空基红外小目标检测与跟踪系统

近些年,红外成像技术快速发展,红外图像具有背景复杂、信杂比低、目标尺寸小等特点,为多运动目标的实时检测跟踪带来了挑战。该空基红外小目标检测与跟踪系统的构建包含三个部分：数据集制作、小目标检测和多目标跟踪。首先使用条件对抗生成网络和图像融合算法生成的仿真数据与真实数据相结合,搭建了红外小目标数据集;其次,小目标检测方面,采用了基于YOLOv3-tiny检测器进行红外小目标检测;多目标跟踪方面,采用了基于卡尔曼滤波算法和匈牙利算法的多目标跟踪方法;最终,在满足实时性的要求下,系统取得了较好的效果。     

基于NSCT的红外图像小目标检测技术

红外图像小目标检测是精确制导武器的关键技术之一。将小波或Contourlet多尺度分析用于红外小目标检测具有一定的局限性。无下采样Contourlet变换（NSCT）是基于Contourlet变换的一种扩展,可以对图像进行灵活的多尺度、多方向和平移不变性分解。提出了一种基于NSCT的红外小目标检测算法。该算法首先对图像进行NSCT变换;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量间的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现红外小目标的检测。与基于小波变换的红外小目标检测算法进行了比较。实验结果表明,该算法能较精确地检测出红外小目标,优于基于小波变换的方法。     

红外弱小目标检测算法综述

红外探测技术具有不受环境等因素干扰的优势,在红外制导、预警等军事领域的应用日益广泛。随着对红外弱小目标检测技术的研究越来越深入,相应的检测方法越来越多样。本文通过对红外弱小目标图像中目标与背景的特性以及红外弱小目标检测技术难点问题进行分析,根据当前是否利用帧间相关信息,分别从基于单帧红外图像和基于红外序列两个角度,选取了相应的红外弱小目标算法进行对比,对其中典型算法的原理、流程以及特点等进行了详细综述,并对每类检测算法的性能进行了比较。针对红外弱小目标图像信噪比低的特点,对红外弱小目标检测算法的难点问题进行分析,给出了目前各种算法的解决方法和不足,探讨红外弱小目标检测算法的发展方向,即研究计算量小、性能优、鲁棒性强、实时性好和便于硬件实现的算法。     

基于分层阈值化的红外弱小目标检测算法

针对红外小目标视频图像信噪比低,小目标没有固定的大小形状等特性,提出了一种基于分层阈值化的红外小目标检测技术.对每一个连通域的形状、大小、边缘特性等进行评估,删除伪目标.对于一些固有的背景干扰,则利用先跟踪后检测的方法去除干扰.实验表明该算法具有良好的适应性,对于低信噪比的图片仍然具有良好的效果.     

红外运动小目标检测的小面拟合算法

针对红外图像序列中运动小目标,提出一种基于预测的小面拟合目标检测算法。首先根据图像序列中目标运动的连续性及方向性,采用二阶自回归模型预测目标的搜索窗口。然后根据天空背景红外图像中小目标灰度高于背景的特征,利用小面拟合模型对搜索窗口的局部区域作灰度曲面拟合,提取搜索窗口内灰度极值点作为目标,提出了相应的目标检测算子。对红外图像序列的实验表明,该算法可有效检测天空背景下红外运动小目标,算法的实时性和抗干扰能力优于传统的目标检测方法。     

一种基于数学形态学的小目标检测方法

提出一种基于数学形态学的远距离红外小目标自动检测的新方法，构造了由几种形态学运算组成的非线性算子。结合刚性小平面的三维分析技术，可快速检测红外图像序列中静止或运动的小目标。经实验证明，与传统的小目标检测算法相比，该方法具有速度快，抗噪性好等方面的优越性。     

