红外序列图像的双滤波侧抑制边缘检测算法

针对红外图像的特点，重点研究了采用双滤波的方法及侧抑制网络的“突出边框，增强反差”的功能，提出一种图像边缘检测方法．对噪声有一定的抑帆作用，边缘检测果明显。还结合序列图像的相关性，运用免疫计算方法，分割出目标运动区域，形成目标模板，然后在运动序列的各帧动态更新模板。最后得到具有低对比度、低信噪比、边缘模糊的红外图像目标的序列边缘。     

利用自适应模糊推理PMHT算法的红外小目标跟踪与检测

提出了一种基于自适应模糊推理PMHT算法对红外序列图像的小目标进行跟踪和检测.对红外序列图像进行中值滤波、边缘提取、海天线识别与对消等预处理后,可以提取出若干个备选小目标,通过PMHT与模糊自适应相结合算法来实现对备选目标的跟踪和数据关联,最后,根据先验知识和检测条件实现小目标检测.算法通过模糊自适应来调整系统噪声方差,经过多次迭代,从而实现数据关联以及目标模型实时检测.另外,在多目标跟踪中存在目标重叠的现象,运用"记忆和填充"方法来解决多目标的合并和分裂问题,算法易于硬件实现.通过对实际的红外序列图像进行小目标检测,验证了所提方法的可行性和有效性.     

基于小波包的红外/被动毫米波图像特征融合

红外/被动毫米波(IR/PMMW)复合制导是当前发展多模复合制导技术的热点方向.红外探测系统在低能见度条件下的穿透能力不如被动毫米波,而被动毫米波探测图像分辨率不如红外图像.为了更好地识别目标的轮廓信息,提出一种新的基于小波包边缘检测的特征级主成分融合方法.新方法先用小波包边缘检测方法检测出包含水平边缘、垂直边缘和对角边缘的边缘图像,然后对边缘图像进行小波包去噪,再用主成分融合方法进行图像特征级的融合,最后用阈值方法提取出融合后的边缘.实验仿真结果表明,与传统的小波及小波包边缘检测方法相比,新方法融合后的边缘图像更容易分辨出目标的轮廓信息.     

基于改进双边滤波的多尺度运动目标检测方法

提出一种基于改进双边滤波的运动多尺度目标检测方法,以提高对弱小目标的检测能力.首先对视频或序列红外图像进行改进双边滤波处理,提高目标的对比度,同时抑制背景的边缘噪声及随机噪声.然后对目标进行三维匹配滤波,获得若干组速度匹配叠加强度图像.最后,在这些图像中进行基于NNLoG(归一化负LoG算子)的多尺度目标检测,得到序列图像或视频段的最佳匹配速度及增强后的图像.可最终计算出目标在序列图像或视频中的运动方程.通过大量的实验及对比实验可知,改进双边滤波、三维匹配滤波及NNLoG算子综合处理效果都较好,可有效检测序列图像或视频中的目标.     

一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

基于序列图像分组决策算法

针对红外运动弱小目标检测中单帧图像检测率低的问题,在分析了红外图像中运动弱小目标特性的基础上,提出了一种基于序列图像分组决策检测红外弱小目标的方法。该方法利用图像差分法进行目标信息的提取,对图像进行扩边,选取连通域质心来构建滑动邻域块,最后充分利用目标航迹的连续性和噪声的随机分布特性进行目标位置的决策。实验证明,序列图像检测方法对红外弱小目标的检测率要高于单帧图像检测率。     

红外序列图像运动小目标检测算法

利用红外序列图像小目标运动的连续性进行背景恢复,滤除背景以提高信噪比,在门限检测后对图像进行边缘滤波以进一步提高检测概率,最后再一次运用目标的运动特性确认目标,减小虚警率,从而有效地检测出目标.实验结果证明,这种算法检测率高,而且计算简单,易于硬件实现.     

利用红外图像处理方法检测材料缺陷

由于物体的导热特性和红外成像系统的限制,系统所成红外图像中目标与背景的对比度普遍较低,目标边缘模糊,难于直接判读缺陷,对于异形构件更是如此.针对这一问题,在热传导原理的基础上,首先通过中值滤波、帧间滤波尽量减少噪声对红外图像的影响.接着运用受限拉普拉斯算法和高提升滤波加强图像轮廓信息.然后通过灰度分段线性变换对图像中的缺陷信息进行增强,突出缺陷,改善红外图像的视觉效果,使其中的缺陷更适合于人眼观察,最后通过边缘检测的方法将缺陷边缘提取出来.仿真实验结果表明:该检测方法可得到清晰、光滑的缺陷轮廓图像,是一种实用型红外缺陷检测方法.     

基于光流估计的红外弱小运动目标检测

提出了一种对复杂云层背景下红外图像序列中弱小运动目标分割和检测的方法.首先,利用Hom-Schunck算法计算序列图像的光流场,然后利用阙值分割和数学形态学滤波的方法进行目标检测,滤除噪声后提取出背景中的运动目标.实验结果表明,该算法对实时检测在复杂背景的红外图像中运动的弱小目标具有很好的效果.     

