基于最小一乘背景预测的红外小目标检测算法

本文提出了一种基于最小一乘背景预测的红外小目标检测算法.首先在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,应用线性规划的方法解决最小一乘估计中极值的选取问题;然后将原始图像与预测图像相减得到预测残差图像;最后利用基于二维指数熵的图像阚值选取快速算法进行分割.文中给出了实验结果与分析,并与基于最小二乘背景预测的检测算法作了比较.实验结果表明,本文提出的算法具有更高的检测概率,优于基于最小二乘背景预测的检测算法.     

红外弱小目标检测背景抑制算法研究

复杂背景下红外小目标识别一直是红外图像处理的关键技术之一,针对复杂云背景下红外弱小目标的时域和空域特征,考虑到易于硬件实现和实时性要求,提出基于快速统计排序滤波和Robinson Guard滤波并行快速处理算法,对复杂背景进行高信噪比抑制。实验证明,该方法能够有效地提高红外弱小目标图像信噪比和复杂背景下的小目标的检测概率。     

一种红外图像序列弱小目标的检测方法

针对低信噪比条件下红外弱小目标的相关检测算法存在的局限性,本文提出组合式相关检测算法.基于DBT的相关检测算法运算量小但检测性能较差,而基于TBD的相关检测算法检测性能较高但计算复杂.根据对两者优缺点的分析,采用将两种算法级联的方法,首先使用基于TBD的相关检测算法形成一个过渡帧,再以此为基础使用基于DBT的相关检测算法进行进一步检测.算法性能分析和实验结果均表明,低信噪比条件下该算法具有较高的检测性能并且计算量较低.     

基于模糊融合的红外弱小目标快速检测算法

提出了一种基于模糊融合的红外弱小目标快速检测新算法。算法以差分图像为基础,根据差分图像的噪声特性引入衡量像素点灰度变化程度的隶属度函数,将经过隶属度函数“模糊化”的数帧差分图像进行模糊“与”操作实现融合,按照规则对融合后的图像进行两次模糊推理,实现了弱小目标的检测。仿真实验结果表明,该算法保留了差分法良好的实时性,克服了确定检测阈值难和“硬”判决带来检测概率低的缺点,能快速有效地检测出低信噪比红外图像序列中的像素个数不小于4的弱小运动目标。     

基于背景分类的弱小目标检测算法

为了降低复杂背景对弱小目标探测的影响,本文提出了一种基于背景分类的弱小目标检测算法.背景分类的依据是背景的复杂度,本文用熵运算估计背景的复杂程度,同时为了简化算法,采用多分辨率的小波变换.再用模糊数学中的隶属度函数映射到模糊特征平面,作为背景因子图像.接着对背景因子图像进行最大熵阈值分割,将复杂的地面背景与平坦的天空背...     

基于紧密度FSVM新算法及在故障检测中的应用

针对传统的模糊支持向量机(FSVM)算法对边缘噪声敏感的不足,提出一种基于非线性紧密度和K最近邻方法(KNN)相结合的FSVM算法.该方法在计算样本隶属度大小时既考虑样本与类中心的距离,类中样本的紧密度,同时还考虑与其他类样本问的关系,其中紧密度的计算采用非线性数据分布描述方法进而使计算的隶属度更精确.实验结果同传统FSVM及其他改进的FSVM算法进行比较,对于国际标准测试数据及轴承故障检测问题,结果验证了建议算法具有很强的鲁棒性及高效的检测性能.     

基于奇异值分解的红外弱小目标检测

鉴于传统的基于单幅图像奇异值分解红外弱小目标检测算法的不足,提出了一种新的基于图像序列奇异值分解的红外弱小目标检测算法.首先,利用图像序列构造图像矩阵并进行奇异值分解,得到对应的特征值与特征向量;其次,利用处理后的特征值和特征向量重构图像序列,得到新的特征图像序列;再次,在特征图像序列中选取合适的特征图像进行处理从而增强目标并抑制背景;然后,对新特征图像进行阈值分割,得到要检测的弱小目标;最后,对序列中的每幅图像分别进行帧间位置修正与帧内位置修正,以达到检测红外弱小目标的目的.实验结果表明该算法具有很好的鲁棒性与实时性.     

基于自适应梯度倒数滤波红外弱小目标场景背景抑制

由于红外弱小目标尺度小、能量弱,所以抑制背景以增强目标使后期检测跟踪性能得到保障是关键的目标检测技术环节.为了提高梯度倒数滤波算法对杂波纹理的抑制能力,减少差分图像中残留纹理对目标的干扰,本文提出了自适应梯度倒数滤波算法(AGRF).AGRF算法通过分析背景区域、杂波边缘纹理、目标的分布特性和统计数字特征来确定邻域像素...     

