基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

局部对比度结合区域显著性红外弱小目标检测

为了解决局部对比度方法的计算效率低,以及在某些红外场景中易出现虚警的问题,将其与图像区域显著性相结合,提出一种改进的局部对比度算法——区域局部对比度算法,仅在图像的显著性区域中进行局部对比度计算,而非遍历整幅图像。首先进行基于图像信息熵和局部相似性的红外图像区域显著性度量,经二值化得到单帧图像显著性区域;接下来在该区域中进行局部对比度数值计算,得到区域局部对比度图像,最后经过自适应阈值分割,得到弱小目标检测结果。实验结果表明,区域局部对比度算法可以极大提高红外弱小目标的信噪比,检测结果准确,虚警率低,与原始的局部对比度算法相比,检测效率有明显提升,可以更好地保持弱小目标的形状。     

基于自适应频域滤波的红外弱小目标检测技术

研究复杂背景下弱小目标检测问题对提高靶场光电设备探测能力具有重要意义.根据红外图像的背景复杂程度,提出一种自适应高斯高通滤波算法.该算法利用改进中值滤波器对图像进行降噪,采用图像方差加权熵,定量描述红外图像背景复杂程度,根据图像背景复杂程度自动调整滤波器截止频率,实现不同背景下红外弱小目标自动检测,并利用靶场实测光电图像对算法进行了验证.实验结果表明该算法能够有效地在不同图像背景下检测到弱小目标.     

基于分类的红外云层背景弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法.根据红外成像的特点,将红外云层背景弱小目标图像分为三类:边缘类、净空及云中类、弱小目标类;对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量;根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测.实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测.     

匹配滤波器优化设计及在红外弱小点目标检测中的应用

针对红外传感器成像信噪比低且易受噪声、背景杂波干扰的问题,结合红外图像中点目标成像的特性,充分利用目标、背景杂波及噪声在空间域中的分布特性,进行空间匹配滤波器的优化设计.首先对红外点目标特性进行了分析,在此基础上进行一维匹配滤波器的优化设计,进而构建了优化设计的空间匹配滤波器.结合优化设计匹配滤波器、形态学背景抑制和自适应门限的红外弱小目标枪测算法由于充分考虑了红外点目标的衍射效应和目标与背景的灰度差异,使滤波过程智能地融入了目标和背景的特性,极大地提高了红外弱小目标的检测性能.实测数据验证表明,本检测算法对低信噪比(f<,SNR>≤2)的红外图像,在保证10<'-5>虚警概率前提下,检测概率不小于95%.     

融合视觉显著性和局部熵的红外弱小目标检测

针对红外图像中弱小目标检测虚警率高、实时性差的问题,提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法.该方法将红外弱小目标的检测问题由粗到精分步实现,首先利用融合局部熵的方法提取包含目标的感兴趣区域,对红外弱小目标实现粗定位.然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度,获得感兴趣区域的显著图.最...     

采用视觉细胞响应模型的小目标复杂背景抑制

为了提高地面和云层等红外复杂背景下弱小目标的检测性能,提出了一种基于视觉细胞响应模型的红外弱小目标背景抑制新方法.首先利用简单细胞的感受野计算模型将原始图像采用Gabor函数卷积获得相同大小的两幅图像|然后采用设计的复杂细胞响应的非线性汇聚策略函数对获得的两幅图像进行融合处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的|最后采用自适应阈值分割技术得到目标点,实现了对红外弱小目标的检测跟踪.实验结果显示,与去局部均值和最大中值滤波两种滤波方法相比较,该方法能有效地检测出信杂比较低的弱小目标信号.     

各向异性SUSAN滤波红外弱小目标检测

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题,采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值,从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中,实验结果表明:各向异性SUSAN滤波器能够很好地保留图像中的边缘信息,使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高,目标大小得到较好的保留,虚警率下降。     

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明:与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.     

基于引导滤波和分块自适应阈值的单帧红外弱小目标检测

为了在有效地检测复杂场景下红外弱小目标的同时保持较低虚警率,在满足算法实现实时性的前提下,提出一种基于引导滤波和分块自适应阈值的单帧红外弱小目标检测。首先,为缓解边缘杂波干扰,采用具有保边特性的引导滤波对图像进行背景估计;然后,利用弱小目标具备的局部灰度最大特性,提出基于软阈值非极大值抑制的九宫格滤波计算目标的概率。通过加权的方式进一步剔除背景,抑制结果中不满足目标特性的区域;最后,针对复杂场景目标检测虚警率和漏检率高的问题,提出一种分块自适应阈值分割方法提取候选目标。实验结果表明,在公开数据集上与Top-Hat、LCM和Max-Median等经典方法相比,所提方法性能优于其他方法,恒虚警下不同复杂度场景的召回率分别达到87.97%、84.93%和86.22%,可有效抑制背景,增强目标信号,提高红外弱小目标检测的召回率,且具有更好的场景鲁棒性。     

