点目标可靠地检测出来.该算法利用了数据的并行处理手段,有效地减少了数据处理的时间,利于硬件实时实现.实验结果表明该算法能够对信噪比约为2的空间点目标进行可靠的检测,且具有较好的实时性.     

红外序列图像中缓动点目标的投影检测算法及其改进

应用形态学滤波算法获得红外图像的背景，利用局域窗口估计的噪声均值和方差对噪声进行归一化，将归一化图像在时域上构成组合帧，然后在组合帧内对目标进行统计检测，分析得到了目标及噪声在组合帧中的统计分布。针对噪声和目标幅值的不同分布特性，进一步对投影算法进行了改进，提高了投影算法的信噪比。实际红外图像仿真表明，该算法可以成功检测信噪比为2的目标。     

Fast and accuracy extraction of infrared target based on Markov random field

Infrared images are characterized by small signal-to-noise ratio (SNR) and low contrast thus making it much difficult to achieve accurate infrared target extraction. This paper proposes a fast and accurate segmentation approach to extract targets from an infrared image. First, the regions of interests (ROIs) which contain the entire targets region and a little background region are detected based on the variance weighted information entropy feature. Second, the infrared image is modeled by Gaussian Markov random field (MRF), and the ROIs are used as the target regions while the remaining region as the background to perform the initial segmentation. Finally, by searching solution space within the ROIs, the targets are accurately extracted by the energy minimization using the iterated condition mode (ICM) based on the fact that targets can only exist in ROIs. Because the iterated segmentation results are updated within the ROIs only, this coarse-to-fine extraction method can greatly accelerate the convergence speed and efficiently reduce the interference of the background clutter and noise. Experimental results of the real infrared images demonstrate that the proposed method can extract single and multiple infrared targets accurately and rapidly.     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点,设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明,该算法能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统的实时性要求,是一种有效的红外灰度图像小目标检测算法。