基于顺序形态滤波的运动点目标检测

为解决低信噪比快速运动点目标的检测问题,文中提出了一种基于顺序形态波波的点目标检测算法。首先采用百分位p＝1的中面序形态滤波提取目标的广义内边缘,找出少量候选运动目标点,然后利用图像流模型建立 建立目标的运动约束议程,根据目标像素在图像序列中运动的连续性和轨迹的一致性 原则,在多帧连续图像中检测出真实的目标运动轨迹。实验结果证明,该方法能够快速、可靠检测信噪比小于3的运动点目标。     

序列图像中运动点目标轨迹检测算法研究

序列图像中弱运动点目标的实时检测算法,是精确制导系统中的关键算法之一.本文在对现有检测算法分析的基础上,详细阐述和研究了利用LS线性预测器的点-轨迹预测与匹配的目标轨迹检测算法,并通过仿真实验进行验证,最后指出此算法较以前的算法可更有效的从图像序列中检测出弱运动点目标的轨迹.     

基于分区动态规划和航迹关联的弱小目标检测

序列图像中低信噪比运动弱小目标的实时检测算法,是精确制导系统中的关键算法之一。提出一种图像序列弱小目标实时检测新算法,采用分方向区间的动态规划算法和二值图像航迹关联检测。通过在动态规划能量累加过程中引入方向限制,减小了噪声轨迹能量积累和目标轨迹能量扩散,提高了算法的目标检测能力。对算法的检测性能进行了仿真实验,结果表明该算法能有效检测深空背景下信噪比大于1.8、运动方向任意、速度不大于1像素/帧的多个运动弱小目标。     

基于最大似然比准则的点目标识别技术

本文介绍一种自适应算法,通过候选目标轨迹检测、最大似然比优化算法和后处理等一系列操作,从已经抑制CN序列和UCN序列的低信噪比图像序列中自动识别在视场中做匀速直线运动的点目标.文内给出了各项操作的理论分析和优化算法,实验结果证实了理论分析的正确性和自适应算法的可行性.本算法可识别最低信噪比为0.5,且对红外、可见光等不同种类图像序列兼容,优化算法可以大大降低数据处理量.     

一种低信噪比条件下点目标检测方法

本文提出了一种低信噪比条件下从图像序列中检测点目标运动轨迹的新方法。基于目标运动轨迹的连续性，构造了一种准连续性滤波器结构，采用正向－反向二次滤波算法，有效地抑制了噪声的影响。在此基础上，依据待检目标运动轨迹的性质定义了一种目标函数，将轨迹检测问题转化成为寻找该目标函数最小值的问题。进而由Ａ算法在加权图中搜索最短路径以获取目标函数的最小值，从而确定点目标的运动轨迹。实验结果表明，该方法克服了以往算     

基于自适应Wiener滤波的红外小目标检测方法

在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法。采用连续采集的红外图像序列进行了实验,仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析。结果表明,算法能够从信噪比大于2．0的图像序列中检测出目标轨迹。     

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。     

低信噪比下运动点目标检测快速算法

针对低信噪比下运动点目标的检测,提出了采用动态规划算法处理多帧图像以提高信噪比.为了进一步提高算法效率,在动态规划算法流程中融入了多级假设检验和方向加权算法,及早地摒除了置信度较低的轨迹树.实验证明,该算法较之传统算法效率有较大提高.     

一种序列图像中运动点目标的检测方法

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。     

一种低信噪比运动点目标检测算法

为检测复杂背景中的低信噪比(SNR) 点目标,提出了一种自适应带通门限检测算法。 首先根据图像的信噪比选取合适的带通门限进行图像空间滤波,然后采用帧相关法进行时间滤波。实验结果表明,该算法可有效地抑制背景杂波的干扰、提高信噪比SNR ,检测出复杂背景下的低信噪比点目标,且易于实现。     

红外弱小目标实时检测处理系统

针对红外弱小目标的实时检测,提出了一套基于DSP和FPGA高速乒乓缓存结构的红外实时目标检测系统。该硬件系统以高速乒乓缓存结构为核心,利用基于目标特性的区域生长算法完成对红外弱小目标的检测。实验结果表明,该检测系统对红外弱小目标具有较好的检测效果和较高的实时性,可以实现对红外弱小目标的实时检测。     

