基于SVD背景抑制和粒子滤波的弱小目标检测*

针对云天背景下红外弱小目标的检测算法中常见的目标漏检和检测错误问题,提出了一种基于奇异值分解背景抑制和粒子滤波联合检测算法。该算法首先采用奇异值分解滤波抑制红外图像背景,获取候选目标位置,然后采用粒子滤波算法估计目标运动状态,获取目标搜索窗口,最后将单帧检测候选目标与预测的搜索窗口相结合实现小目标检测。对真实红外图像序列进行实验表明,该方法有效地解决了SVD滤波单帧漏检和粒子滤波预测错误导致的目标检测错误问题,从而提高了低信噪比下弱小目标的检测能力。     

基于红外面阵传感器的小目标检测算法

研究了红外面阵传感器图像中小目标的特征,针对目标低信噪比的问题,提出了一种新的单帧红外图像小目标的检测方法。首先用改进的中值滤波对图像进行处理,抑制孤立噪声,然后对图像进行基于提升小波的分解,并用形态学对图像进行背景抑制,最后通过自适应阈值进行二值化分割检测出小目标。实验结果表明：该方法对面阵传感器红外弱小目标有良好的检测效果。     

基于小波包变换的红外弱小目标检测

针对复杂背景下红外弱小目标的检测问题,提出一种基于小波包变换的红外弱小目标检测算法。该算法首先采用小波包变换对含有弱小目标的红外图像进行多尺度分解,得到不同尺度下的高低频节点系数;其次根据不同节点系数重构时对目标能量贡献的不同,选取高频频带中能量分布居中的频带节点系数对图像进行重构完成背景抑制;最后对重构后的目标图像采用自适应阈值分割方法进行目标分割,得到目标检测结果。实验采用多组红外序列图像进行验证,仿真结果表明：该算法可以很好地抑制背景和云层边缘,精确地检测出目标信号,同时提高了目标的信杂比和对比度等参数。     

一种基于小波分析的弱小目标检测背景预测算法

背景预测是弱小目标检测的有效方法之一。根据弱小目标检测需求,针对现有算法的不足,在分析弱小目标图像特性及其小波分解特性的基础上,设计并实现了一种基于小波分析的弱小目标检测背景预测算法。给出了算法流程,对算法进行了描述,并对算法进行了试验验证,试验结果表明算法具有运算速度快和抑制噪声能力强等优点。     

远距离红外弱小运动目标检测

针对远距离红外弱小运动目标的检测,本文提出了一种空域-时域联合算法。该方法首先基于结构元素大小自适应的形态学顶帽变换进行红外复杂背景抑制,增强了图像的信噪比;接下来,利用平均迭代算法精确确定门限阈值,实现单帧图像分割;在此基础上,利用邻域多帧图像相与判决算法,实现基于时间序列图像的弱小运动目标检测。实验表明,本文提出的方法能够较好地进行背景抑制和消除噪声,准确有效地检测出红外运动弱小目标。     

一种红外序列图像弱小目标自动捕获方法

提出一种新的基于形态重构与自适应小波算法的自动捕获红外弱小目标的方法,处理方法分为帧间与帧内处理两部分。首先论证了形态重构滤波器在完备格理论下可以实现对红外图像背景的重构,其次分析了自适应小波结合了线性小波强抑制噪声特性和形态小波好的保留目标细节特性,在红外图像能够获得更好的去噪性能,最后通过结合自适应阈值处理方法和准则处理实现了帧内处理,利用时间序列上的形态膨胀累加完成帧间处理。通过对三种不同的红外图像序列的仿真处理,实验结果表明自动捕获方法可以快速准确地捕获图像的弱小目标。     

基于小波变换和管道滤波的红外空中小目标检测

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换和管道滤波的检测算法。该方法利用小波变换的优良性质,通过分析噪声系数、背景边缘系数和目标系数在尺度间的不同特性,计算各个信号在尺度间的相关系数并归一化。按照自适应阈值法对噪声和背景边缘系数进行抑制,进而通过反变换得到抑制背景增强目标的图像。结合目标面积信息选择适当阈值,对重构图像进行分割生成单帧检测结果。基于目标运动的连续性和噪声的随机性,通过分别设置目标检测和位置变化门限,利用改进管道滤波完成小目标检测过程。试验结果表明,提出的算法能够准确地检测目标,相对于通常的小目标检测算法,该算法在背景抑制方面具有一定的优势,能够获得相对较高的信噪比。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

基于DSP的自适应弱小目标检测方法

针对复杂背景下弱小目标检测的难题,提出一种基于DSP的自适应背景预测弱小目标检测新方法。该方法在DSP为核心的嵌入式图像处理系统平台上,以自适应背景预测算法为基础,在DSP集成开发软件Code Composer Studio 3.3上采用C语言编写弱小目标检测程序。根据图像的相邻像素的灰度特性选取不同的背景预测模型对连续四帧原始图像进行自适应背景预测得到背景预测图像,背景预测图像与原始图像相减得到残差图像;对残差图像采用交叉差分算法和自适应阈值分割处理得到二值图像;对二值图像采用逻辑与运算和形态学开运算,获得真实弱小目标。实验结果表明,该方法可以有效地检测到弱小目标,且与中值滤波算法相比,该算法预处理时间减少22%,虚警概率降低6%,检测到的目标面积增大2.3倍,更有利于目标点的观察,为工业现场镁合金熔液中弱小目标实时检测奠定了基础。     