复杂背景下弱小目标检测方法综述

基于图像信息的自动目标检测,在军事及工业领域有着广泛的应用前景.当成像系统和目标的相对位置较远时,目标在图像平面上表现为点状或不稳定斑点状,占有的像素少,信噪比低,在复杂背景下,目标基本上被噪声所淹没,检测比较困难.对这样的弱小目标的检测一直是运动目标探测中一个亟待研究与解决的问题,国内外学者进行了大量的研究.本文对一些典型的检测方法如序贯假设检测法、基于遗传算法的点目标检测与跟踪算法和基于图像对称差分运算的小目标检测方法等进行了分析和研究,阐明了各方法的基本思想、适用范围和优缺点,给出了相应的一些计算公式.最后指出了当前弱小目标检测算法的发展趋势.     

用高阶累积量投影法检测红外弱小目标

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法.红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测.推导出了目标和噪声在二维投影空间中的分布公式.通过与相关算法对比分析,该算法计算量小,检测率随目标信噪比增长较快.利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性.     

一种新的空时域滤波小目标检测方法

为了提高红外图像序列中弱小目标的信噪比和检测概率,同时考虑检测算法实时性,提出了一种新的基于空时域滤波的小目标检测方法.首先,以第一帧图像为参考帧,对各帧图像进行运动补偿;然后,对运动补偿后的各帧图像在空域进行方差加权信息熵滤波,对空域滤波后图像采取双向隔帧差分的时域滤波;最后通过检测差分图像中的"凸包",抑制背景和噪声,检测小目标.文中给出了实验结果与分析,并与其他方法作了比较.实验结果表明,上述方法能大幅度的提高目标的信噪比,检测小目标,且实时性好.     

基于实时帧间处理算法的爆点目标检测

探讨了在野外实时图像监测中,如何能够准确地检测出突然出现在地平线附近的爆点目标这一问题.提出了一种基于帧间实时差分处理的新的系统图像处理算法.该算法采用帧间差分,对多项图像处理操作进行算法整合,在两帧图像采集期间完成处理任务.此外,算法中为排除野外环境的干扰,提出了依据时空相关性检测的帧间多级差分方法.该方法的特点是能够排除空旷无人地区各种自然因素的干扰,且处理速度快.实验表明了该方法的实时性和有效性.     

基于形态学算法的红外图像小目标检测方法研究

研究了单帧红外图像小目标的检测问题.对传统基于数学形态学的Top-hat算子进行分析和实验,发现依靠单独的Top-hat算子并不能准确地检测出目标,文章在Top-hat算子的基础上,利用一种分块自适应阈值和小范围内目标检测的方法进行目标检测,通过MATLAB仿真发现,这种方法能够在一定程度上提高单帧图像目标检测的成功率.通过在两个不同的场景中的实验结果分析,发现这种方法不仅适应于单一环境,在实际应用中具有一定的鲁棒性.     

基于背景杂波自适应预测的微小目标检测

本文主要研究基于图像的强空域杂波背景下微小目标检测.本文提出了一种新的基于邻域梯度差平方累积函数最小原则的背景杂波自适应预测算法.该算法能显著改善微小目标的信杂比(SCNR).试验证明,本算法相对于已有的多种算法,有着更好的性能.本文还引入了一种基于统计分析的快速检测算法,该算法能在较低的虚警概率情况下,获得更高的检测概率.理论分析及仿真表明,本文提出的检测系统在微小目标检测中,具有很高的实用性.     

基于小目标孤立度的小目标检测算法

针对在红外图像序列中检测小目标的问题,本文提出了一种新型的单帧检测算法,该算法包括了两个部分:基于小目标孤立度的背景抑制和一种基于目标信杂比的自适应阈值分割.其中,小目标孤立度为本文提出的一种衡量像素属于待检测小目标的量度,与传统方法中把小目标视作图像中高频或者局部突出的思想不同,该量度着重考察目标的"孤立"的特性.实验结果显示,该算法的背景抑制效果明显,尤其对运用传统算法容易发生抑制不充分的建筑物边缘的有很好的抑制能力,与自适应阈值算法结合后的单帧目标检测也取得了满意的检测效果.     

基于自适应背景模型的运动目标检测

针对运动目标检测中背景模型的提取和更新,本文首先提出了基于改进K-均值聚类算法的背景提取方法.该方法给出了动态三元组(DTDG)的概念,并且对每个像素用3个动态三元组进行建模,实现了原始背景的提取.其次,提出了一种新颖的自适应背景建模方法.对每个像素维护一个新的动态三元组,根据像素的动态变化信息决定更新策略,实现了背景的自动更新,可以适应光照的突变、缓变和场景本身的变化.实验验证了该方法的有效性.