一种基于兴趣区提取的红外搜索系统目标实时检测算法

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题,提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性,根据目标运动特性与灰度特性,在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区;针对兴趣区内的局部目标图像切片,进一步精细检测识别,剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明,算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测,已应用到了周扫红外搜索跟踪系统的工程样机研制中。     

卷积神经网络在目标检测中的应用及FPGA实现

针对传统目标检测算法在复杂背景条件下的对红外弱小移动目标的检测能力弱,虚警率高等问题,提出了一种基于卷积神经网络的目标检测方法,分析了卷积神经网络的结构、特点,将卷积神经网络应用到红外弱小目标检测领域,选择卷积神经网络模型,学习训练学习出合适的模型参数,并将算法在以FPGA为核心的硬件平台上进行移植。实验表明,本文的算法实时性好,硬件移植工作量小,在复杂背景下能够得到目标掩码信息、有效检出目标。     

云杂波背景图像序列中小目标检测算法研究

云杂波背景图像序列中运动小目标的实时检测算法,是红外精确制导系统中的关键算法之一。首先对云杂波背景图像像素进行分类分析,研究了两种最大顺序滤波器和利用序列图像中像素时域剖面检测小目标的自适应方差滤波器算法,继而提出了一种适合云杂波背景的小目标检测算法。使用此算法对两组真实图像序列中运动小目标进行检测,根据对检测结果的分析,指出此算法可有效地完成检测任务,并且具有运算简单、存储量小、可并行实现、实时性好等特点。最后提出了后续工作的方向。     

低信噪比下的红外弱小目标检测算法研究综述

低信噪比条件下的红外弱小目标检测问题一直是近些年来国内外学者研究的一个热门课题。针对复杂背景下红外图像弱小目标检测困难、信噪比低的问题,越来越多的新方法不断被提出。更好的实时性,更高的检测概率,更低的虚警率成为了研究者们追求的目标,实时、鲁棒、通用成为了红外弱小目标检测信号处理算法的核心要求。本文梳理了红外弱小目标检测的常用方法以及其技术发展,在介绍一些传统算法发展的基础上,重点介绍了红外弱小目标检测的几类典型算法的原理、发展及其优化算法,为后续红外弱小目标检测的研究提供了便利。     

基于小波提升框架及小波能量的红外弱目标检测方法

针对图像序列中红外弱小目标的检测与跟踪中遇到的难点,即信噪比低、帧间相对位移小等问题,提出一种基于小波提升框架及小波能量的目标检测算法。新方法首先对隔帧融合生成的图像进行小波提升变换,然后通过计算水平及垂直方向上小波能量并选取合适的阈值将目标提取出来,再结合目标的帧间相关性实现准确跟踪。由于新方法联合考虑了帧间信息及单帧的灰度信息,因而检测结果比常规方法更为准确可靠。试验结果表明,新方法对信噪比小于2、帧间位移小于一个像素的红外斑点目标的检测与跟踪十分有效,并且实时性很好。     

基于多向梯度法的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标信噪比(SNR)低、对 比度小造成的红外目标检测率低和实时性差的问题,提出一种基于多向梯度法的红外弱小目 标快速提取算法。目标提取前, 利用多尺度拉普拉斯-高斯(LoG)算子抑制图像背景,凸显背景边缘轮廓与弱小目标;然后 引 入多向梯度目标搜索算法,选取最佳梯度数,利用最简算法快速搜索目标。实验结果表明, 本文算法处理后的红外图像有较高的SNR与对比度,检测率 为传统红外目标提取算法的1.5倍,充分保证了检测精度,且计算耗 时短,实时性强。     

一种微弱点运动目标的快速统计检测算法

本文提出一种新的从序列图像中检测微弱点状运动目标算法,该算法基于多帧检测技术,它首先累加多个差分帧,构成组合帧,然后在组合帧内对目标轨迹进行统计判别.与其它检测算法相比较,该算法在保证较高检测性能的同时,具有快速、实时的特点.本文还给出了该算法性能的理论分析结果及实验仿真结果.     

基于多向差异度的红外弱小目标检测算法

在分析红外图像中弱小目标的特征后,针对目前经典的红外弱小目标检测算法性能不足的问题,提出了一种基于多向差异度的红外弱小目标检测算法。该算法利用待检测像素点在各方向上的差异度来判决其是否为目标,无需背景预测、图像增强等处理,因此其构造简单,计算量小,易于实现,并能有效改善复杂背景环境下红外弱小目标的检测性能。通过大量的仿真实验证明了该算法的有效性和优越性。