红外图像中小目标检测的新算法

分析了红外图像中小目标、噪声以及背景的特点。针对高通滤波后小目标经常被强噪声淹没的情况，基于Donoho提出的小波变换的软阈值去噪方法，提出了一种峰值检测算法。实验结果证明方法可以有效地抑制高通滤波后的强噪声，并能检测出小目标。     

一种红外图像小目标滤波算法研究

提出一种红外图像滤波算法,该算法建立在小波变换算法基础上.对非平稳信号的去噪声,小波变换具有时域和频域上的局部性特性、多分辨率分析特性,非常适合用来分析和处理非平稳信号,在保证运算速度的同时也提高了滤波质量.经实验证明,该算法较好地融合了噪声消除和边界保持两大优点,大大改善了图像预处理的效果.     

红外图像序列小目标检测预处理技术

文中就如何复杂背景条件下低信噪比的小目标检测概率问题展开了讨论，提出了用空间高通滤的方法改善图像质量，达以抑制背景噪声，增强小目标的目的，并交坑通滤波和中值滤波做了一个简单的比较，随后采用分层投票表决法对目标进行检测，取得了良好效果。     

基于形态小波变换的红外图像目标检测方法

文中提出了一种基于形态小波变换的海空背景下受强杂波、噪声污染的红外图像目标 检测算法。算法利用了小波变换的多分辨率、多尺度特性,将要检测的图像分解到不同频率的多个尺度上,再采用形态学的背景估计和形态滤波技术,对分解后的子图像进行处理、小波重构。仿真实验表明,该算法可较强的抑制云层、海浪以及海天线的强杂波背景和强噪声的干扰,可检测出信杂比(SCR) 为2 的目标,适用于舰载红外警戒系统。     

基于子波相关算法的红外图像点目标检测

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一^[1]。目标在图像中表现为点状,且信噪比低,目标被噪声（杂波）淹没。文中结合前人的一些检测算法,按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析。提出了基于子波相关算法的点目标的检测方法,并对其进行了仿真和软件编程。结果表明这种算法具有很好的检测能力。     

基于小波变换的红外图像融合技术研究

图像融合的目的是把来自多传感器数据的互补信息合并形成一幅新的图像,以便更好地进行监视和侦察之类的视觉感知。文中介绍了小波变换及其Mallat快速算法,提出了基于小波变换的图像融合方法,并分析了可见光与红外图像的融合结果,结果表明,小波变换融合图像包含了所有传感器的相关信息,其性能优于高斯－拉普拉斯金字塔结构算法,这一原理也可以应用到两幅以上的图像上,无论这些旬否在同一光谱波段内。     

红外序列图像中基于形状的人体检测

对红外序列图像中的人体检测问题进行了研究,提出一种新的人体检测方法.首先采用自适应高斯混合模型对序列图像中背景进行建模,在准确分割出前景运动目标的基础上,提出了一种新的人体形状表达模型,充分考虑了多个人体发生粘连或互相遮挡的情况,并用亮度投影的方法对其进行分离;以人体表达模型作为输入向量,构建支持向量机(SVM,Support Vector Machine)对人体进行分类判别.不同红外视频序列的检测结果表明了所提出算法在单个人体和多人体情况下均具有较好的鲁棒性和可行性.     

红外图像序列运动小目标检测的预处理算法研究

讨论了复杂背景下低信噪比的运动小目标的检测,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,然后采用领域判决法实现运动目标的进一步分离,用图像流分法进行目标的最终检测。实验结果表明：该算法能够对小目标甚至是点目标的运动进行可靠地检测。     

基于小波变换的红外图像弱小目标检测研究

针对红外图像弱小点目标检测中遇到的难点,即信噪比低、帧间相对运动和强噪声干扰等问题,给出了一种帧间膨胀累积提高信噪比的方法,并且提出将l/f噪声白化和白噪声去除同步处理的新思路,大量的仿真实验证明,该方法能够很好地抑制噪声对图像的影响,大大提高信噪比,降低误检率。     

红外图像弱小目标探测技术综述

红外摄像机虽然能够全天候24 h工作,但是相比于可见光摄像机,其获得的红外图像分辨率和信杂比低,目标纹理信息缺乏,因此足够的标记图像和进行模型优化设计对于提高基于深度学习的红外目标检测性能具有重要意义。为解决面向监控应用场景的红外目标检测数据集缺乏的问题,首先采用红外摄像机采集了不同极性的红外图像,基于自研图像标注软件实现了VOC格式的图像标注任务,构建了一个包含行人和车辆两类目标的红外图像数据集（Infrared-PV）,并对数据集中的目标特性进行了统计分析。然后采用主流的基于深度学习的目标检测模型进行了模型训练与测试,定性和定量分析了YOLO系列和Faster R-CNN系列等模型对于该数据集的目标检测性能。构建的红外目标数据集共包含图像2138张,场景中目标包含白热、黑热和热力图3种模式。当采用各模型进行目标检测性能测试时,Cascade R-CNN模型性能最优,mAP_0.5值达到了82.3%,YOLO v5系列模型能够兼顾实时性和检测精度的平衡,推理速度达到175.4帧/s的同时mAP_0.5值仅降低2.7%。构建的红外目标检测数据集能够为基于深度学习的红外图像目标检测模型优化研究提供一定的数据支撑,同时也可以用于目标的红外特性分析。     

