基于多传感器信息融合的远距离目标检测

远距离目标检测具有重要的军事应用价值,而多传感器能提供互补和冗余信息,在远距离目标检测中具有独特的优势。针对可见光和红外热图像序列中的远距离目标,提出了一种基于信息融合的目标检测方法。该方法通过帧间差累积,在两种传感器的图像中确定了运动目标区域,定义了运动目标区域可信度度量,利用融合的规则确定了最后的运动区域。在运动区域中利用简单的分割方法将目标提取出来,最后经过特征级融合得到了检测结果。本方法不需要进行背景估计,多传感器信息的冗余增强了检测结果的可靠性,实验结果证明了本文方法的有效性。     

一种自适应模糊密度赋值的小波变换遥感图像融合算法

该文提出了一种基于模糊积分的多光谱图像和全色遥感图像融合算法。该算法首先由多光谱图像和全色图像的小波系数来获取模糊积分的信度函数,再依据小波系数的局部窗口内的方差自适应的构造模糊密度,然后由模糊积分计算融合后的小波系数,最后进行小波逆变换,得到融合图像。实验表明,采用新的基于模糊积分的融合方法,只要选择适当的模糊密度,就可以使得融合图像在提高空间细节质量的同时,相比其它融合算法能够具有更好的光谱质量。     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

一种遗传搜索块寻优的不同聚焦点图像融合算法

该文提出一种将遗传搜索策略应用于多聚焦图像融合子块寻优的算法,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究。该方法把图像子块大小作为遗传染色体,经过杂交、变异等操作,以便得到全局意义上的最优解。利用3种评价参量,即均方根误差、熵和互信息进行不同图像融合方法的分析及效果评价,文中讨论了两种情形,并通过大量的图像实验表明:当聚焦目标无交叉模糊区域时,该方法能实现多聚焦图像对参考源图像的重构或优化融合效果;当聚焦目标有交叉模糊区域时,该方法也取得了很好的效果,超过Laplacian算法和小波变换法。     

改进的小波变换算法在图像融合中的应用

为了改善传统图像融合方法在精确制导武器系统中对目标检测模糊、识别率低与实时性差等缺陷,采用了一种将小波变换与Canny算子相结合的图像融合的新方法。该方法的具体改进在于首先对源图像在垂直和水平方向上进行了适合图像重构的3层小波分解,并依据各分解层不同频率分量的自身特性,采用独特的融合规则,即对低频分量采用加权平均融合算法,对高频分量采用Canny算子与局部区域均方差准则结合法改变图像的小波系数,最后对融合后的小波系数进行逆变换,得到重构的目标图像。结果表明,利用该方法不仅降低了融合图像的边缘模糊性,突出了目标色彩,达到良好的视觉效果,而且计算效率高、实时性好,特别有助于伪装目标的检测与识别,具有较好的应用价值。     

基于区域分割的序列红外图像融合算法

针对传统的基于像素点和窗口策略的融合算法对图像特征表征的失真,提出了一种基于区域分割的序列图像融合算法.首先将序列红外图像分割为3个不同的特征区域,目标区域、背景区域以及灰度区域,并将分割结果映射到可见光图像中.随后,利用多尺度几何分析工具非下采样Contourlet变换(NSCT)有效提取图像特征的特点,根据不同区域的特性在NSCT域设计不同的融合规则.对试验结果进行主观和客观的对比,结果表明:基于区域分割的序列图像融合算法不仅能够为融合图像保留更全面、丰富的背景信息,还能够更加有效、准确地提取图像中的目标特征.该算法优于传统的基于像素点和窗口规则的融合算法,是一种有效可行的图像融合算法.     

采用奇异值分解的图像模糊区域检测分割新方法

针对局部模糊图像的模糊区域检测分割问题,提出了一种改进的基于奇异值分解和图像抠图的模糊区域自动检测分割算法。首先,采用分块的方法对局部模糊图像进行再次模糊,通过比较前后图像块的奇异值特征变化差异将其标识模糊块或清晰块以得到一个标识图。其次,根据标识图,结合图像抠图技术对图像的局部模糊区域进行自动提取。实验结果表明,该方法可以较为精确地检测并分割出局部模糊图像中的模糊区域。      

基于Choquet模糊积分的运动目标检测算法

本文提出了一种基于Choquet模糊积分的运动目标检测算法（CIMOD, Choquet Integrate-based Moving Object Detection）。将模糊测度和模糊积分理论应用于运动目标与背景分类中,提出了自适应阈值的Choquet积分算法,实现了图像的颜色特征和纹理特征相融合;选择YCbCr颜色空间代替传统RGB空间,将图像亮度与色度分离,降低了光照变化对运动检测的影响;利用局部二元模式（LBP,Local Binary Pattern）纹理特征对亮度级的单调的变化具有不变性的特点,将其融合到检测算法中,有效抑制了阴影的干扰。仿真实验结果表明,即使在光照变化、阴影干扰等复杂背景情况下,该算法也能够准确的检测出运动区域。     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。     

