天空背景红外图像序列弱小目标检测算法研究

在天空背景的红外图像序列中检测低信噪比的弱小目标时,单纯的传统算法在不同程度上存在预处理过程复杂、特征设计困难、控制参数难以确定、检测准确率低等问题.通过引入深度学习技术,提出一种结合算法,可以显著提高算法的检测效果.在红外图像序列中,首先在起始帧中利用基于YOLOv3的时空特征提取网络高准确率地检测运动目标,再在后续...     

基于多特征融合的红外弱小目标检测

为解决红外弱小目标检测领域中基于单类先验知识的人类视觉系统检测方法检测准确率低、虚警率高以及显著图计算复杂等问题,提出一种在复杂背景条件下对红外弱小目标多种特性进行融合处理的检测方法。通过融合红外弱小目标的局部灰度值大、自身灰度信息符合二维高斯分布以及与邻域相似度低的三大特性,利用协方差检测和相似度对比计算得到显著图,对显著图进行简单阈值分割得到真实目标。对不同复杂背景和不同数据类型的红外源图像进行弱小目标检测实验,结果表明:与基线算法相比本文所提算法检测结果背景抑制因子和信杂比增益均提高2~3倍,交并比为HVS类方法最优,ROC曲线在较低虚警率时获得最高检测准确率。本文方法将红外源图像中弱小目标多个特性进行有效融合,提高检测精度的同时降低了显著图计算复杂度,在不同复杂背景和杂波干扰的情况下仍能取得较好的目标定位和背景抑制效果。     

基于贝叶斯估计的红外弱小目标检测算法

提出一种基于贝叶斯估计的红外弱小目标检测算法,提高对信噪比极低且进行大机动运动的弱小目标的检测能力.算法的鲁棒性、稳定性、适应性很强.与传统粒子滤波算法相比,该方法能够检测到信噪比更低的运动目标.进行大量的实测实验,结果表明,该算法与其他先进算法相比,在目标信噪比较高的条件下,检测率及虚警率均令人满意.随着目标信噪比逐...     

基于时空域及高阶矩的红外弱目标检测算法

在军事侦察中,部署了大量的光电侦察设备,搜集了众多视频信息.随着科技的进步,探测器阵列增加,数据量越来越庞大.若无法实现视频的自动分析,人工作业,很难充分分析海量的视频数据.因此,迫切需要研究快速、自动和鲁棒方法以检测感兴趣目标.提出一种新的红外小目标检测方法,通过时空域分析、高阶矩异常检测,在视频中提取弱小目标.对图...     

基于局部积加权对比的红外弱小目标检测

针对复杂背景下因像素点噪声及高亮边缘干扰导致的对红外弱小目标检测率低、虚警率高的问题,提出一种基于局部积加权对比的红外弱小目标检测算法.首先,分别计算目标区域与背景区域均值,并得到目标与局部背景的差异性;提出一种局部积加权方法,极大增强了小目标的显著性与抑制背景杂波的能力;其次,采用多尺度算法增强算法的自适应能力;最后...     

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。     

特征一致红外弱小目标匹配与定位研究

应用基于双目立体视觉原理的自动目标定位系统,研究特征一致的红外弱小目标且目标数量不唯一的情况下的,目标匹配与定位。提出了基于时间序列分割-极线约束的匹配算法。时间序列分割,形成若干帧段,对每个帧段目标单独处理,缩小匹配范围。同个帧段内,利用极线约束条件,即从目标空间分布角度匹配。初步解决系统无法在毫秒量级同步,以及同一帧图像出现多个目标造成的难点。对现场实际采集图像序列的15个目标进行时间序列分割匹配,对外场模拟实验同帧5个目标进行基于极线约束匹配。实验结果证明,算法提高了多个红外弱小目标匹配的准确率。     

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。     

基于场景运动分析的弱小目标形态学检测方法

本文提出一种基于场景运动分析的弱小运动目标形态学检测方法:首先利用场景运动分析校正序列图像,应用本文提出的结构元进行Top-Hat形态学滤波以抑制背景杂波,将滤波图像进行二值化和差分处理以提取可疑目标并抑制虚警,使用点-航迹关联法最终捕获目标.外场试验表明,同传统的形态学检测方法相比,可有效抑制航拍图像中的地物干扰,降低虚假目标数量.     

基于新特征算子的复杂背景红外弱目标检测算法

针对复杂杂波背景下红外弱小目标检测困难的现状,提出一种基于新特征算子的复杂背景红外弱目标检测算法,显著提升了机载红外目标搜索及跟踪系统中弱小目标的检测概率.首先,通过背景的优化最小二乘图像匹配算法及差分滤波,滤掉大部分杂波背景.然后,在结果图像上进行新特征检测判断是否存在目标.最后,在序列图像上采用动态规划方式提取目标...     

