基于区域生长的目标检测方法

针对前视红外图像对比度低、背景干扰严重、不利于目标检测等问题,提出了一种基于区域生长的目标检测方法。首先,在形态学滤波机理的基础上,利用图像的整体纹理分布特点进行逐行扫描,选取有效的极大值点、极小值点,自适应确定结构元素的大小进行图像滤波。其次,在自动种子区域提取的基础上,通过生长条件的判决准则动态调整生长阈值,确定待检测目标。实验结果表明：该方法与NCC方法和OTSU方法相比,检测准确率提高了10%,精确度较高。     

基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

基于视觉注意机制的红外图像小目标检测方法

提出了适用于红外序列图像小目标检测的二步骤计算模型和算法.该算法处理的第一阶段通过对象的显著性计算,快速提取潜在目标的集合,在第二阶段对这个集合进行更为细致的识别,剔除伪目标,检测出真实目标.这种方法在没有牺牲其他性能指标的前提下,大幅度地改善了运算复杂度,为实现有限条件下系统的实时处理提供了基础.     

基于δ-LBP的红外目标检测方法

研究红外序列图像中目标检测方法,在对传统方法分析的基础上,提出了以LBP算法为基础的δ-LBP算法.该算法充分利用了LBP算子的平移不变性和旋转不变性,能在复杂的背景中快速检测到目标边缘,进而确定和跟踪目标.与几种传统算法比较,此检测方法在准确性和实时性方面都有所提高.     

基于区域对比的图像显著目标检测

针对具有杂乱背景图像的显著目标检测问题,提出了一种无需任何先验知识,通过分析计算区域平均显著值的对比度来提取显著目标的方法.根据显著图,计算出显著目标的最小边界框与其周围区域的显著性差异,且通过折半查找的方法加快搜索的收敛速度.结果表明,该算法能迅速检测出与人类视觉感知结果一致性较高的显著目标区域.     

一种基于局部特性的红外弱小目标检测方法

针对红外图像弱小目标检测程序复杂和虚警率高的问题,提出了一种基于局部特性检测红外弱小目标的方法.该方法主要根据待检测像素点局部灰度比、局部灰度差、局部能量比以及局部能量差值的大小进行目标检测,避免了传统方法需对红外图像进行背景预测、图像增强等处理,有效地改善了低信噪比下红外图像小目标的检测性能.通过仿真实验对该方法与2种传统方法进行了测试和对比,证明了该方法的有效性和优越性.     

基于目标检测和区域生长的断层图像自动分割

为了实现对序列断层图像的自动分割,提出了基于目标检测和区域生长的自动分割方法.基于待分割目标在相邻层上的相关图和相关度的定义,相关图用于表达目标在相邻断层之间的延续关系.采用目标检测算法计算出当前层上已分割图像和相关图中目标的形状参数,包括目标质心和最小外包矩形等,根据相关度为在相邻层上应用区域生长算法提供有效种子点.实验结果表明,该方法能达到序列断层图像自动分割的目的,而且其效率比基于体素的三维区域生长分割方法提高了近50%.     

k色图的连通性

研究和讨论了图的顶点着色问题中k色图的连通性,利用归纳与迭代的方法证明了对于任何k色连通图G,存在顶点V(G)的一个着色X1,X2,…,Xk,使得对该着色类中任意顶点集Xi所诱导出的Gk的子图Gk(Xi)都是连通的.从而证明了Chen,Schelp和Shreve关于k色图的连通性的一个推测.最后将所得的结论作了进一步推广.     

注意力机制的SAR图像车辆目标检测网络

在SAR图像车辆目标检测过程中,车辆轮廓定位不仅能够提供车辆位置信息,而且还能够为车辆状态分析提供依据,是SAR图像理解的关键步骤。但SAR图像中乘性斑点噪声会对轮廓定位造成干扰,增加车辆目标检测的难度。针对这一问题,提出了一种注意力机制的SAR图像像素级车辆目标检测网络。该网络由目标筛选、目标定位和轮廓细化三个模块构成。目标筛选在一个轻量级的特征提取网络中采用通道注意力和自注意力机制,在抑制噪声影响的同时对包含目标图像进行快速筛选,并提供稳定的定位热力图;目标定位利用掩码交叉注意力机制根据定位热力图优化粗尺度特征细化目标定位,并融入细尺度信息改善目标轮廓细节;轮廓细化通过轮廓点筛选消除上采样及噪声带来的轮廓不确定点获取准确的轮廓像素点置信度。对MSTAR数据集进行车辆像素级标注,建立SAR图像车辆数据集及大场景图像数据集用于网络测试。实验结果表明,该网络具有良好的像素级检测性能,可实现大场景SAR图像中车辆目标的快速精确检测。     