基于小波变换的红外弱小目标检测新方法

研究了红外序列图像中弱小目标的检测.对图像序列进行小波变换,利用目标小波变换的特性,对单帧小波变换后的各高频分量进行累加,利用门限处理并通过与一个与管道得到包含候选目标点的图像,最后利用目标运动的连续性,进一步检测,得到目标点的位置.实验结果表明,该方法能有效地检测红外弱小目标.     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

海空背景下红外点目标检测算法

提出了一种基于灰度形态学的海空背景下的红外点目标检测算法。该算法三步：第一步,对原始序列图像进行了膨胀后累加,以提高信噪比（SNR）;第二步,对原始序列图像进行形态学滤波,去掉噪声和目标以提取出背景;第三步,前两步结果相减,自适应阈值后即可得到点目标,用实际摄取的图像进行实验,结果表明该算法能检测出信杂比（SCR0为1的红外图像。     

结合形态学和Canny算法的红外弱小目标检测

为了解决红外弱小目标精确自适应检测的问题,本文提出了一种基于Canny算法、top-hat算法和中值滤波算法结合的红外弱小目标检测方法。该方法不同于传统的Canny弱小目标检测方法,本方法先选定合适的窗口对图像进行中值滤波处理,在去除噪声的同时有效保持图像的边缘信息;再用形态学处理中的top-hat算法抑制复杂背景,去除云层;最后使用自适应Canny算法提取红外小目标的边缘信息精确定位目标的位置。实验结果证明了该方法的有效性和优越性,本文设计的组合算法能够精确定位小目标的位置,信噪比增益达到10倍以上,排除噪声以及云层的干扰作用较强,具有一定的自适应性。     

一种新的红外热像仪图像边缘检测方法

针对红外热像仪采集的红外影像边缘信息模糊、影像存在噪声、边缘信息难提取的特点,提出了一种基于数学形态学对LOG算子改进和Roberts算子数据相结合的边缘检测新方法。该方法首先引进形态学中的开闭运算对具有随机噪声的红外影像进行滤波,接着运用拉普拉斯算法边缘检测,然后再采用Roberts算子提取边缘信息,建立相应的融合规则及阈值条件,将两种方法检测出的影像边缘信息融合,得到最终的融合影像。最后,对增加椒盐噪声的影像用MATLAB进行仿真实验,结果表明,该方法结合了两种检测算子的优点,定位精度高,有很强的抗噪性,获得了比较理想的检测效果。     

一种红外小目标的图像检测方法

针对复杂背景条件下的红外图像目标检测问题,将空域滤波和时域滤波相结合,提出了基于数学形态学的目标检测算法.该算法先对原始图像序列作能量膨胀累积以增强目标信息和提高信噪比,然后采用基于数学形态学的Top-Hat变换空域滤波处理技术消除在目标尺度范围外的背景、干扰和噪声,达到探测目标的目的.仿真结果验证了该算法是一种实时、有效,且易于实现的目标探测方法.     

一种基于DexiNed改进的红外图像边缘检测算法

相对于可见光图像边缘检测,目前针对红外图像边缘检测的研究较少,且大多基于传统方法,如边缘检测算子、数学形态学等,其本质上都是只考虑红外图像局部的急剧变化来检测边缘,因而始终受限于低层次特征.本文提出了一种基于深度学习的红外图像边缘检测算法,在DexiNed(Dense Extreme Inception Network...     

基于区域梯度信息的红外小目标检测

红外小目标检测一直是红外图像处理的难点之一,由于多种因素的影响,红外小目标容易被覆盖。分析红外图像特征,采用形态学对图像进行背景噪声抑制,在去除大部分噪声的情况下,首先利用灰度信息确定目标点的位置,然后利用区域梯度信息进而确定目标尺寸大小,对仿真图像进行处理并与K均值聚类法和形态学算法进行比较。实验结果表明:在低噪声情况下,三类算法均能有效地进行小目标检测,但在噪声复杂,信噪比较低的情况下,K均值聚类法未能检测出目标,形态学算法产生了多个虚警,而该算法依然能有效检测出小目标。     

基于改进加权核范数的红外弱小目标检测

针对传统基于鲁棒主成分分析(RPCA)的红外弱小目标检测算法对噪声不敏感,算法运行时间长,鲁棒性不强的问题,提出一种重加权红外小目标图像模型,并用非精确增广拉格朗日乘子法(AIALM)求解。该方法首先将原始红外图像转化为红外块图像模型,然后采用重加权核范数对背景块图像进行约束,较好地保留了背景边缘。针对单纯使用l1范数不能抑制某些噪声或杂波的问题,引入了加权l1范数,进一步增强了目标图像的稀疏性。最后,将红外块图像模型转化为重加权RPCA问题,并用AIALM求解。通过大量实验表明:该算法在抑制背景杂波以及目标检测性能方面要优于其他传统算法。     

基于过渡区提取的红外运动目标检测

针对复杂动态场景下的红外目标检测问题,提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。该方法首先使用帧差法和背景差分法相融合的检测方法,对红外图像进行差分处理,然后采用基于交叉熵的过渡区分割算法二值化图像,最后进行形态学滤波,从而检测出完整的红外目标。实验结果表明,该方法目标检测效果比较好,能满足红外运动目标检测的需要。