小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

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。     

基于小波互能量交叉的复杂背景中红外小目标检测方法

研究复杂背景下红外图像小目标检测问题．提出一种基于小波分析互能量交叉处理的目标检测方法。通过定义水平、垂直方向上的小波互能量交叉函数，在两上方向上有效地增强目标、抑制背景干扰。采用一种简单有效的局部直方图统计方法进行目标粗分割．综合两个方向目标粗检测结果通过能量最大判决进行目标定位，并采用双窗不相似度量检测目标尺寸。实验结果表明，该方法对地面背景、海面背景的红外弱小目标检测具有一定的普遍适用性。具有单帧检测率高、实现速度快的特点。     

基于Q-Shift双树复小波的SAR图像相干斑噪声抑制

在复杂的SAR相干成像过程中,SAR图像会受到相干斑噪声影响,传统的图像去噪方法不能对相干斑噪声进行有效抑制,从而会严重影响SAR图像目标的提取和识别。针对SAR图像的特点,提出一种基于Q-Shift双树复小波变换（DT-CWT）的SAR图像相干斑噪声抑制方法。该方法利用Q-Shift双树复小波变换的平移不变性、多方向选择性、滤波器结构对称性等优点,对含有特征目标的含斑SAR图像进行小波系数分解,来获得更多的目标高频信息。然后通过对小波系数建模和图像重构,得到去斑SAR图像。试验结果表明,该方法对含有特征目标的SAR图像相干斑噪声有抑制效果,而且能够更好地保留图像细节和目标特征。     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

基于图像矩和小波能量的红外目标特征提取

特征提取是目标分类和识别的基础。图像矩反映了物体灰度相对于质心的统计分布情况。目标的红外图像信息在小波域主要集中在低频部分。文章中提出了一种提取红外目标不变特征的新方法,利用该方法提取的特征向量,对红外目标图像进行了分类识别。实验结果表明:这种方法对精确制导武器的目标识别具有较高的实用价值。     

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。     

红外弱小目标检测方法综述

红外弱小目标的检测对于精确制导武器的发展与反导体系作战具有重要意义。对当前红外弱小目标的检测难点进行了深入的分析。根据红外弱小目标的两种主要检测方式,对目前的主要检测理论和检测方法进行了全面的归纳总结,分析了各方法的适用情况及优缺点,并讨论了红外弱小目标检测领域的发展方向。     

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。     

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

基于小波变换的海面目标自动检测

利用小波分析优良的局部化能力和方向特性,提出了一种基于小波变换的海面目标自动检测算法,该算法在小波分解的垂直分量中进行目标检测,经过互能量交叉和海杂波抑制后,通过最大能量判决检测目标位置,并利用双窗口相似性度量函数标定目标大小。实验结果表明,该算法可以在单帧图像中检出目标,并且对存在云层、鱼鳞光等干扰的复杂海空背景也能取得较好的检测效果。     

Pautomatic Sea Target Detection Based on Wavelet Transform

An effective automatic target detection algorithm based on wavelet transform, which takes advantage of the localization and the orientation of wavelet analysis, is proposed. The algorithm detects the target in the vertical component of the wavelet transformation of the image. After mutual energy combination and sea clutter suppression through spatial weighting and thresholding, the target is located through maximum energy determination and its size is indicated through similarity measurement function of two overlapping windows. Experiment results show that the target can be detected by the algorithm in a single image frame and the better efficiency can be obtained also under the complicated backgrounds of existing the disturbances of cloud layer and fish scale light.     

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。     

基于多尺度局部对比度和多尺度梯度一致性的红外小弱目标检测算法

针对复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题,提出了一种基于多尺度局部对比度方法与多尺度梯度一致性方法的红外小弱目标检测算法。利用多尺度局部对比度方法对红外图像中红外小弱目标进行增强,利用多尺度梯度一致性方法剔除复杂背景和强杂波干扰造成的虚警。从信噪比（SNR）增益、平均残留背景绝对值、检测率、虚警率及ROC曲线方面将新算法与max-mean算法、max-median算法、top-hat算法、IPI算法及MGDWIE算法进行了对比。实验显示：新算法相较于对比算法具有更高的SNR增益、更低的平均残留背景绝对值、更高的检测率及更低的虚警率。对比结果表明：新算法在复杂背景和强杂波干扰下具有良好的红外小弱目标检测准确性和鲁棒性,有效改善了复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题。     

Method of Infrared Image Enhancement Based on Stationary Wavelet Transform

Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast.     

基于塔型对偶树方向滤波器组的弱小目标背景抑制方法

复杂背景抑制是红外监视告警系统探测远距离目标的一个难题,提出了一种将塔型对偶树方向滤波器组与改进的视网膜皮层理论相结合的弱小目标背景抑制方法。首先,采用塔型对偶树方向滤波器组对图像进行多尺度、多方向分解,提取图像的多尺度和方向细节特征;然后,根据目标和背景杂波信号的差异,通过应用改进的视网膜皮层理论公式调整分解后的各子带系数,从而将红外图像中弱小目标信号和背景杂波分离,达到抑制背景的目的。与二维最小均方误差和最大中值滤波方法相比较,实验结果显示该方法能有效地检测出信杂比在1.6以上的目标。     

Infrared Image Small Target Detection Based on Bi-orthogonal Wavelet and Morphology

An image multi-scale edge detection method based on anti-symmetrical bi-orthogonal wavelet is given in theory. Convolution operation property and function as a differential operator are analyzed,which anti-symmetrical bi-orthogonal wavelet transform have. An algorithm for wavelet reconstruction in which multi-scale edge can be detected is put forward. Based on it, a detection method for small target in infrared image with sea or sky background based on the anti-symmetrical bi-orthogonal wavelet and morphology is proposed. The small target detection is considered as a process in which structural background is removed, correlative background is suppressed, and noise is restrained. In this approach, the multi-scale edge is extracted by means of the anti-symmetrical bi-orthogonal wavelet decomposition. Then, module maximum chains formed by complicated background of clouds, sea wave and sea-sky-line are removed, and the image background becomes smoother. Finally, the morphology based edge detection method is used to get small target and restrain undulate background and noise. Experiment results show that the approach can suppress clutter background and detect the small target effectively.