基于形态学带通滤波和尺度空间理论的红外弱小目标检测

针对复杂背景下的红外弱小目标检测问题,提出了一种基于形态学带通滤波和尺度空间理论的红外弱小目标检测算法。采用形态学带通滤波对红外图像进行预处理,得到红外弱小目标的潜在区域;利用高斯差分算子获得预处理后的红外图像的尺度空间,并通过尺度空间的极大值检测获得候选目标的位置和尺度;通过对候选目标的信杂比进行阈值化实现红外弱小目标的检测。实验结果和现有方法的对比证明了算法的有效性和稳健性。     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

自适应多波段偏振图像融合研究

为综合利用不同波段的偏振信息，以便有效地去除背景杂波的影响，提高目标检测的效果，提出一种基于伪彩色映射和窗口线偏振度熵为系数的自适应加权多波段偏振参量图像融合方法.该方法是根据目标和杂乱背景的特性及多波段成像偏振探测的基本原理，利用目标偏振特征的波长依赖性，不同波段偏振图像所反映场景信息的差异，同一波段Stokes参量图像之间的关系，以及线偏振度图像所反映的有关人造物与自然背景之间的关系.将其应用于不同真实场景下多波段偏振图像，仿真结果和评价指标表明，该方法在背景抑制方面取得了良好的效果.     

Image enhancement using multi scale image features extracted by top-hat transform

To efficiently enhance images, a novel algorithm using multi scale image features extracted by top-hat transform is proposed in this paper. Firstly, the multi scale bright and dim regions are extracted through top-hat transform using structuring elements with the same shape and increasing sizes. Then, two types of multi scale image features, which are the multi scale bright and dim image regions at each scale and the multi scale image details between neighboring scales, are extracted and used to form the final extracted bright and dim image regions. Finally, the image is enhanced through enlarging the contrast between the final extracted bright and dim image features. Experimental results on images from different applications verified that the proposed algorithm could efficiently enhance the contrast and details of image, and produce few noise regions.     

Real-time visual enhancement for infrared small dim targets in video

Visual enhancement for infrared small dim targets is a standing problem in infrared image processing. Existing approaches cannot enhance the target well and suppress the background simultaneously, especially for targets which are so faint that they are hardly visible. This paper proposes a novel real-time visual enhancement algorithm for infrared small dim targets in video by introducing temporal cues. In this work, Dynamic Programming Algorithm (DPA) is used to detect the target’s trajectory in the video and the target is enhanced through energy accumulation along the trajectory. The shape prior of the small dim target is adopted for background suppression and adaptive merging. Experimental results on real infrared small dim target videos indicate that the proposed algorithm can improve the visual quality of these types of images notably, especially for cases in which the target is hardly visible. In addition, the proposed algorithm takes on average 8.35 ms to process a 320 1 256 image, and thus meets the needs of real-time applications.     

基于波原子变换的红外复杂背景杂波抑制算法

针对红外图像弱小目标检测技术中复杂背景杂波干扰问题,提出了一种基于波原子变换的红外图像背景抑制算法。首先,采用波原子变换对图像进行多尺度和多方向分解,获得原始图像的多尺度和多方向细节特征;然后,根据目标和背景杂波信号的差异,通过频域变换设计的系数调整函数修正经波原子变换后各子带系数,再经波原子逆变换重构得到估计的背景图像;最后,将其与原始图像相减获得背景杂波抑制后的图像。用真实的红外图像序列进行实验,结果显示,与最大中值和小波变换两种算法相比,该算法能有效地抑制红外弱小目标复杂背景杂波,突出目标信号,提高信杂比,具有良好的背景抑制性能。     

一种基于单元信息熵的目标匹配改进算法

为解决图像信息熵无法有效进行图像匹配的问题,将图像单元信息熵和投影特征相结合,定义了图像单元信息熵,并提出了一种基于单元投影信息熵的图像匹配方法.在单元信息熵的基础上,在各个单元格内进行单元信息熵投影计算,然后按照一定的测度进行计算,从而实现图像的匹配.采用网格分层的搜索算法,加快搜索速度,提高其工程实用性.实验证明:该算法具有良好的抗几何失真能力和抗辐射失真的能力,以及很好的抗噪声干扰的能力,可以准确的进行目标匹配.     

运动背景下弱小目标的提取算法

 对低信噪比运动背景下序列图像中弱小目标的提取算法进行了研究，提出一种新的目标提取算法。根据运动背景的相关性和目标运动的连续性，采用背景模板匹配技术，计算各帧背景运动量，去除复杂背景，用自适应预估和阈值分割技术捕获跟踪目标。实验中，结合所研究的算法，对100帧包含低对比度弱小目标的运动图像序列进行了处理。实验结果表明，此方法能有效地实现目标的自动捕获与跟踪，跟踪效率高，跟踪稳定。