利用目标直线边缘交点的某型航侦CCD相机图像拼接

针对某型航侦CCD相机图像序列之间的特殊变换关系,提出了一种基于目标直线边缘交点的图像拼接方法。该方法在将相机图像重叠区域分割为较小独立区域的基础上,首先使用Canny边缘检测算子提取各个区域中的边缘信息,并用Hough变换提取边缘中的直线边缘。其次通过提出一种依据直线极坐标参数的区域扩展和选择策略来选择包含完整目标的子图像区域,并提取该区域中目标直线边缘的交点。最终根据提取到的直线边缘交点坐标实现图像配准,且采用双线性插值法融合配准区域,实现了图像的无缝拼接。实际的飞行效果验证了该图像拼接方法的有效性。     

红外图像序列中运动面目标的分割算法研究

利用红外成像实现自动目标检测,这在现代防御技术中具有重要的地位。本论文主要针对红外预警系统的目标探测补盲阶段,深入研究了现有的比较成熟的各种运动目标分割算法,用软件仿真了各算法处理图像的效果,并总结归纳了各种算法的优缺点,提出了在差分图像的基础上,采用二维最大熵法对图像进行分割以更好地提取区域目标的观点。经实验证明,该算法效果良好。     

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题．提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标．在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性．利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率．抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

一种径向运动弱小目标检测方法

分析了机载红外告警系统所要检测目标径向运动的特点,并基于此提出了一种红外序列图像检测威胁目标的算法.首先对单帧图像进行小波分解,得到水平和垂直的高频图像,经门限判决选出待定目标产生的高频分量,组合选定的高频分量,然后基于目标的运动特性、连续特性,提出一种类似管道滤波的方法,对组合后的图像多帧积累,选择合适的邻域判决条件提取弱小目标.     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

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。     

Clutter Suppression Method Based on Spatiotemporal Anisotropic Diffusion for Moving Point Target Detection in IR Image Sequence

This paper deals with the problem of moving point target detection against cluttered background in infrared image sequence. In this area, clutter suppression is a critical issue because of high false alarm rate caused by complicated clutter. Here the three-dimensional spatiotemporal anisotropic diffusion model, in which inter-frame diffusion takes place as well as intra-frame diffusion, is investigated and a moving point target detection method based on this model is presented with the hope of improvement of clutter suppression performance. The method is evaluated and the optimum values of its parameter on different conditions are found by comparative experiments. The image sequences used in the experiments are generated by using available real-world infrared images and simulated moving point targets. Experimental results show that the method performs well under cluttered situations and enhances the detectability of moving point targets.     

一种基于粒子群算法的红外运动小目标检测算法

提出一种基于粒子群算法的运动小目标检测算法。首先利用两步分离法对图像进行预处理,筛选出少量的侯选运动目标,然后构造候选航迹,利用粒子群算法对候选航迹进行搜索,从而检测出目标航迹和目标点。实验结果表明,该算法能有效地检测出运动小目标的位置。     

基于运动特征的远距离红外目标检测方法

在红外热图像序列中检测远距离运动目标具有重要的军事和民用价值。由于远距离目标成像后所占的像素较少,同时受成像环境和成像条件的影响可能会存在较强的背景噪声,目标与背景的差异不明显,检测比较困难。本文针对热红外图像序列,提出了一种远距离目标的检测方法。该方法首先利用top-hat算子选择备选目标,然后利用备选目标在不同帧中的相关程度分析目标的运动特征,选择有确定运动特征的目标作为检测结果。该方法不需要进行背景估计,可以有效地避免强背景噪声的影响;通过调整运动模型,可以应用于不同运动特征的目标检测问题。实验结果证明了本文方法的有效性和鲁棒性。     

基于多源遥感卫星的海面舰船目标检测方法

围绕光学卫星遥感图像中的海面舰船目标检测问题,考虑静止轨道遥感卫星和低轨道高分辨率遥感卫星的优缺点,提出一种基于多源遥感卫星的海面舰船目标检测方法。该方法首先通过多结构多尺度形态学滤波和自适应阈值分割对静止轨道卫星遥感图像进行目标预检测,然后将预检测结果与卫星图像的地理位置信息相结合来确定高分辨率遥感图像候选目标区域,最后提取候选目标区域中目标的主要特征,进行舰船目标判别,将判别结果反映到静止轨道遥感卫星图像上。仿真结果表明,该方法能有效检测出海洋背景遥感图像中的多个运动舰船目标,具有目标检测率高、虚警率低、时效性好等优点,为静止轨道遥感卫星对海面运动舰船目标的实时监视跟踪提供了技术支撑。