基于面形态学的靶场红外小目标检测方法

针对靶场红外测量图像处理中的弱小目标检测问题,提出一种基于面形态学的目标检测算法：利用面形态学层析原理,首先采用多阈值对图像二值化;其次在每一幅二值化图像内对连通域滤波,按最小面积准则去除连通域;最后通过累加重构二值化图像,计算目标质心,获得检测结果。试验结果表明,该方法在单帧情况下,可检测低信噪比的较大动态范围红外目标。     

基于形状模板匹配的前视红外目标检测方法

针对前视红外复杂地面固定目标无直接可用基准图、背景干扰严重、目标与背景灰度差异小、不利于目标识别等问题,提出了一种基于形状模板的目标识别方法.首先,在构建高斯多尺度空间的基础上,设计分层多阈值算法,检测感兴趣区域;其次,引入模糊集理论,提取形状特征,分离目标与背景;最后,用改进的Hausdorff距离算法进行精匹配,确定目标.实验结果表明,该算法匹配率与改进的Hausdorff距离算法相比提高了近20%,算法花费时间缩短了2/3;与Nprod算法相比匹配率提高了近30%,时间缩短了1/2,在密度为0.3的椒盐噪声下,匹配率仍能达到70%以上.对于复杂背景下的前视红外固定目标,该方法具有匹配率高、速度快、精度高等优点.     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

基于多结构元素灰度形态学的红外背景估计算法

背景估计技术是红外弱小目标检测中的关键技术.传统的形态学算法采用单一结构元素对红外图像进行处理,当背景存在强起伏时,残差图像存在大量的背景泄漏,导致大量虚假目标点的出现.该文在分析红外图像统计特征的基础上,提出了一种基于多结构元素灰度形态学的红外背景估计算法.采用实际红外图像进行了仿真实验,并与传统形态学算法的性能进行比较,结果表明该算法能够尽量保留图像细节,减小图像细节对背景估计的影响,大幅提升了图像的信噪比,提高目标单帧检测概率.算法易于实时并行处理,便于硬件实现.     

A Time-Frequency Associated MUSIC Algorithm Research on Human Target Detection by Through-Wall Radar

In this paper, a time-frequency associated multiple signal classification (MUSIC) algorithm which is suitable for through-wall detection is proposed. The technology of detecting human targets by through-wall radar can be used to monitor the status and the location information of human targets behind the wall. However, the detection is out of order when classical MUSIC algorithm is applied to estimate the direction of arrival. In order to solve the problem, a time-frequency associated MUSIC algorithm suitable for through-wall detection and based on S-band stepped frequency continuous wave (SFCW) radar is researched. By associating inverse fast Fourier transform (IFFT) algorithm with MUSIC algorithm, the power enhancement of the target signal is completed according to the distance calculation results in the time domain. Then convert the signal to the frequency domain for direction of arrival (DOA) estimation. The simulations of two-dimensional human target detection in free space and the processing of measured data are completed. By comparing the processing results of the two algorithms on the measured data, accuracy of DOA estimation of proposed algorithm is more than 75%, which is 50% higher than classical MUSIC algorithm. It is verified that the distance and angle of human target can be effectively detected via proposed algorithm.     

遗传算法优化结构元素的红外小目标检测方法

提出了一种基于遗传算法优化结构元素,从而对红外小目标进行检测的方法。数学形态学中结构元素选取的正确与否,决定着小目标检测的好坏。利用遗传算法可以在全局范围内搜索到最优值的特点,对结构元素进行优化选取,而无需根据先验知识来确定结构元素。实验表明,该方法不仅可以准确地检测出红外小目标,方法简单,而且自适应强,不用人为的干预,完全可以实现自动的对小目标进行检测.     

