基于差异结构描述符与自适应侧抑制的红外弱小目标检测算法

为了提高复杂背景下的弱小目标的检测精度,提出了基于差异结构描述符与自适应侧抑制的红外弱小目标检测技术。首先,引入非局部均值滤波,对红外图像进行预处理,降低噪声的干扰;随后,计算输入滤波红外图像的梯度值,引入奇异值分解方法,在梯度域内获取特征信息,从而确定主方向;为了能够根据红外图像的信息变化来自适应增强弱小目标与抑制背景,利用奇异值分解获取的主方向来计算侧抑制系数;并利用特征信息,构建差异结构描述符,联合改进的侧抑制系数,形成了一个自适应侧抑制滤波器,降低其对噪声的敏感性,以更好地对红外图像中的每个像素进行处理;最后,定义像素灰度补偿函数,完成弱小目标检测。实验结果显示:与当前红外弱小目标检测技术相比,在噪声与复杂背景情况下,所提算法能够准确完整地检测出弱小目标,具有更高的信杂比增益与背景抑制因子,呈现出更理想的ROC曲线。     

基于空-频域映射与虚警抑制的弱小目标检测算法

为了有效控制红外弱小目标检测过程中的虚警率,提高复杂云背景下的目标检测准确度,提出了基于空域-频域映射与虚警抑制的弱小目标检测算法。根据红外中心像素不同方向上的强度值,构建了方向最大中值滤波器,有效消除噪声;并利用中心像素与其邻域像素的强度差异,形成背景抑制滤波,充分增强弱小目标;考虑云区域的特有属性,联合非线性滤波,定义了云区域识别机制,提取空域映射;引入Butterworth差异低通滤波器,对去噪图像中的显著目标完成初步识别;基于其幅度信息,进行显著目标的精细检测;再利用细显著性检测结果,计算阈值,利用二值分割方法来获取去噪红外图像的频域映射;联合空域映射与频域映射,提取红外图像中的候选目标;根据真实动目标与虚警之间的运动特征差异,利用多尺度改进的管道滤波来抑制虚警,准确识别出真实目标。实验数据表明,相对于已有的弱小目标识别方案,所提方案能够准确地识别出真实目标,拥有更好的ROC特性曲线。     

基于强度-梯度映射与多方向中值滤波的红外弱小目标检测算法

为了能够在复杂环境下准确定位出弱小目标,依据目标的高斯形状特性,设计了强度-梯度映射耦合多方向中值滤波的 红外弱小目标检测算法。 首先,根据红外图像在 4 个不同方向的强度均值,对经典的中值滤波进行改进,以有效抑制复杂背景 中的噪声。 再基于弱小目标的中心像素,获取整个红外图像的强度信息。 将红外图像沿着半径方向分割为 4 个子块,并建立每 个子块的极坐标系统,以计算其对应的梯度值。 依据最大与最小梯度值的比率,得到整个红外图像的梯度信息。 再将强度与梯 度信息实施融合,得到背景抑制图像,以增强红外弱小目标。 最后,利用强度-梯度映射中的非零像素均值来计算阈值,对背景 抑制图像实施分割,准确定位弱小目标。 测试数据显示,与已有的红外弱小目标检测方案相比,所提算法具备更高的检测准确 性,可完整地识别出目标,呈现出更为理想的 ROC(receiver operating characteristic)曲线。     

基于图像块相关的弱小目标检测算法研究

针对复杂云层背景下的弱小目标检测问题,提出了一种基于图像块相关的弱小目标检测算法。首先对图像进行灰度值反转,然后利用相邻块之间相关性进行云层背景抑制的预处理,从而削弱复杂云层背景对弱小目标检测的干扰,最后对图像进行灰度值拉伸处理,增强弱小目标,提高对目标的检测准确率。实验结果表明,提出的算法可抑制云层背景对弱小目标干扰,实现复杂背景下弱小目标的检测。     

基于自适应小波变换的陶瓷瓦鼓包检测方法

瓷砖表面缺陷检测是瓷砖生产过程中不可缺少的环节，针对具有复杂立体纹理干扰的陶瓷瓦表面鼓包缺陷，为了满足自动化检测的需要，本文提出一种基于自适应小波变换的陶瓷瓦表面鼓包检测算法。首先，提取出陶瓷瓦的红色通道图像，并进行高斯滤波的预处理，抑制噪声；其次，采用自适应小波变换、线性中值滤波的方法增强鼓包与背景区域对比度；最后，利用二值化和形态学的方法，得到鼓包区域的信息。实验结果表明，该算法可以检测具有复杂立体纹理干扰的陶瓷瓦表面的鼓包缺陷，检测准确率达到了98.5%，召回率达到了95.0%。     

