一种双/多波段红外目标融合检测方法

针对双/多波段红外目标检测问题,提出了一种基于自适应加权投票融合准则的红外目标融合检测方法。该方法首先对双/多波段红外传感器进行图像配准,然后对单传感器红外图像进行处理,得到单传感器目标检测结果,最后使用提出的自适应加权投票融合准则,对单传感器目标检测结果进行融合,得到最终判决。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,从而提高了系统的检测性能,同单波段检测结果和其他的融合结果相比,该方法能有效地降低漏警概率和虚警概率;并且该方法易于实现,并在实际工程中得到了应用。     

复杂背景下红外点目标检测的预处理

研究了复杂背景下红外点目标检测的预处理方法,首先给出了红外点目标的场景图象模型,定义了信噪比,然后给出了点目标增强和背景抑制的方法,分别是去图象局部均值和白化处理,最后是预处理的实验结果和方法的性能分析。     

采用信息融合的红外目标检测算法

针对空中红外目标检测过程中存在的检测精度不高、易受干扰等问题,本文提出了一种信息融合的目标检测算法。首先,针对单一滤波模式的不足,采用降采样方式将多种模式的滤波方法进行融合,有效提高了滤波后的图像信噪比,减少了预处理时间。然后,对质心检测选定的检测区域进行显著性检测和边缘检测,并将结果进行融合,增强了目标区域的信号强度,改善了算法的检测精度。文中从理论上介绍和分析了该算法对红外目标检测的有效性,并通过Matlab仿真实验与其他单一检测算法进行了对比。实验结果表明,信息融合的检测算法能够在多种复杂情况下有效检测出空中红外目标,证明融合检测算法的抗干扰性和适应性上更强、检测精度更高、算法的鲁棒性更好。     

红外弱小目标特征分析及融合检测

研究了复杂背景下的红外弱小目标的典型特征,分析了各个特征的特点和适用环境,从中挑选出可靠性较强的特征,依据文中提出的自适应融合算法,实现了对低信噪比弱小目标的融合检测。实验结果证明,该算法具有较好的有效性和鲁棒性。     

基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

基于红外传感器参数的红外/主动雷达弱小目标融合检测方法

基于红外成像传感器的参数,提出了一种红外成像/主动雷达弱小目标融合检测方法.首先对各传感器数据进行时空配准,然后利用红外成像传感器的参数生成一幅虚拟的雷达检测图像,最后用生成的雷达检测图像与红外检测图像进行\     

一种基于多传感器多级信息融合的红外目标检测方法

针对远距离低信噪比条件下目标检测难的实际问题,该文提出一种基于多传感器多级信息融合的目标检测方法。该算法包括两个部分：特征级融合和决策级融合。在特征级融合阶段,首先提取双波段红外图像的各个特征图像;然后,采用自适应加权方法对所得到的特征图像进行融合,得到目标判决置信图;最后根据置信度最大规则对置信图进行目标位置搜索,得到各级目标判决结果。在决策级融合阶段,对各级目标判决结果采用组合逻辑进行融合,得到系统的目标检测输出。实验结果显示了该算法的有效性。     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。     

一种基于多传感器数据融合的目标跟踪算法

在制导与跟踪系统中．雷达和红外成像传感器所固有的优缺点,决定了其自身的局限性。为综合利用上述传感器信息,提高目标跟踪精度,提出了一种基于雷达和红外成像传感器数据融合的交互多模目标跟踪算法,算法首先对红外图像进行处理,然后基于上述处理结果．利用交互多模算法对雷达观测信息进行目标跟踪,最后采用分布式数据融合算法得到最终目标的跟踪结果。在有效提高跟踪精度的同时,减少了运算量。     

基于多尺度特征融合的红外小目标检测方法

红外小目标检测因其探测距离远、抗干扰能力强等特点,在空中目标探测与跟踪系统中得到了广泛的应用.针对目前红外小目标检测算法在复杂背景下检测准确率低、虚警率高等缺点.提出了一种基于多尺度特征融合的端到端红外小目标检测模型(multi-scale feature fusion single shot multibox det...     