目标红外辐射特性计算

文中综合考虑各种因素，计算出目标的温度场分布，并结合大气传输模型，建立目标的红外理论模型，实现红外辐射特性的计算。     

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。     

弱小运动目标空时增强检测的仿真研究

提出了一种序列图像中弱小运动目标空时增强检测技术并进行了计算机仿真研究.目标被假设为在单帧图像上具有一定尺寸,利用二维空域模板对目标能量进行增强并作二值化处理.根据目标最大速度条件,在二值化后的图像序列中搜索可能目标轨迹,并与预定义的轨迹表(track table)进行匹配从而获得检测结果.该技术最大的优势在于同时在空域和时域对目标作增强处理,大大改善了信噪比,十分有利于实时实现.理论分析和大量仿真实验表明该技术在5帧图像集成时能稳定检测SCNR=2dB、大小超过3×3的弱小运动目标.     

基于Efficientnet的红外目标检测算法

针对复杂场景下红外目标检测存在准确率低、召回率低的问题,为了提高红外图像中的小目标以及被遮挡目标的检测识别能力,提出基于Efficientnet的红外目标检测算法。首先,将高效轻量的Efficientnet作为模型的特征提取主干网,降低模型的参数量,提升训练速度。在Efficientnet主干网的最后一个输出层引入SPP模块,丰富特征图的表达能力,进行多尺度融合,扩大特征图的感受野;在模型特征融合部分,使用FPN特征金字塔网络,特征融合后增加CSPNet模块和ECA注意力机制,加强特征提取。检测部分使用YOLO Head,对目标进行分类和回归,并用CIoU Loss作为边界框回归损失函数,提高对被遮挡目标的识别能力。实验结果表明,基于Efficientnet的模型大小仅为YOLOv3的188%,并且在FLIR数据集上mAP达到8074%,相比于YOLOv3算法提高1012%,该模型在减少模型参数量的同时,提升了检测精度。该模型在FLIR数据集上具有良好的泛化能力,提高了对小目标和遮挡目标的检测能力。     

弱小信号雷达目标的信噪比分析及提高方法

对付弱小信号的雷达目标,如何提高信噪比(SNR)是信号处理的主要工作,也是成功检测目标的重要保障。本文通过对信号处理系统的仿真,分析信号处理对弱小信号目标回波的信噪比改善以及各环节的信噪比损失情况。     

基于改进YOLOv3的电力设备红外目标检测模型

红外图像检测技术因具有非接触、快速等优点,被广泛应用于电力设备的监测与诊断中,而对设备快速精确地检测定位是实现自动检测与诊断的前提.与普通目标的可见光图像相比,电力设备的红外图像可能存在背景复杂、对比度低、目标特征相近、长宽比偏大等特征,采用原始的YOLOv3模型难以精确定位到目标.针对此问题,该文对YOLOv3模型进...     

基于非下采样 Contourlet 变换耦合特征选择 机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

基于改进YOLOv5n的电力巡检红外图像目标检测算法

热红外图像检测技术在电力巡检中有着非接触、快速等优点,广泛应用于电力设备的监测与诊断,电力巡检红外图像目标检测可以达到快速识别设备发热故障、图像实时处理和降低人工成本的效果。为了保障输电线路的安全与稳定,实时检测输电线路绝缘子与T型线夹的发热故障。本文结合热红外图像的特点,基于YOLOv5n算法改进了网络模型：在原模型中引入Squeeze-and-Excitation注意力机制并且将普通卷积替换为space-to-depth卷积。改进的算法在自制的红外数据集上进行了模型训练与测试,并与其他几个主流的目标检测模型进行了对比评估,结果表明：改进后的模型在对绝缘子和T型线夹的检测精度上分别提升了6.8%和6.3%,且在精度、速度和模型大小上对比YOLOv3-spp和YOLOv3-tiny等模型更具优势,更适用于无人机红外图像下的绝缘子、T型线夹的发热故障识别。     

基于红外图像目标检测与温度特征提取的变压器套管发热缺陷识别

针对变压器套管发热缺陷人工检测方法效率低下的问题,设计基于红外图像目标检测与温度特征提取的变压器套管发热缺陷诊断系统,以实现发热缺陷的自动诊断。首先,采用YOLOX目标检测模型对红外图像中不同电压等级套管进行分类识别,使用结合Mish激活函数的快速空间金字塔池化(spatial pyramid pooling-fast, SPPF)结构替换主干特征提取网络的空间金字塔池化(spatial pyramid pooling, SPP)结构,并在特征融合网络中添加高效通道注意力(efficient channel attention, ECA)模块以提高检测准确率;其次,设定所检测套管电压等级类别,根据预测框信息对同电压等级套管进行定位裁剪;最后对套管图像做加权均值法灰度化处理并进行区域划分,提取不同区域温度特征信息进行发热缺陷诊断,并以报表形式展示。实验结果表明：目标检测模型识别准确率达到98.41%,模型对图像的平均检测速度达到46.80帧/s,所设计系统能准确诊断出变压器套管发热缺陷,提高缺陷检测效率。