云天背景下的红外弱小目标检测算法

根据点目标在红外系统中的成像特点,提出了一种红外弱小目标快速检测算法,首先进行下采样来减小图像大小;再运用“梯度增大法”增强图像对比度;然后与背景预测图像做差值运算,用最佳门限从差图中得到候选目标集;最终利用相临帧的相关性在后续帧处理中确定目标。仿真试验表明本文算法能从复杂云层背景中快速有效地检测出目标。     

基于空时域信息融合的水面垃圾显著性检测

针对现有目标检测算法在水面垃圾检测中,由于图像存在光照、水纹、倒影等干扰导致的算法鲁棒性不足的问题,提出了一种融合空域先验信息和频域相位谱的水面垃圾显著性检测方法。在空域融合基于背景先验、局部对比度先验和暗部区域先验信息生成的最小障碍距离图、对比度图和背景图,得到初始的水面垃圾显著图;在频域对图像相位谱进行低秩分解再加权融合,得到冗余较少的显著目标。实验证明,该方法准确率可达96.4%,可有效抑制波纹、光照、倒影的干扰。     

基于Contourlet及目标特性分析的弱小红外目标检测

研究了一种复杂背景下红外小目标检测的新方法。根据远距离红外弱小目标在相平面上成像的各向同性特征以及目标与背景边缘分离困难的现状,提出了一种基于Contourlet及目标特性分析的弱小红外目标检测算法。首先采用Contourlet变换对图像中的低频起伏背景及边缘与随机噪声和目标进行分离;然后对红外目标进行基于各向同性特征的目标提取;最后对目标进行分割、检测以及定位,并输出目标信息。通过与一些传统方法进行基于主观视觉和客观指标的对比发现,该算法可有效分离目标与低频背景、随机噪声及背景边缘,对红外图像基于弱小目标检测背景处理时,效果较好。     

基于混合灰度差指标的低空目标图像检测方法

为了解决地面背景和云朵干扰对低空目标检测的影响,提出一种基于混合灰度差指标的低空目标图像检测算法。首先,分析地面背景与天空区域在图像中的分布以及灰度特征,根据水平灰度投影的阶跃变化将图像分割为天空区域和地面背景区域两部分;然后,在天空区域内,由于目标和背景之间的相似性比较小,而云朵和天空的相似性较高,由混合灰度差指标水平投影和垂直投影定位目标;最后,验证获取的目标坐标。试验结果表明,算法能检测出具有复杂地面背景的低空目标,也适用于背景中存在云朵干扰的目标以及弱小目标的检测;此外,算法的速度较快,满足视频图像处理的实时性要求。     

基于二维OTSU的海天分界线提取算法

海天分界线提取是海面目标检测跟踪系统中的重要环节,良好的提取结果既可以尽早地确定目标区域,也可以很大程度减少检测跟踪工作的复杂度。传统的一维OTSU算法在提取海天线时容易受到噪声干扰,从而影响结果的精确度,造成误检测。为解决复杂海天背景下图像噪声干扰等问题,首先通过形态学滤波器对图像数据进行降噪,之后使用二维OTSU算法,将图像的空间信息加入阈值判定标准,用二维矩阵来确定最终的阈值结果。对多幅可见光及红外图像数据进行实验后证明,本文方法能够有效减少复杂海天背景下的噪声干扰,完整地提取海天分界线。     

一种改进的自适应恒虚警检测器

为了解决传统自适应恒虚警检测器在多目标环境下检测性能下降的问题,对传统基于指数变换的恒虚警检测器 (Variability Index CFAR,VI-CFAR)的选择策略进行改进,提出了一种改进的自适应恒虚警检测器-VIHCES-CFAR。在杂波边缘环境下和多目标干扰环境下分别选择非均匀杂波估计恒虚警检测器 (Heterogeneous Clutter Estimating CFAR,HCE-CFAR)和交互式恒虚警检测器 (Switching CFAR,S-CFAR)进行处理,提高了多目标环境下的目标检测能力,有效避免了目标遮蔽的问题。实验结果表明,在检测概率为0.5的条件下VIHCES-CFAR的信噪比相对于SVI-CFAR低0.05dB,在多目标环境下检测概率为99.78%,在杂波边缘环境下检测概率控制在10-4左右,具有稳定的抗干扰能力和良好的虚警控制能力。并通过实测数据验证了VIHCES-CFAR检测器在解决目标遮蔽问题上的有效性。     

基于改进YOLOv5的电力设备检测算法

针对电力设备背景复杂、小目标密集等特点导致无人机智能电力巡检精度低、效果不佳等问题,提出了一种改进YOLOv5的目标检测算法。首先在原模型上增加一层检测层,重新获取锚点框以便能更好地学习密集小目标的多级特征,提高模型应对复杂电力场景的能力;其次对模型的特征融合模块PANet结构进行改进,通过跳跃连接的方式融合不同尺度的特征,增强信息的传播与重用;最后结合协同注意力模块设计主干网络,以聚焦目标特征,增强复杂背景中密集目标区域的显著度。实验结果表明：所提算法的平均精度均值(IoU=0.5)达到97.1%,比原网络检测性能提升了5.6%,有效改善了复杂背景下小目标的错测、漏检现象。     