基于SVM模型的单目红外图像深度估计

提出一种通过非线性学习模型来估计单目红外图像深度的算法。该算法首先通过逐步线性回归和独立成分分析(ICA)寻找对于红外图像深度相关性较强的特征,然后以具有核函数的非线性支持向量机(SVM)为模型基础,采用监督学习的方法对红外图像深度特征进行回归分析并训练,在训练过程中通过已知数据回归后的最小均方误差对模型参数进行修正,训练后的模型可对单目红外图像的深度分布进行估计。实验结果证明,利用该模型能较一致地估计单目红外图像的深度信息。     

红外偏振图像的仿真

为了在获得真实偏振图像之前获得偏振图像,采用仿真的方法进行了实验研究,即先通过实验获得各种物体的偏振度建立一个偏振数据库并进行理论研究论证,再利用K-均值聚类算法对红外图像中的物体进行聚类,最后将聚类后的图像通过计算得到偏振图像。结果表明,得到的仿真偏振图像效果很明显,能够很好地区分人造物和自然物,从而验证了仿真算法的可行性。图像仿真对于更好、更方便地研究物体的偏振特性和建立偏振数据库有着非常重要的意义。     

动态红外图像仿真研究

本文研究了飞机目标动态红外图像仿真技术。分析了飞机目标红外辐射特性,包括发动机、尾焰、尾喷口及飞机蒙皮的辐射计算方法。应用LOWTRA7软件包进行了目标和背景的动态图像仿真计算,可以为制导和火力控制提供仿真的红外动态图像。     

模块化热图再现技术研究

为解决红外示假技术中的可控性问题,提出了利用模块控温实现热图再现的技术途径。通过类比LED显示技术,指出只要将LED显示单元更改为电热模块,并利用功率控制器件来控制模块的加热功率,就可以再现任意的热图。利用碳纤维增强的高分子复合材料制备了发热模块,并对其物理性能进行了测试,结果表明这种模块完全满足热图再现的技术要求。最后,用64个电热模块、一台笔记本电脑、一台可编程控制器以及24 V蓄电池电源构建了热图再现系统。试验测试表明,这样构建的热图再现系统可以清晰再现目标的热图。这些工作对于可控热红外伪装有很好的参考价值。     

基于CFAR-DCRF红外遥感舰船单帧目标检测方法

针对红外舰船小目标图像复杂背景弱信号,虚警率较高且难以被精确检测的问题,提出了一种恒虚警率(Constant False-Alarm Rate,CFAR)-全连接条件随机场(Dense Conditional Random Fields,DCRF)舰船目标检测算法.该算法针对小目标与虚警信号变化特征相似但结构特征不同的特点,利用CRF的多维上下文(空间、辐射)表达的优势,实现虚警特征抑制,并引入CFAR对模型进行改进,提高了DCRF对于弱信号目标的检出能力,实现舰船小目标的精确检测与分割.实验结果表明,该算法能够充分利用海域的全局上下文信息,能够在保持较高检出率同时,有效降低虚警率,实现单帧端到端的小目标检测.     

基于改进的奇异值分解的红外弱小目标检测

为了克服传统的基于奇异值分解的目标检测方法存在目标强度变弱的不足之处,采用改进的奇异值分解方法用于红外弱小目标检测。根据奇异值分解的性质,对其中目标贡献最大的中序部分奇异值进行了非线性修正的改进,并将其它奇异值设置为零后通过重构图像得到背景抑制后的目标图像。结果表明,该方法不仅能够保存和增强目标能量,提高目标信号的信杂比和对比度,而且还能得到很好的背景抑制效果。     

基于小波变换的双波段红外图像融合方法

针对红外探测器长波图像和中波图像的特征,采用基于小波变换的方法实现双波段红外图像的融合。在对不同波段红外图像小波分解的基础上,对低频子带图像采用加权平均,对高频子带图像采用区域能量最大的融合规则得到融合图像的多分辨率结构,再利用小波逆变换重构融合图像。仿真结果表明,和普通基于空域加权平均的方法相比无论从主观视觉还是通过客观评价指标的计算结果来看,基于小波变换的双波段红外图像融合方法均具有更为理想的图像融合效果。     

一种自适应红外图像角点检测算法

针对Harris角点检测算法自适应性差的问题,提出一种自适应角点检测算法。根据Harris算法定义的像素响应函数值的大小特性,得出阈值(Threshold)应满足的下限条件,继而对图像进行分块,得出每一块图像的阈值下限条件。综合考虑各图像块的阈值,采用加权方法得到图像总的阈值。采用局部保留最大响应值策略来避免角点聚簇的现象。试验结果表明:提出的自适应阈值计算方法在引入少量数学运算的前提下,使角点检测具有自动性,并且可以保证合理数量的角点,采用的剔除策略可以很好的避免角点聚簇现象,使图像最终角点数量合理、分布均匀。     

超声红外热像技术中缺陷的自动识别

超声红外热像技术是一种新型无损检测技术,对金属试件疲劳裂纹、复合材料冲击损伤等缺陷具有良好的检测效果。传统缺陷识别主要依靠肉眼识别和专业经验,对缺陷类型、缺陷程度的判断很难定量把握;基于时间序列的缺陷识别算法速度慢、精度差、自动化程度低。本文以超声红外热像技术中裂纹的检测为例,通过对比分析热图像分割区域中裂纹区域与亮点区域的形状、灰度等分布特征,提取了用于裂纹信息识别的特征参量,开发了基于加权支持向量机的裂纹自动识别算法,为实现超声红外热像技术中缺陷的自动识别奠定了基础。试验验证了本文所提特征参量和自动识别算法的有效性。