基于局部熵的红外图像小目标检测

文中采用红外图像的局部熵变化为检测准则,确定红外图像小目标位置,对较大的红外图像目标,局部熵突变发生在目标边缘,用本方法也可确定目标边缘。文章给出了算法的实现过程,最后,用海上红外小目标真实图像进行了实验,得到了满意的结果。     

基于局部均值的红外小目标检测算法

复杂背景条件下红外小目标检测是红外自动寻的、红外预警系统的关键技术和研究热点之一。为了能有效地检测出小目标,对红外图像中的小目标与背景特性进行了分析,在充分利用小目标与其局部背景差异的基础上,提出一种基于局部灰度均值确定红外小目标尺寸和位置信息的算法。首先,给出判断像元属于小目标的必要条件,该条件判定图像中哪些像元可能属于红外小目标;其次,基于可能属于小目标的像元给出小目标可能的尺寸值;再次,对所得结果进行优化,排除虚警;最后,根据前三阶段所得结果确定小目标的尺寸和位置。Matlab 仿真结果表明,对复杂云层背景的红外图像,Top-Hat 检测算法虽然检测速度快,但当虚警和目标的灰度值相等时不能很好地对目标进行检测;新算法在选择合适参数的基础上能准确给出目标的位置信息,并能较好地估算小目标尺寸,然而新算法在检测速度上仍有待进一步提高。     

一种基于方差标记的形态学红外小目标检测算法

形态学算法在红外小目标检测上具有良好的性能,先对该算法的处理过程进行了分析,结合实际拍摄的红外小目标图像研究发现,算法在处理过程中存在很多不必要的计算,因此从提高算法的实时性出发,提出了一种基于方差标记的形态学方法.该方法首先计算图像每个像素的局部方差,然后由方差根据阈值判断条件对图像进行标记,标记完后再通过形态学算法对标记的部分进行Top-hat运算.理论分析和仿真实验表明,该方法能够极大的提高形态学的检测效率,而且对算法的检测性能有一定的提高.     

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。     

基于多尺度局部方差的海面红外舰船检测

方差可以表示局部区域中各像素之间的关系：一般情况下,不同的像素相同的邻域大小计算出的方差不同,相同的像素不同的邻域大小计算出的方差也不同。本文构造多尺度局部方差,来计算每个像素的方差随尺度变化的情况。目标像素与其邻域像素的方差随尺度变化大,背景像素与其邻域像素的方差随尺度变化小;最后运用行列投影求出方差变化大的像素作为检测结果。实验结果表明,本文算法可以有效减弱背景中各种干扰的影响,正确检测出红外图像中舰船目标的位置。     

基于粗糙集理论的红外小目标检测

红外图像处理中的点目标检测技术是近年来信息处理研究的热点和难点之一,而粗集是一种用于处理含糊和不确定性问题的新的数学工具。本文提出了基于粗集理论的红外小目标检测算法,该检测算法可按红外图像模型的频域属性、灰度值属性和相关性属性,把目标从背景中分离出来。实践结果表明,该算法能够对小目标进行可靠的检测。     

采用三层窗口局部对比度的红外小目标检测

在红外制导、预警等领域，高检测率、低虚警率和高实时性地检测出红外小目标具有重大的理论和实际意义。提出了一种采用三层窗口局部对比度的红外小目标检测方法，该三层窗口可以通过单尺度计算解决不同尺度小目标的检测难题，提高检测的实时性。同时，通过在对比度计算前、对比度计算中和对比度计算后等环节中分别对真实目标进行增强、对复杂背景进行抑制，实现提高检测率、降低虚警率的目的。在若干红外序列和图像中进行实验验证表明，相比8种现有算法而言，该方法可以取得更好的检测率和虚警率，其平均耗时仅为某些多尺度算法的1/3~1/2左右。     