基于DSP的序列图像弱小运动目标检测

针对强杂波背景中的弱小运动目标检测问题,在分析弱小目标的运动特性在时频变换中表现出显著差异的基础上,采用两级滤波方法检测运动目标,提出了一种基于DSP的序列图像弱小运动目标检测方法.该方法首先对序列图像进行预处理、设置门限过滤噪声,然后根据目标和杂波的时频特征差异识别出弱小运动目标.实验结果表明,该方法可以很好地抑制噪...     

复杂背景条件下的红外快速运动小目标检测方法

针对复杂背景下红外快速运动小目标检测问题,提出一种将时域特性分析、小波包变换和管道滤波多帧检测相结合的方法。该方法首先对图像进行时域特性分析确定目标所在帧图像序列,再利用小波包变换对目标所在帧图像进行多尺度分解,提取候选目标,然后通过管道滤波从候选目标中确定小目标的位置,完成对小目标的检测。对实测数据进行仿真实验,结果表明该方法能有效检测红外快速运动小目标。     

联合形态滤波和MRF模型的红外小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于自适应形态滤波和Markov随机场(MRF)模型的小目标检测算法。设计基于图像局部熵优化的自适应形态滤波器,采用该滤波器进行背景杂波抑制和目标增强,利用MRF理论描述图像像素间关系,构造新的势函数和能量函数,建立目标检测识别模型,通过模型计算自动识别出红外图像中的小目标。理论分析和实验结果表明,该算法可在复杂背景下自适应地抑制背景杂波,成功检测出红外小目标。     

基于知识的复杂海空背景抑制

研究了复杂海空背景下的红外小目标检测的预处理问题。提出了一种基于小波分解与Hough变换结合的方法，提取海空线，确定小目标的潜在区域。为了进一步抑制目标潜在区域的复杂背景、增强目标，提出一种方向自适应的多级滤波器，使之跟随海空线的角度进行滤波。实验证明，该方法能检测出复杂背景下任意方向的海空线，并有效地抑制目标潜在区域的海空线以及噪声杂波，使目标得到增强。     

基于辅助粒子滤波的红外小目标检测前跟踪算法

研究低信噪比复杂环境下的红外小目标检测和跟踪问题,提出了基于辅助粒子滤波的检测前跟踪算法.首先使用形态学滤波算法对图像进行白化预处理;然后在跟踪阶段采用辅助粒子滤波算法估计目标运动状态,在检测阶段利用跟踪滤波器的输出构造似然比,并进行似然比检验.对真实红外图像序列的实验表明,该算法可成功跟踪和检测信噪比为2的小目标,且其性能优于传统的检测前跟踪算法.     

基于分数阶积分算子的红外弱小目标检测

针对现有背景抑制算法不能有效抑制背景而导致目标检测率低的问题,提出一种基于分数阶积分背景抑制的弱小目标检测算法.首先通过研究分数阶积分理论,分析分数阶积分非线性、尖锐的低通频率特性,结合分数阶积分和警戒环技术来抑制背景;然后依据目标和背景边缘的空间特征,采用模板均差法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联,从而检测出真实目标.实验结果表明,该算法能有效抑制背景,提高信噪比,进而有效检测出弱小目标.     

基于小波和形态学的自然地面背景红外目标检测方法

本文采用小波变换和形态Top-Hat滤波相结合的方法抑制红外图像的混合噪声及大面积的背景干扰,减少图像模糊和增强目标;通过选择适当的结构元素进行系列形态组合运算,去掉虚警点而获得少量候选目标;搜索局部极大值并确定阈值,分离出真正的目标.实验结果表明,该方法能有效检测和分割出低信噪比复杂自然背景红外图像中的目标.     

复杂背景下红外图像弱小点目标自动识别仿真

传统识别方法受到低信噪比、低对比度、缺乏弱小点目标的形状及纹理信息等因素影响,尤其在复杂背景下,弱小点目标自动识别准确率较低,针对此问题,提出一种基于BEMD(二维经验模态分解算法)的红外图像弱小点目标自动识别方法,根据待识别图像的频谱特性,并结合分频段处理方式。对比了不同滤波器的性能,并建立了图像滤波器组,采用滤波器组将弱小点目标图像分解到不同子频域中;对子频段图像进行罗宾逊滤波处理,提取弱小点目标。采用多层经验模态分解算法对原始弱小点目标图像输入函数分解为二维本征模态函数,通过微分计算来获取原始图像与背景区域之间的差,分割出弱小点目标区域。通过局部逆熵分割弱小点目标区域的高频信息来获取各个模态函数的弱小点目标识别结果。实验结果表明,所提方法能够高效且准确地提取出弱小点目标,更好地抑制复杂背景。