基于显著性与尺度空间的红外弱小目标检测

针对复杂的天空背景,提出了一种基于显著性与尺度空间的红外弱小目标检测算法.首先通过频域残差法对原始图像进行初步处理,缩小红外弱小目标的待识别目标区域;接着利用DoG算子得到预处理后图像的尺度空间并实行特征点检测,获得最佳尺度图像,再对特征图像进行加权融合;最后通过信息熵分割来实现红外弱小目标的检测.仿真结果表明,本文方法跟文献中所提的优秀算法相比,能有效地检测出红外弱小目标,提升了目标图像的信杂比.同时,能很好地适应不同复杂场景,为红外弱小目标的跟踪应用奠定了基础.     

基于光谱尺度空间与管道滤波的红外目标检测

为了准确地从复杂干扰背景下检测出真实弱小目标,本文引入视觉显著性,设计了基于快速光谱尺度空间与动态管道滤波的红外目标检测算法。基于真实目标与背景内容之间的整体差异,引入快速光谱尺度空间与阈值分割技术,设计视觉显著性机制,对红外图像完成处理,输出全局显著性映射,以高效过滤干扰背景内容。考虑目标与背景的局部特征差异,构建自适应局部对比度增强机制,对粗检测结果实施处理,获取对应的局部显著性映射,改善视觉显著性区域内目标的对比度。引入高斯差分理论,通过估算每一帧红外图像中的目标像素直径,形成动态管道滤波,充分消除虚警,准确识别出弱小目标。多组实验数据显示：较已有的红外目标检测技术而言,在各种不同的复杂背景干扰下,所提算法呈现出更好的检测能力,拥有更理想的接收机工作特性(ROC)曲线。     

基于稀疏环决策的天空背景红外弱小目标检测算法

针对天空背景红外图像中弱小目标检测的难题,分析了红外目标检测的模型,提出了基于稀疏环决策的目标检测算法。利用数学形态学滤波目标增强方法对图像进行背景抑制,而后采用恒虚警检测方法对滤波后图像进行自适应分割,从而获得候选目标点,然后计算各个候选目标点的局部自相似性描述子,对自相似性描述子归一化、分块之后得到稀疏环表示,利用相应的判断准则可以判别目标点与虚警点。实验结果表明,该算法应用于复杂云层背景弱小红外目标图像能够得到较理想的结果,与移动管道滤波方法相比,能有效区别目标点与固定云层杂波干扰,并且虚警率低,易于实现。     

红外激光成像中的弱小目标的准确定位技术研究

由于红外激光成像中的弱小目标,存在信噪比低、无纹理信息和信号弱的特征,使得传统基于背景抑制的目标检测方法,无法将目标从复杂的背景中分割出来,检测准确率低。因此,将基于尺度空间的红外弱小多目标检测算法应用于红外激光成像中弱小目标的定位中,给出了红外激光成像中弱小目标定位硬件总体结构,其由传输控制模块、图像采集模块和弱小目标定位模块组成。采用传输控制模块TMS320F2812传递和处理系统中的图像,依据中央控制单元的命令对红外摄像机进行控制,通过核心芯片为XC95288XL的图像采集模块获取弱小目标图像,依据一定的字节顺序保存在RAM中。通过软件设计中的基于尺度空间的红外弱小多目标检测算法,完成弱小目标的准确定位。实验结果表明,该算法可在不同背景环境中,有效过滤干扰区域,准确检测出实际弱小目标,鲁棒性较高。     

一种实用的空地红外时敏弱小目标检测方法

针对空地背景下的红外时敏弱小目标检测,提出了一种实用的空地红外时敏弱小目标检测方法。首先,采用快速自适应双边滤波对红外图像进行预处理,平滑边缘信息,消除噪声干扰;其次,使用模板为3×3大小的高通滤波器对红外图像进行大面积背景抑制;然后,根据梯度特征,采用多步八向梯度法进一步消除高频背景信息;最后,使用自适应阈值分割的方法对红外时敏弱小目标进行提取。实验结果表明,所提方法对空地背景下的红外时敏弱小目标检测具有较好的鲁棒性和检测性能。     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法;在帧间采用八邻域判决法对弱小目标进行检测;实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。     

一种新颖的强海杂波背景下弱小目标鲁棒检测算法

红外弱小目标的自动检测是光电火控系统、红外导引头等武器装备中的关键技术之一。本文针对复杂海杂波背景下低信噪比目标检测问题,结合SURF特征描述符,提出了一种基于自动聚类分割的弱小目标检测算法。该方法首先利用SURF算法计算出红外图像中的兴趣点,并将多帧的兴趣点投影到一帧中形成累积图。由于目标在红外序列中的连续性,目标点会在累积图中进行聚集;然后使用改进的快速聚类分割算法自适应的检测出疑似目标;最后根据目标类具有的大小约束与线性约束先验信息,从海杂波中区分出所需的弱小目标。大量仿真实验及实物验证表明,相比于其他现有算法,本文提出方法在处理具有较低信噪比/杂波比的视频下的弱小目标时可以获得较好的检测性能,同时该方法的实时性强,可在多项式时间复杂度下得到最优检测目标,适合工程应用。     

基于非下采样方向滤波器组的红外复杂地面背景抑制

针对弱小目标检测技术的难点,根据红外图像中目标和背景杂波的特性,提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先,采用非下采样方向滤波器组对图像进行多方向分解,提取图像方向细节特征,然后,根据目标和背景杂波信号的差异,通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的,最后采用经典的自适应阈值分割技术得到目标点,最终实现对目标的检测。实验结果显示,与最大中值滤波和局部去均值滤波方法相比较,该方法能有效地检测出信杂比较低的目标。     