红外序列图像中运动小目标的检测

文中介绍了红外图像背景以及运动小目标的特性,将检测算法分为两大类,概述了红外图像中运动小目标检测的一般方法和流程,并具体介绍了几种典型的检测算法,分析了它们各自的特点。     

基于新Top Hat变换局部对比度的红外小目标检测

复杂场景下由背景物体产生的虚警是红外小目标检测中的难点,在目标信号微弱时问题尤为突出.为了抑制虚警,提出一种基于局部对比度特征的小目标检测算法.首先,利用一种新型Top Hat变换检测出图像中的潜在目标区域;然后分析潜在目标区域及其邻域特性,计算本文提出的局部对比度特征;最后基于此特征提取目标区域.对合成图像和实际红外图像的实验表明,本算法能有效地抑制背景景物造成的虚警,取得很高的检测率,并且对目标强度的变化以及目标所在背景的变化均具有一定的适应性.     

基于局部对比度的自适应Top-Hat红外小目标检测

Top-Hat的检测性能受限于固定单一的结构元素,导致对复杂背景的抑制能力差。针对该方法的不足,提出两种具有递进关系的改进Top-Hat算法。首先依据小目标与其邻域灰度值差异,改进了Top-Hat变换,提出了一种具有双结构元素的Top-Hat算法,分别为膨胀和腐蚀操作设计了各自的结构元素,并且调整了开运算的运算顺序,以提高对红外小目标的检测性能。在此基础上,又提出一种基于局部对比度的自适应双结构Top-Hat红外小目标检测方法,通过计算局部对比度得到显著图,获得先验信息,自适应地改变双结构元素的大小,利用目标区域及其邻域的灰度值差异来抑制背景和增强目标。与同类方法和非同类方法进行对比实验研究,结果表明,所提基于局部对比度的自适应Top-Hat方法在5种评价指标中均表现突出。     

基于核距离加权的k-最近邻红外小目标检测

城市复杂背景边缘给空中红外小目标检测带来的非线性、非平稳热辐射信号影响严重。在采用k-最近邻分类判别决策的基础上,提出了一种基于核距离加权的k-最近邻红外小目标检测算法。该方法将每个预测窗口内的原始数据核映射到高维空间中进行分类,再对各近邻进行距离加权,遍历图像后得到预测结果。实验结果证明了该方法在抑制背景、增强目标方面都有较好的效果。     

基于图像稀疏表示的红外小目标检测算法

基于超完备字典的图像稀疏表示是一种新的图像表示理论,利用超完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示.针对红外小目标检测问题,提出了一种基于图像稀疏表示的检测方法,该方法采用二维高斯模型生成样本图像,继而构造超完备目标字典,然后依次提取测试图像的图像子块并计算其在超完备字典中的表示系数,背...     

基于加权场景先验的海上红外弱小目标检测

为了提高海上红外弱小目标检测的检测精度和实时性,提出了一种基于加权场景先验的红外弱小目标检测方法.该方法首先利用目标的稀疏特性以及海面场景的非局部自相关特性,将目标和背景的分离问题转化为恢复低秩和稀疏矩阵的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)问题.之后,将海面背景的先验特征信息通过加权核范数的方式加入模型,加快算法中目标和背景图像块矩阵的分解速度.最后,通过引入交替方向乘子法(ADMM)算法进一步加速求解的迭代速度.实验结果表明:该算法能有效地提高目标检测准确率,算法实时性较原算法提高了120%.     