高斯建模和卷积神经网络联合的红外视频行人检测方法

针对传统红外视频中存在行人互相遮挡导致无法提取前景目标、检测率较低等问题,提出了高斯背景建模和卷积神经网络联合的红外视频行人检测方法。首先,对于连续序列红外图像,通过混合高斯模型提取前景目标;然后,对于行人互相遮挡的前景目标,以亮度曲线图中的谷底为分割点,通过方向投影分离出单行人目标区域;最后,将确定的感兴趣区域输入训练好的LeNet-7系统。3个不同测试集的检测实验表明,该方法具有良好的检测效果,与传统方法相比,该算法的检测率达到99%以上,虚警率低至0%。     

基于剪切波变换的SAR图像舰船检测

针对强噪声背景下合成孔径雷达图像中舰船检测困难的问题,提出了基于剪切波(Shearlet)变换舰船检测方法。首先利用Shearlet变换分解原图像;然后根据Shearlet高频系数在目标区域和背景区域具有不同的表现性质,将多方向多尺度的Shearlet系数进行融合,实现了噪声抑制和舰船目标增强;最后采用阈值方法分割出舰船目标。实测SAR图像数据的实验表明,所提出的检测方法在强噪声背景下,相对于传统恒虚警率方法和基于小波加强的方法,能够达到较高的检测概率和较低的虚警率。     

基于感受野增强与并行坐标注意力的航拍小目标检测

针对航拍图像小目标占比多、背景复杂、存在检测精度低的问题。提出一种基于感受野增强与并行坐标注意力的航拍小目标检测算法，设计一种感受野增强模块，使用不同大小的空洞卷积扩大感受野范围并融合有效通道注意力机制来提高网络的特征提取能力；改进特征融合结构来提高算法对小目标的检测能力；设计一种并行坐标注意力模块用以提高航拍密集小目标检测以及抗背景干扰能力。采用不同输入分辨率在VisDrone数据集上进行实验，实验结果表明，所提算法的mAP0.5相较于YOLOv5算法提高了5.4%,mAP0.5:0.95提高了4.2%,在输入分辨率1 536×1 536下的mAP0.5可达54.9%,可以实现较好的小目标检测效果。     

基于卡亨南-洛维展开的修正 OBF 磁目标检测方法

针对磁异信号的检测通常会受到地磁噪声干扰的问题，在磁干扰补偿研究的基础上，提出一种基于卡亨南-洛维展开的修正OBF磁目标检测方法。首先构建磁干扰的椭球拟合模型，通过求解拟合模型的系数实现对干扰的总体补偿，补偿精度约30 nT;再利用卡亨南-洛维展开对OBF检测算法进行修正，提升有色背景噪声下的信号检测能力；最后开展无人机探测磁目标的实验研究，实验结果表明，修正的OBF检测算法具有更佳的检测效果，尤其是针对低信噪比目标的检测优势明显，信噪比增益提升约2 dB。     

基于相似性度量的磁异信号匹配检测算法

针对现有的磁异目标差值匹配检测算法在低信噪比下效果较差的问题,提出了一种基于相似性度量的匹配检测算法, 通过构建衡量序列局部相似性的函数对实时磁异信号和背景场信号进行匹配处理,再利用小波包去噪进一步提高信噪比,最后 将处理后的信号输入到 OBF 检测器中完成目标实时检测。 研究结果表明在虚警率为 0. 42%下当输入信号信噪比为-9 dB 时, 该算法的检测率仍在 90%左右,其在低信噪比下的检测效果明显优于差值匹配检测。     

Design and performance analysis of LMS algorithm based adaptive filter embedded with CFAR detector under non‐homogeneous clutter scenarios

The paper presents performance analysis of least‐mean‐square algorithm based adaptive filter embedded with constant false alarm rate (CFAR) detector for the purpose of better detection of target under non‐homogeneous clutter environment in radar application. The objective of this paper is to develop a method by redesigning the radar detector in such a way to emphasize the target response and de‐emphasize the clutter response. The hardware implementation using pipeline technique for the adaptive filter reveals its capability to support high sampling frequency, which is an ardent necessity for high performance radar. The moderate area‐delay‐product and low power consumption have made it suitable for hardware realization for such application. The extensive MATLAB simulation of proposed design shows remarkable improvement of detection performance in terms of signal‐to‐noise ratio of 17 dB considering probability of detection at 0.8 over the generic cell averaging CFAR (CA‐CFAR). Copyright © 2015 John Wiley & Sons, Ltd.