基于序列图像中运动小目标检测

根据序列胶片图像中运动目标帧间相关特性,提出一种弱小目标检测的方法。采用图像积累的方法,提高信噪比,去除图像背景;采用自适应门限进行阈值分割,得到二值化的图像;利用帧间目标相关的特性去掉噪声点,检测出目标点。实验结果表明,该方法能够有效地提取出低信噪比下序列图像中的微小运动目标。     

基于像素相关性的灰度图像上色算法

考虑到一幅图像的空间邻域像素在亮度及色彩上存在着极大的相关性,设计了一种新的搜索方法对灰度图像进行彩色化.首先在灰度图像中按照空间位置恒定步长递增的方式选取部分像素,并采取全局最优搜索参考样本对其上色,剩余像素的上色是通过局部最优搜索其邻域像素的方式实现的.本算法在得到较好图像上色品质的前提下,极大地加速了灰度图像的彩色化过程,保证了上色后图像颜色在空间上的连续性.为了避免通道耦合,灰度图像和参考彩色图像间的颜色传递在各通道相关性极小的lαβ颜色空间进行.     

Improved Ship Target Detection Accuracy in SAR Image Based on Modified CFAR Algorithm

基于修正CFAR算法的高精度SAR图像舰船目标检测

王勇,郭天骄

(哈尔滨工业大学 电子与信息工程学院,哈尔滨 150001)

创新点说明：

本文基于舰船目标实测数据SAR成像结果,提出一种新的二维SAR图像舰船目标检测算法,具体创新性可说明如下：

1）首先使用Otsu算法大致确定舰船目标的大小,进而自适应地确定CFAR滑动窗的尺寸,使算法更有普适性。

2）介绍了CFAR算法的改进形式,在提高运算速度的同时大大提升了检测效率。

3）所用的综合算法包含了形态学分割算法,解决了传统Otsu、CFAR算法不能处理多目标融合、角反射过强等问题,降低了漏警概率。

研究目的：

传统CFAR舰船检测算法效率低、无法根据图像分辨率和舰船目标大小来确定滑动窗大小,而且无法解决多目标融合等问题,基于此,本文设计一种综合算法可解决基于SAR图像的舰船目标检测问题。

研究方法：

1）对图像进行Otsu二值分割处理,量取分割后的每个区域的尺寸;

2）采用改进的CFAR算法,将积分运算简化为求和迭代运算,将阈值初始化为二倍窗内灰度值均值,窗大小根据Otsu算法分割后的每个区域的长宽来确定;

3）对经过CFAR算法后的图像进行形态学开运算处理。开运算算子采用一条线段,长度同样根据Otsu算法分割后的每个区域的长宽来确定。

结果：

1）说明了SAR图像进行Otsu处理后的图像特点,以及Otsu算法可以迅速获得舰船目标大小的优点。

2）给出了改进的CFAR算法的计算流程,此算法能够根据上一步估计的舰船目标大小来调整滑动窗大小,计算高效迅速,而且比较精确。

3）采用形态学开运算算法,并能根据Otsu算法分割后的每个区域大小来确定开运算算子,开运算处理后融合的多目标彼此分离,强角反射得到了去除,降低了漏警概率和虚警概率。

结论：

对于一幅含有舰船目标的SAR图像,可以通过Otsu、CFAR、开运算处理来进行舰船目标检测,降低漏警概率和虚警概率,提高算法的普适性和精确性。此外,通过对CFAR算法改进可大大提升运算效率。本文的研究结果对SAR舰船目标检测算法的实际应用奠定了良好的理论和实验基础。

关键词：舰船检测,Otsu算法,恒虚警检测,开运算

     

一种新的基于分形特征融合的图像目标识别算法

提出了一种基于多分形特征融合的目标识别算法.在此算法中,将分形理论与D-S证据融合理论相结合,提取或构造了分形特征,设计了合理的概率分配函数,并对所提出的算法进行了仿真研究,并将此算法的识别结果与基于单分形特征的识别算法、基于神经网络的目标识别算法进行比较,结果表明本算法是可行的和有效的.