红外弱小目标预处理及检测方法研究

本文针对红外弱小目标检测问题，通过分析研究多种红外小目标检测的预处理方法。提出了一种能有效检测出低信噪比条件下运动小目标的算法，并给出了相应的实验结果。     

小样本红外图像的样本扩增与目标检测算法

深度卷积神经网络模型在很多公开的可见光目标检测数据集上表现优异, 但是在红外目标检测领域, 目标 样本稀缺一直是制约检测识别精度的难题. 针对该问题, 本文提出了一种小样本红外图像的样本扩增与目标检测算 法. 采用基于注意力机制的生成对抗网络进行红外样本扩增, 生成一系列保留原始可见光图像关键区域的红外连 续图像, 并且使用空间注意力机制等方法进一步提升YOLOv3目标检测算法的识别精度. 在Grayscale-Thermal与 OSU Color-Thermal红外–可见光数据集上的实验结果表明, 本文算法使用的红外样本扩增技术有效提升了深度网 络模型对红外目标检测的精度, 与原始YOLOv3算法相比, 本文算法最高可提升近20%的平均精确率(mean average precision, mAP).     

红外序列图像的小目标检测

在红外序列图像中识别规则变化小目标时,传统Top-hat算法是常用的目标检测方法,但是可能会检测到很多虚假目标,而且目标发生变化时不能稳定检测。为了准确检测目标,提出一种红外序列图像中规则变化的小目标检测方法。首先对序列图像利用SIFT算法提取特征点,然后利用RANSAC算法进行特征匹配,拼接形成全景图像,结合对单帧图像利用改进的Top-hat算法进行小目标检测,并且标记,最后根据标记的统计结果得到真实目标位置。     

基于深度学习的红外目标检测方法

由于背景的复杂性和小目标的多样性,红外小目标已经成为一个挑战;为了解决这个问题,与传统方法不同的是,提出一种基于密度-距离的最新检测方法;首先,对红外图像参数计算引信上的传感器以设置目标检测方法的边界限制;其次,提出了基于密度-距离空间的候选目标检测方法;最后,自适应像素生长(APG)算法用于抑制杂波,从而检测出实际的目标;利用真实红外图像数据库进行了仿真验证,仿真和硬件在环实验实施以验证该方法的有效性;结果表明,红外图像引信上的传感器在弹丸旋转时具有稳定的视场,可以清楚地看到观察红外小目标;该方法具有较好的抗噪性,不同大小的目标检测、多目标检测和各种杂波抑制能力;实验结果表明,该方法对多种不同场景中的信噪比较低的目标具有良好的检测效果,平均检测概率达84%以上。     

基于小波滤波背景预测的红外弱小目标检测方法

红外弱小目标检测是红外图像研究领域的热点与难点。有效地从背景中检测出弱小目标对于后续的跟踪、识别工作具有十分重要的意义。针对现有检测方法的不足,提出了一种基于小波滤波背景预测的红外弱小目标检测方法。该方法利用小波滤波去噪的优良特性将目标作为噪声滤除,然后构建近似的前景分布图与背景分布图,最后基于连通体筛选与对比度门限完成弱小目标的提取。采用实测光电图像对该方法进行了验证,结果表明,提出的方法能够有效抑制噪声,完成背景预测以及红外弱小目标的检测。     

Adaptive top-hat filter based on quantum genetic algorithm for infrared small target detection

With the development of infrared technology, infrared small targets detection has attracted great interest of researchers. Top-hat filter is one of widely used methods for detecting infrared small target, and the structure elements have great influence on the performance of detection. The structure elements are desired to be adjusted adaptively. To this end, an adaptive structure elements optimization method based on quantum genetic algorithm (QGA) is introduced, and the convergence of QGA reveals the effectiveness of QGA. Experimental results show that the proposed adaptive top-hat filter based on QGA can achieve more stable infrared small target detection performance compared with the traditional top-hat filter.     

