基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题，提出一种基于时空域融合的检测方法。在空域上．通过灰度形态学Tophat变换抑制背景、增强目标；在时域上．对红外图像序列连续四帧进行沿时间轴一维小波变换，实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明。该方法能有效地检测运动红外弱小目标。     

基于图像行相关空中目标实时检测算法

针对复杂背景中弱小目标的侦测问题,提出一种弱小目标去背景检测的新方法。通过对图像做灰度反转,根据图像相邻行之间的相关性做去除背景的预处理,并计算图像中灰度值最大的像素点,得到目标的位置坐标,并对实拍的空中弱小目标视频图像进行实验验证。实拍的视频图像证明：该方法可对弱小目标进行检测,且检测速度快、抗噪声干扰性能强。     

滑动置信度约束的红外弱小目标跟踪算法研究

为了提高红外视频弱小目标的跟踪精度,提出了滑动置信度约束的弱小目标跟踪方法。在快速自适应中值滤波的红外图像背景抑制技术的基础上,设计了正交变换和置信域约束的轨迹预测,利用加权参数增强目标函数的收敛性能,提高下一位置初的预测准确度;通过轨迹相邻点的位置差计算搜索窗口的大小,搜索与之相匹配的特征点进行关联处理,完成对初预测点的筛选;以滑动轨迹置信度检验为准则判决轨迹的真实性,并进行目标轨迹更新以实现对弱小目标的准确跟踪。通过红外弱小目标视频对所提算法进行了实验验证,结果表明,该算法对红外弱小目标的跟踪轨迹误差有较小的均方偏差与均方差,在噪声消除和对图像整体信息保护方面都具有良好的性能。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

一种改进的运动目标检测算法

提出一种改进的运动目标检测算法，首先将视频序列中的一整幅画面进行分割，对分割产生的每块图像进行连续检测，一旦检测到有变化，即提取运动目标。接着将连续2帧差图像和背景差图像直接相乘，再将相乘的结果进行二值化处理得到运动检测结果，从而将运动目标从背景图像中分离出来，最终得到视频序列图像中运动存在与否的一个二值运动模板，由此提高运动目标检测的效果。     

一种融合光流的分通道帧差目标检测方法

针对目前方法在复杂环境下很难有效检测出运动目标的问题,提出了融合光流的分通道帧差目标检测方法。首先通过降噪和平滑预处理工作增强有效信息,然后使用实时分通道图像差分精确检测运动目标,最终融合光流检测信息,以运动信息修正检测误差,很好的逼近真实目标。在检测算法中使用数学形态学方法去除噪声和斑点以提高检测效果。实验结果证明,该算法能对运动目标快速而准确的检测。     

基于局部窗口的红外弱小目标检测方法

在分析红外图像中弱小目标检测方法的基础上,提出了一种基于局部窗口检测红外弱小目标的新方法。该方法利用图像的局部信息预测背景,直接根据当前像素点与背景像素点的灰度差及固定的分隔阀值检测目标,可以在低信噪比、强度变化剧烈的图像中获得较高的检测率与较低的虚警率。实验结果表明了该算法的有效性。     

基于红外目标局部灰度特性分析的管道滤波方法

提出了一种新的管道滤波方法并将其应用于红外图像序列中弱小运动目标检测。首先采用局部灰度特征分析的方法对图像序列的一帧进行逐点检测,检出候选目标;然后对每个候选目标建立管道,利用局部灰度特征的分析方法判断后续帧的管道区域内是否仍然存在目标,保留仍然存在目标特征的管道,清除不具备目标特征的管道。该方法不需要对每一帧图像都进行复杂的管道建立、维持、消除等操作,具有丢失目标后快速重新捕获能力。实测红外图像序列的实验结果证明了所提方法的有效性和抗干扰能力。     

一种基于显著性的红外弱小目标检测方法

红外弱小目标检测是目标识别等领域的研究热点。考虑到红外弱小图像中目标信噪比较低,且成像目标的尺度变化较大,构建一种同时考虑局部显著性特征和全局显著性特征的红外弱小目标检测框架。构建一种基于多尺度卷积核的显著性目标检测算法,将该算法与谱残差算法分别进行显著图计算;在得到局部和全局显著图后,采用形态学方法进行显著图的融合以及自适应阈值方法进行二值分割。在给定的公开数据集上的实验结果表明,该方法相对于基准的显著性算法,在目标检测的准确性和虚警率上均有明显优势。     

一种用于微弱目标检测的帧间移位累加方法

提出一种用于微弱目标检测的距离-多普勒域帧间移位累加方法,即针对相对于雷达作径向匀速直线运动的目标,利用雷达回波数据的多普勒信息,预测目标的速度及其位置变化,并通过多帧信号的移位累加来提高信噪比,从而有效地检测弱小目标。该方法充分利用了目标信号帧间相关而噪声点帧间不相关的特点,能有效地降低虚警概率及漏警概率,提高对弱小目标的检测性能。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

基于时空域融合滤波的红外小目标实时检测算法及其多C64x的设计与实现

针对红外图像序列中的小目标实时检测问题。文中提出一种基于时空域融合滤波的小目标检测算法。首先介绍了时空域融合滤波检测算法的基本原理，然后根据算法的特点提出了它在多TMS320C6416上的并行流水线实现方法，最后给出并分析了算法软件仿真结果和硬件平台设计。实验结果表明该方法可以快速可靠地检测出低信噪比红外图像序列中的小目标，从而有效地验证了本系统的实时性及适用性。     

基于星敏感器原理的空间微弱小目标自动识别

复杂星空背景下,无特定标识的微弱小目标经常会阻碍航天器的飞行任务;由于目标成像尺寸小、发光特点与星点类似,无法通过常规目标识别手段进行辨识;针对该问题,利用星敏感器绝对测量的优势,提出基于星敏感器原理的空间微弱小目标识别方法;该方法利用鲁棒性较好的网格算法识别采集星图上的大部分恒星,将漏星和目标标记出来,再利用角距法加以区别,实现目标识别;通过实验仿真,完成了对含微弱小目标的具体星图的星点及目标识别,并针对过程中出现的参考星和返回目标结果的选择标准问题进行了讨论分析,验证了基于星敏感器原理的空间微弱小目标识别方法的可行性。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明：在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。     

多传感器滤波跟踪型数据融合算法研究

针对非线性观测的目标跟踪问题，对滤波跟踪型数据融合进行了研究，提出了基于去偏转换测量值卡尔曼滤波算法的非线性系统中的数据融合算法．从仿真结果可以看出，集中式融合算法和分布式融合算法的差别并不大，结果基本相同．因此，在非线性系统中，基于去偏转换测量值卡尔曼滤波算法的分布式融合算法可以重构集中式融合算法．     

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制

针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。     

基于形态学与灰度模态分析的阴影去除方法

针对采集图像中物体附近可能会形成阴影而造成干扰的问题,提出一种利用形态学修复方法和经验模态分解（empirical mode decomposition,EMD）技术实现阴影去除与目标图像的准确提取的方法。采用背景差分和二值图像形态学修复方法检测出含有目标及其阴影的区域,利用经验模态分解方法对该检测区域的灰度直方图曲线进行处理,获取灰度模式变化信息,将搜寻到关于目标及其阴影分割的双阈值水平,结合到形态学修复以实现阴影区域的去除,并以汽车及行人图像处理的实验进行验证。实验结果证明：图像中的目标阴影得到有效去除,该方法具有良好的适应性,能够获得准确的目标检测效果。