结合图像局部概率和边缘信息的小目标检测方法

提出了一种在红外图像中结合局部概率和边缘信息的点目标检测方法。该方法首先统计图像窗口内各像素的概率平方和,利用阈值判断此窗口是否为目标区域;然后计算目标区域中心像素的边缘信息,进一步剔除强边缘噪声点,检测小目标。实验结果表明,该方法简单有效,对复杂背景小目标检测取得了很好的效果,大大地减少了后续多帧处理的计算量。     

基于局部多尺度低秩分解的红外小目标检测算法

针对红外低秩块模型计算复杂度大,容易误判等不足,提出了一种更加有效的红外小目标局部多尺度低秩分解检测算法。该算法首先利用非下采样金字塔变换对红外小目标图像做多尺度分解;接着,将分解出的高频子带进行融合,通过融合后的高频信息提取出目标感兴趣区域;最后,利用红外小目标背景的非局部自相关性质对感兴趣区域进行分块,并对各块进行重新排列构成一个新的矩阵;最后,对该矩阵做低秩分解,提取出红外小目标。实验结果表明,与其他低秩分解类方法相比,所提出算法速度更快,提取效果更好,是一种性能优越的方法。     

基于双树复小波变换的红外小目标检测算法

双树复小波分析是一种有效的图像处理方法,但是将其直接应用于红外小目标检测时,由于其对图像中的高频信息特别敏感,无法在保留目标的同时有效地滤除噪声。论文充分利用双树复小波方法方向性好的优点,并针对其高频敏感问题,提出了一种基于双树复小波变换与图像熵的红外小目标检测算法,从而能够有效去除图像中的杂波,同时凸显出小目标。该算法首先对原始图像进行双树复小波分解,将其低频子带置零,并利用高频子带进行双树复小波重构;接着,对重构后的图像进行二次双树复小波分解,并采用改进的Top-Hat算子对分解后的低频子带进行滤波,同时保留分解后±15°方向的子带,并通过高通滤波对其进行处理;之后,将滤波后的低频子带图像与原低频子带图像进行差分,得到低频差分图像;最后,利用低频差分图像与滤波后的高频子带图像进行红外图像重构,并通过局部图像熵进行加权,从而提取出红外小目标。实验结果表明,与对比算法相比,本文算法在BSF与SCRG方面表现优越,可以有效抑制背景中的杂波并提高小目标的信杂比。     

基于局部协方差矩阵判别模型的红外小目标检测方法

在复杂的背景下检测红外点目标是一项很难的挑战。复杂的背景通常包含结构化边缘、非结构化杂波和噪声,它们具有完全不同的属性。使用某个属性将小目标与这些干扰分开是非常困难的。为了解决这个问题,本文提出了一种基于局部协方差矩阵判别模型的方法来检测目标。在检测目标的过程中,讨论了图像在四个方向上的变化。此外,在红外小目标检测过程中,本文还采用了一种新的基于图像均值和方差的阈值公式。实验结果表明,该方法具有较好的性能。     

基于视觉对比度机制的红外小目标检测

复杂背景条件下的红外小目标检测是红外预警、红外搜索与跟踪等系统的关键技术和研究热点之一。针对红外序列图像中弱小目标检测问题,提出了一种基于视觉对比度机制的红外小目标检测方法。该方法首先运用加权高斯差分方法计算出目标显著性图,接着采用模糊控制方式优化参数获取显著性区域,最后通过显著区域与周围区域对比度分析获取真实目标。从实验结果以及和其他方法对比可以看出,所提出方法具有较高的检测率和较低的虚警率,是一种有效的小目标检测方法。     

基于协作稀疏编码的红外小目标检测

为了实现复杂背景下的红外小目标检测, 提出了一种基于协作稀疏编码(CSC)的红外小目标检测算法。首先通过滑动窗口法提取待测 试图像的图像块,并将 其转化为列向量作为超完备字典;然后采用CSC模型计算每一个图像块在超完 备字典中的系数矩 阵以及误差矩阵,其中系数矩阵的L_2,1范数代表图像的背景信息,而误 差矩阵的L_1,2范数代表红外小目标信 息;进而利用ADMM(alternating directional method of multiplier)算法解 算,得到系数矩阵和误差矩阵;最后通 过误差矩阵重建,得到红外小目标的位置。仿真及公开数据实验结果,证实了本文方法的有 效性。