靶场红外测量图像弱信号小目标检测系统的设计与实现

分析了红外图像中小目标、噪声以及背景的特点,考虑到单帧图像处理不能兼顾对目标的可靠检测和低的虚警概率,而现有的多帧检测算法计算量大,难以实时实现,采用了将单帧和多帧检测有机结合的小目标检测技术.首先采用基于高阶统计量的目标检测算法,从单帧强噪声图像中检测出虚警率低的候选目标点;然后针对小目标运动的一致性和连续性,采用多帧高阶互相关的序列图像处理方法,得到目标运动轨迹;最后再对目标运动轨迹进行综合评判,进行航迹确认,得到真实目标的位置和轨迹.实验结果表明,该技术降低了虚警概率,提高了检测概率.     

基于形态学Top-hat滤波的红外小目标检测

为了满足红外小目标检测任务实时性高的要求,提出了基于FPGA硬件平台设计小目标检测系统的方法;采用模块化的设计思想并充分发挥FPGA并行运算的能力,利用Altera公司DSP Builder工具,按照Top-hat形态学滤波、阈值分割和质心提取的流程实现硬件算法模块;硬件仿真结果表明,该设计可以快速、可靠地检测出动态红外小目标,并具有一定的抗干扰能力,为高速小目标检测系统的研发提供了一种可行的方案。     

Facet方向导数特征与稀疏表示相结合的红外弱小目标检测算法

目的 红外弱小目标检测是红外图像处理领域中难度大且实际意义相当重要的一项研究热点问题,其在侦察预警系统、飞行器跟踪系统与导弹制导系统中都扮演了十分重要的角色。自然背景下的红外图像一般具有较低信噪比,其中背景占据着绝大部分面积,而目标尺寸很小且不具有明显形状和纹理信息,这为红外图像中弱小目标的检测增加了难度。本文提出一种将Facet方向导数特征与稀疏表示相结合的红外弱小目标检测算法。方法 首先利用Facet模型提取原红外图像在0°、90°、45°和-45° 4个方向上的一阶导数特征,然后通过稀疏表示方法,在方向导数信息基础上对图像进行分块逐一处理,利用求解出的稀疏系数和导数图像块的重建残差构建检测数值图,最后分割出小目标所在具体位置。结果 通过对4组不同红外图像序列进行实验验证,绘制了检测率与虚警率ROC曲线图。从结果可以看出,本文算法相较于对比算法在小目标检测中具有较高检测率。结论 本文算法将Facet方向导数特征与稀疏表示相结合,在红外弱小目标检测上具有较高检测精度和较强抗噪声干扰能力,相比于传统检测算法具有一定优势,同时可根据不同检测背景训练出相应背景字典,从而得到较好检测效果,在实际工程应用中具有良好针对性。     

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。     

基于局部对比度背景估计的红外小目标检测方法

为缓解复杂背景对红外小目标检测任务的干扰,提出一种新的红外小目标检测方法.该方法将背景估计与局部对比度相结合,以提高算法的检测性能.提出了一种更适合于小目标检测的双层均值最大化背景估计算法,以获得更准确的基准背景值.在原始图像和估计背景之间提出了比差联合局部对比度度量方法,可以在增强目标的同时抑制各种类型的复杂背景.通...     

Analysis of new top-hat transformation and the application for infrared dim small target detection

To improve the performance of top-hat transformation for infrared dim small target detection in a simple and effective way, the definition, properties, multi-scale operations of new top-hat transformation and the application for infrared dim small target detection are addressed in this paper. The definition of new top-hat transformation uses two different but correlated structuring elements to reorganize the classical top-hat transformation, and takes into account of the difference information between the target and surrounding regions. Given this definition, the new top-hat transformation has some special properties and three types of multi-scale operations, which are discussed in detail. Subsequently, one application case of multi-scale operation for noise suppression is given. Good performance of the application for infrared dim small target detection is obtained, which could be ascribed to the proper selection of structuring elements based on the properties. The experimental results of the application demonstrate that new top-hat transformation can detect infrared dim small target more efficiently than classical top-hat transformation and some other widely used methods.