共查询到16条相似文献,搜索用时 125 毫秒
1.
2.
3.
基于复杂天空背景下红外小目标的特性分析,提出了一种利用分类背景预测与图像分块技术进行红外小目标检测的有效算法。该算法以背景预测理论为基础,通过边缘检测技术、最大均值和局部最相似分类背景预测技术获得较为准确的图像背景,进而采用统计分割算法从残差图像中提取出较为精确的目标位置。其中,通过图像分块处理,提高了算法计算效率。最后,选取了三组具有代表性的红外序列对算法的性能进行了检验。实验结果表明,所提出预测算法在检测准确性、鲁棒性以及计算效率上都具有明显的优越性。 相似文献
4.
5.
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。 相似文献
6.
7.
针对红外图像中的弱小目标检测,提出了一种经验模态分解(EMD)检测复杂云天背景下红外弱小目标的新方法。该方法基于Delaunay三角剖分和径向基函数,将一维EMD方法推广到二维,并将其应用于红外图像中小目标的检测。仿真实验结果表明,该方法能快速、准确地检测出云天背景下的红外弱小目标。 相似文献
8.
杂波背景抑制一直是红外弱小目标检测面临的难题.背景抑制可分为背景预测和差分滤波两步.针对强杂波背景呈现非线性分布的特征,提出了一种基于稀疏化核递推最小二乘(KRLS)算法的非线性背景抑制算法.算法采用监督学习模型,使用序列图像作为训练样本.通过稀疏化控制学习函数的复杂度并剔除冗余信息,不但可以提高学习机器的推广能力,还可以降低运算量.使用真实红外图像对算法进行了测试,并分析了算法参数.实验结果表明:算法可自适应预测不同类型的强杂波背景,并有效抑制背景杂波. 相似文献
9.
针对形态学图像处理中结构元素的优化选取问题,在结合灰值形态学和背景抑制技术,提出基于灰值形态学的点目标检测算法的基础上,重点分析和对比了结构元素的选取对不同的云天背景成分和点目标特性所产生的不同的处理性能,为结构元素的选取提供了一种有针对性的分析方法.实验结果表明,应具体分析不同的云天背景成分和点目标特性,折衷考虑处理点目标的敏感性和预测背景的准确性,以选取合适的结构元素. 相似文献
10.
基于背景杂波自适应预测的红外弱小目标检测 总被引:12,自引:4,他引:12
文章根据背景杂波和运动目标的红外成像差异,提出了两种自适应杂波预测技术的低
信噪比小目标检测方法。首先讨论了一种基于均方误差最小的自适应线性预测器,该预测器计算量小,易满足实时要求,且对平稳和线性云层红外背景图像具有很好的背景预测能力。然后提出了一种基于非线性函数可调整的BP 神经网络预测器,该预测器中的非线性函数可调整且非线性程度很高,能很好的适应各种复杂的起伏背景,特别是非平稳和非线性杂波背景。文中还通过实际的红外图像验证了两种方法的有效性。 相似文献
11.
探索了一种结合目标特性和局部背景类别预测的红外小目标检测算法。具体研
究了红外天空小目标检测中屏蔽地物虚警的问题。在复杂的红外场景中,地面物体由于复杂多变造成
的虚警会严重影响系统的探测灵敏度和鲁棒性。如果仅从目标特性入手,难以滤除地物虚警。首先利
用新 Top Hat 变换提取出潜目标。然后,对每个潜目标,一方面利用目标特性获得一种潜目标为真实目标的
可能性度量,另一方面考虑潜目标一定大小的邻域背景,根据对背景类别(天空或者地物)的预测获得
另一种可能性度量。最后,结合两种度量滤除虚假目标。实验表明,相比仅考虑目标特性的算法,本文
算法的探测性能有了很大提升。 相似文献
12.
一种序列图像中运动点目标的检测方法 总被引:3,自引:2,他引:3
序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪(TBD)的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行.既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。 相似文献
13.
14.
15.
天基红外扫描图像点目标检测算法 总被引:5,自引:1,他引:4
针对天基红外扫描型探测器的成像特点(时间延迟积分和半像元错列对准),提出了一种基于自适应背景预测的红外扫描图像点目标检测算法。首先,采用递归背景估计的背景预测模型,利用最速下降法求解滤波系数。其次,对背景去除后的残差图像进行自适应门限探测,并对过门限图像进行双向脉冲匹配以抑制噪声,提取目标。最后,采用蒙特卡罗方法对算法性能进行了仿真分析。实验结果表明:当信噪比大于3时,目标检测概率可达99.5%(虚警1.07×10-2)。算法实时性分析表明:算法处理能力为31.37Mb/s。 相似文献