低空复杂背景红外小目标检测

提出了基于复杂低空背景条件下新的图像序列跟踪方法.首先在全视场范围内采用自适应滤波法搜索目标,连续几帧检测到目标后,进入小视场范围内分割检测目标进行精确跟踪.若目标丢失,再返回全视场模式搜索目标.试验结果表明,在背景噪声较为强烈的情况下,该方法依然能有效地检测跟踪目标.由于采取了小视场跟踪的策略,减少了计算时间,实时性较好.     

强杂波背景下高空红外运动点目标检测

对强杂波背景下高空红外遥感图像序列的背景和目标特性进行了分析,采用新型的形态滤波方法实现了背景抑制,提出了一种子窗口检测门限算法,并进行了仿真试验,有效地提取了强背景低信噪比下的目标.对比分析说明子窗口检测门限算法具有较好的效果,并且可以提高并行计算能力,适合应用于强杂波背景下大面积扫描或凝视红外图像序列的处理.     

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.     

一种基于匹配滤波的红外小目标检测系统

低信噪比条件下的小目标检测问题一直是近些年来国内外学者研究的一个热门课题。目前,围绕这一课题已经发展了许多有实际意义的检测算法和处理机体系结构。本文在总结前人研究成果的基础上,针对复杂背景红外图像的统计特性,提出了一种基于组合式空间匹配滤波器的运动小目标检测方法。     

复杂背景下红外运动点目标检测算法研究

讨论了复杂背景下低信噪比运动点目标的检测和跟踪问题，提出了基于卡尔曼滤波理论的背景预测，数学形态学膨胀累加，图像流航迹关联和二级并行假设检验的点目标检测方法。实验结果表明该算法能够较大程度提高红外图像的信噪比，有效地检测和跟踪点目标，并且能够解决目标丢失以及跟踪过程中出现目标的问题。     

港口背景下红外运动多目标跟踪

介绍了一种采用小波变换抑制港口动态背景的方法.在此基础上,运用基于Chan-Vese模型的水平集方法实现图像区域分割和粒子区域的特征提取,提取的特征包括结构和灰度特征,结合这些粒子区域特征和先验知识,在对标准粒子滤波进行改进的基础之上,实现多目标跟踪中的数据关联和目标聚类.同时,在多目标跟踪中会出现"新目标出现、目标消失、多目标合并与分裂、目标受遮挡"等现象,根据图像能量和轮廓形状间距离的变化来判断和解决上述现象带来的误跟踪问题.通过对实际港口背景条件下的红外序列图像进行多目标跟踪实验,验证了所提方法的可行性和有效性.     

基于小波变换的复杂海面背景红外小目标检测

采用基于正交小波的多尺度分解,提取出不同空间分辨率和不同方向的子图像,其低 频逼近分量可用来确定海天线和目标潜在区,水平和垂直方向的高频细节分量则体现了目标所在的区域信息;根据海面目标总是出现在海天线附近的特点,排除虚警点而分离出真正的目标。实验结果表明该方法能检测出低信噪比复杂海面背景中的舰船红外小目标。     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容.为解决红外起伏背景下的小目标检测问题,提出了一种自适应的背景抑制方法,并对抑制背景后的图像进行了目标分割,最后用邻域法判决目标位置.实验结果表明,该算法能够从信噪比大于2.0的图像序列中检测出目标.     

一种红外弱小目标检测方法

提出了一种红外弱小目标检测算法,该算法通过“区域最小化背景模型”,来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的,算法适用于强对比度云层的空背景、目标与背景对比度比较低的空背景,是背景预测算法的一个重要扩展,针对实际红外图像的试验仿真表明,提出的算法是有效的。     

基于形态学和信息熵的红外目标检测算法

提出了多结构形态学滤波算法,对小目标图像进行背景抑制,接着引入信息熵进行分割,从缩小阈值搜索范围和推导递推关系式两方面给出快速分割算法。通过不同滤波算法进行背景抑制,并采用经典的阈值分割方法和基于信息熵的分割方法对形态学处理后的图像进行分割,对实验结果进行详细分析,表明本文多结构形态学滤波算法对图像的信噪比改善最明显,分割算法处理后的图像含噪声较少且目标分割完整,是一种有效、稳定的目标检测方法。     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