多尺度匹配的红外变分辨率弱小目标检测

针对云层背景下红外变分辨率小目标的成像特性,提出一种基于尺度空间理论的红外弱小目标检测方法。首先建立高斯小目标参数模型,以高斯核生成待检测图像的尺度空间,进而对尺度空间进行最佳尺度匹配,提取目标感兴趣区域（ROI）。然后构造ROI尺度自适应对比度作为检测判据,剔除虚警,实现小目标最终检测。实验结果显示,算法不仅能够准确检测目标,且可以估计目标像尺寸,同时具有较高的检测概率和执行效率。可有效地实现对变分辨率弱小目标的检测。     

基于多向背景预测的红外弱小目标检测

杂波背景中的弱小目标检测是红外图像处理中的一个重要问题。普通的二维滤波背景预测方法可以用来检测图像中的小目标,但是也存在对复杂场景的适应性差,杂波边缘虚警高的问题。通过分析二维最小均方滤波背景预测算法的方向特性,在对图像四邻域滤波残差进行像素级加权融合后,得到了一种基于多方向融合自适应滤波背景预测的弱小目标检测方法。对构造图像和实际红外云杂波场景中的小目标检测仿真表明,该方法对不同背景适应性较强,在保持目标检测概率的同时显著抑制了杂波边缘虚警,有效提高了杂波背景中小目标的检测性能。      

基于二阶方向导数尺度空间的小目标检测

目标的尺度信息,是2维图像中小目标检测性能发挥的重要因素。该文提出一种基于二阶方向导数尺度空间的小目标检测方法,直接利用目标尺度信息对所感兴趣的目标进行选择。在Lindeberg尺度空间理论的基础上,该文采用偏微分方程方法,推导了最大和最小二阶方向导数的尺度空间,并分析了其在目标尺度表示上的特点。同时,给出构造尺度空间的参数选择依据,分析不同目标在尺度空间上的变化规律,提出利用二阶方向导数尺度空间进行小目标检测的具体实现算法。通过方法对比和对实际数据的处理,表明了该文方法具有较为稳健的小目标检测性能,提高了Laplace尺度空间对非圆结构目标的检测能力。     

二维非重构压缩感知自适应目标检测算法

针对重构算法影响压缩成像目标检测效率和结果的问题，提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型，利用Hadamard矩阵的特性对压缩差分图像进行解压缩，直接解码目标的空域特征，并利用改进的自适应阈值法对解码后的图像进行目标检测，避免了重构带来的存储空间和运算时间的浪费。仿真实验表明:在单目标和多目标的情况下，该算法都可以有效检测目标，并在检测率、虚警率和运算时间等指标上具有优越性能，为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。     

红外图像改进非局部均值滤波算法研究

为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF)。该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证。结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的。     

一种自适应红外目标尺寸变化的检测跟踪算法

在实际场景中随着红外探测距离的缩小,红外弱小目标的尺寸等会动态增长,常用的红外弱小目标检测跟踪算法便无法继续稳定检测与跟踪。为解决上述问题,本文提出了一种自适应红外目标尺寸变化的检测跟踪方法,借助低阈值信噪比实现弱小目标的初筛,并通过自适应尺寸分割避免大目标漏检误检,构建备选目标库,最后配合使用卡尔曼算法模型预测运动轨迹,完成小范围波门检测,实现目标跟踪。与传统DBT（Detection Before Track）跟踪检测算法相比,本文算法可同时兼顾弱小目标和大尺寸目标的检测跟踪,在所选目标尺寸动态增长的场景中,本文算法的检测跟踪率提升了约10%。     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。     

基于改进LCM的红外小目标检测算法

如何在复杂背景和低信杂比条件下准确检测到小目标对于精确制导武器的发展和红外预警等具有重要意义。为了在复杂背景条件下提高图像信杂比并有效地检测出小目标,提出一种基于中心域与邻域灰度对比度的红外小目标检测方法。通过计算输入图像的对比度图和显著度图,提高了目标对比度同时抑制背景杂波;在此基础上自适应设定阈值分离出小目标。实验结果表明:与传统LCM（Local Contrast Measure）方法相比,所提出的方法能够取得更高的检测率和较低的虚警率,尤其是对于复杂背景下的弱小目标检测,相对于对比算法,优势更明显。     

基于双核判决的红外小目标检测方法

复杂背景下红外小目标检测与跟踪是红外目标探测系统的核心技术之一。为了准确检测与跟踪空中多个小目标,针对复杂背景下单帧检测虚警率偏高,导致帧间检测计算量大的问题,提出了一种基于双核判决的小目标检测算法。首先根据目标、背景及噪声的不同灰度特性,利用Robinson滤波器结构,设定背景区域和小目标区域,更为真实的表现背景与小目标的区域分布;然后计算外核目标与背景在四个方向上的对比度及内核目标区域内的相似度,若双核度量同时达到设定阈值条件,则判定为真实目标点,这样消除背景边缘及噪声的影响,减少目标检测虚警。实测数据表明,与传统的高通滤波法、Top-hat算法相比,该算法能在单帧检测上更有效检测出小目标,抑制背景边缘和噪声点,提高抗噪能力,降低虚警率,增强帧间目标的检测识别率,能大大减少序列图像间目标检测与跟踪的计算量。     

自适应红外目标跟踪算法

针对传统的红外目标跟踪算法对被跟踪目标出现形变、部分或全部遮挡后目标易发生丢失的问题, 提出一种新的红外目标跟踪算法。该算法采用双边滤波处理方式并结合中值光流法, 建立一种自适应红外目标模型, 以达到准确、稳定跟踪目标的目的。实验结果表明, 该算法能够有效跟踪变形或遮挡目标, 且实时性强, 准确率高, 鲁棒性好。