两种基于差分的红外点目标图像预处理技术的研究

图像去噪是图像处理中的重要组成部分.目前,针对点目标检测,人们已经发展了一系列比较成熟的滤波预处理算法.本文通过对红外点目标图像预处理方法的研究,给出了两种基于差分的背景抑制算法.最后针对仿真结果,对这两种背景抑制方法的去噪性能进行了分析比较.     

基于红外和雷达数据融合的机动目标跟踪方法

文章基于并行多传感器联合概率数据关联算法,提出了一种杂波环境下的多传感器多机动目标跟踪算法,首先使用融合算法将红外和雷达的量测进行异步和同步融合,然后应用融合后的量测,采用IMM算法实现对机动目标的跟踪.在仿真实验中分别跟踪单个和多个目标,结果表明该算法可以解决两种传感器的量测不同步问题,同时可以消除漏检现象对目标跟踪的影响,并能保证一定的跟踪精度.     

基于红外双波段图像融合的点目标识别

为解决红外警戒系统中点目标的识别问题,提出了一种新的点目标识别方法。该方法 首先分别对单波段红外图像进行背景预测与抑制,然后对取自适应阈值后的双波段图像根据目标的运动特征进行融合,最后通过图像序列分析给出最终的目标识别结果。仿真实验表明,该方法对背景有很好的抑制效果,可大大减少目标识别中候选目标点的数目,因而有利于点目标的识别。     

地面背景下基于SURF的红外目标识别方法

采用SURF算法对地面背景下红外目标识别。采用具有实时性的自适应中值滤波器和小波分频与直方图均衡的图像增强方法,对图像进行预处理,拉开目标与背景的灰度差异,从而突出目标,以便识别。对预处理完的图像采用SURF特征提取匹配的方法进行红外目标识别。仿真实验中重点对SURF特征匹配阈值和匹配特征点的数量进行了研究。实验表明,文中方法对地面背景下红外目标识别效果较好。     

基于灰色关联分析信息融合方法

多源信息融合是航天领域的一个共性问题。合理地确定先验信息的融合权重是解决该问题的关键之一。利用灰色关联度计算融合权重,使用简化融合模型获取先验分布,简化了分析与计算过程。计算机随机模拟结果表明该方法是合理可行的。     

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。     

雷达与红外数据融合的近距空中目标识别

为了提高传感器目标识别性能和近距空中目标识别准确性,结合雷达和红外传感器提出了一种目标融合识别模型：对于雷达传感器,提出基于参数学习贝叶斯网络的目标识别方法,首先采用EM算法对贝叶斯网络进行参数优化,然后根据获取的目标属性信息进行目标分类;对于红外成像传感器,采用基于小波矩特征的目标识别方法,首先对目标图像进行小波矩特征提取和选择,然后通过建立的BP神经网络分类器进行目标分类;最后通过D S证据组合法则对两部分识别结果进行融合处理,实现了基于雷达和红外数据融合的近距目标识别。仿真结果表明：和单传感器相比,所提出的模型可以更加精确地进行目标识别。     

双色红外图像融合在目标检测中的应用

针对双色红外的图像融合特点,提出了一种基于在小波分解域中,在高频子带上采用区域能量测度融合规则,在低频子带上采用加权平均融合规则。首先,双色红外成像系统分别对中波和长波红外图像进行提升小波分解,提取出2幅图像的低频和高频信息,并采用不同的融合规则对低频和高频子带图像进行融合,然后通过提升小波反变化对各层系数进行重构,得到目标区域的融合图像。而后再通过小波软阈值化去噪,最后进行目标自动检测。通过实验对比证明,提出的融合规则更好地提高了目标的检测和识别概率。