复杂背景下的运动目标检测方法

提出了一种复杂背景下的运动目标检测新方法,利用仿射变换进行全局运动估计,并利用双线性内插进行背景补偿,然后采用3帧对称差分相乘的方法增强运动目标的像素点,拉大目标与背景残留噪声的差异,最后利用区域生长法进行目标分割。用复杂的城市交通序列图像进行测试,并与经典的动目标检测算法进行对比,说明了算法的有效性。     

岛岸背景下的红外运动多目标跟踪

提出了一种基于粒子滤波和FCM的岛岸背景条件下红外运动多目标跟踪方法.通过对红外序列图像进行中值滤波、边缘提取、海天线检测和形态滤波等预处理,提取出若干个候选目标.然后利用基于粒子滤波和FCM的算法实现对候选目标的数据关联和连续跟踪.实验结果表明,该方法具有良好的可行性和效果.     

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.     

空域-小波域联合滤波的红外复杂背景抑制

针对远距离红外小目标检测中复杂背景的抑制问题,提出了一种空域-小波域联合滤波的方法。该方法在空域通过自适应结构元素的灰度形态学顶帽变换抑制大部分红外背景。在此基础上,将处理空间变换到小波域,通过分析残留背景、目标和噪声系数在高频子带的差异,定义基于邻域均值的子带系数表达形式,构造高频子带系数的中心向量,对小波高频图像进行综合形成距离像,得到红外复杂背景的最终抑制结果。仿真实验结果表明,相对于经典算法,该方法不但可以实现对红外复杂背景的有效抑制,而且能够增强目标信号的强度。     

复杂背景下红外弱小目标检测的算法研究综述

复杂背景下低信噪比弱小目标的自动检测是当今目标自动探测研究尚未解决的一个难题.目前,国内外许多学者已经作过大量的检测算法研究,但还没有建立成熟的理论体系和切实可行的实用算法,尤其是在复杂背景干扰的抑制方面,大部分研究工作所处理的还不是真正的复杂背景.本文在分析和总结国内外现有算法研究的基础上,指出了复杂背景下红外弱小目标检测的发展趋势,并提出了检测跟踪的一些有效技术措施.     

基于分形理论和Gabor变换的港口背景红外图像分割

为了对复杂港口背景的红外图像进行有效、快速和准确的分割,根据分形理论的思想,在对红 外图像进行分形处理的基础上,先运用最大类间方差法(Otsu)对红外原始背景图像进行粗分割,然后运用Gabor 变换和Gabor多通道滤波器提取港口背景轮廓,最后使用中值滤波滤除噪声,得到最终的港口背景轮廓图像。通过对实际港 口背景的红外图像进行分割实验,验证了所提方法的可行性和有效性。     

地空背景下红外弱小运动目标检测

受到云层飘移、树木晃动、背景噪声杂波等因素的影响,红外弱小目标在地空背景下无法被精确检测.针对这个问题,本文提出了一种融合时空结构张量的背景差分检测算法.首先,通过当前图像与背景模型的比对确定出运动变化的全部像素,再用前景点计数的方法消除噪声等因素造成的孤立点错误检测;然后,时空结构张量模块利用连续帧图像的时间空间信息检测出运动块;最后,对前景目标像素和前景目标块进行融合操作,并将目标区别于背景二值化显示.与其它算法对比的实验结果表明,本文提出的算法具有稳定的检测率,且虚警率有明显降低,是地空背景下红外弱小运动目标检测的有效方法.     

杂波背景下基于小波变换的低速目标检测

地物背景杂波因其存在多普勒频移导致频谱展宽,目标与杂波频域位置相差小,从而增加了对低速目标检测的难度。通过与经典傅里叶频域法相比较,引出了小波变换法在低速目标检测中的作用。最后应用MATLAB给出仿真的结果,证明了小波变换在低速目标检测中的优越性。     

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.