采用稀疏表示的红外图像自适应杂波抑制

针对红外图像中弱小目标的检测问题,提出了一种基于图像稀疏表示的自适应杂波抑制方法.首先,采集500帧红外图像样本,通过训练学习构造包含图像各个层次结构特征的多成分超完备字典;然后,通过红外图像的协方差自适应地选择与图像子块对应的超完备字典对图像进行稀疏表示,利用匹配追踪算法得到子图像在超完备目标字典下的最佳表示系数;最后,根据表示系数以及对应的原子向量对图像子块进行重构,从而得到突出红外小目标的高信噪比重构图像,实现杂波抑制.不同环境下的多项实验表明,该算法可在复杂背景下自适应地抑制杂波,提高图像的信噪比;通过简单的阈值分割可以分开目标和背景,为之后的目标检测处理奠定基础.得到的性能评价指标显示:本算法计算量较小,实时性较强,鲁棒性较强,易于硬件实现.     

基于低秩稀疏分解算法的铣床齿轮箱故障诊断

铣床齿轮箱的安全运行对保证机械设备的效率具有重要的作用,其故障诊断复杂难控。传统形式算法只是从原始振动信号中进行字典原子学习,并未从本质层面分析特征信息物理结构特性。采用低秩稀疏分解算法,并进行BCD求解对齿轮箱故障诊断开展分析。研究结果表明：特征信号已淹没到了噪声中,能够对等间隔冲击特征进行准确识别,并使特征信号信噪比由-9.152增大为4.716。表明采用稀疏低秩算法能够滤除噪声干扰,从而高效识别瞬态冲击成分。经过3次迭代后特征信号发生了奇异值快速衰减现象,具有明显稀疏特性。低秩稀疏分解信号形成的包络谱,已经实现了所有干扰频率成分以及噪声成分的滤除效果,采用低秩稀疏分解算法能够实现齿轮箱局部故障的准确诊断。     

结合目标提取和压缩感知的红外与可见光图像融合

针对红外与可见光图像融合易受噪声干扰从而使目标信息减弱的问题,提出了一种基于目标区域提取和压缩感知的融合算法。首先,在频率域上对红外图像进行显著区域检测得到其对应的显著度图,并在显著图指导下结合区域生长法提取红外图像的目标区域,有效抑制噪声与复杂背景的干扰。然后,用非下采样剪切波变换对待融合的图像进行分解,采用不同的融合策略分别对目标与背景区域的高、低频子带进行融合。针对背景区域提出一种新的基于多分辨率奇异值分解和压缩感知的融合规则,最后,进行非下采样剪切波逆变换得到融合图像。与其他算法的对比实验结果表明,本文算法能更好地突出目标区域,保留图像细节信息,抑制噪声干扰;图像质量评价指标中的信息熵、标准差、互信息、边缘保持度分别提高了3.94%,19.14%,9.96%和8.52%。     

采用多尺度隐式马尔可夫模型的红外图像背景抑制

提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题.根据红外目标和背景杂波所具有的不同统计分布特性,利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系,建立了基于剪切波变换的多尺度隐式马尔可夫模型.通过期望最大化算法计算最优背景参数,分离红外图像中弱小...     

红外偏振舰船目标自适应尺度局部对比度检测

针对海天场景复杂干扰情况下多尺度检测红外偏振图像中舰船目标困难的问题,本文提出一种基于引导滤波和自适应尺度局部对比度的舰船目标检测方法。首先将强度信息作为引导信息对红外偏振图像利用引导滤波,得到目标背景对比度、局部信噪比更高的融合图像;然后基于融合图像显著的海天线垂直梯度特征,提出一种检测海天线方法,再对融合图像进行海天线加权抑制海杂波干扰;最后基于单尺度局部对比度算法与舰船目标比例特征,提出自适应尺度局部对比度方法,当尺度与目标匹配时响应最大,通过不同尺度对目标的响应结果确定最大尺度,得到舰船目标检测结果。实验结果表明,引导滤波融合方法的提高图像的目标背景对比度和局部信杂比,与典型检测方法对比,本文方法能够有效抑制干扰并能够检测海天场景不同尺度舰船目标,具有较高的鲁棒性和准确性,检测率、虚警率分别为95.0%,3.5%,为红外偏振图像目标检测提供了新的方法。     

基于空时域融合处理检测超大视场红外目标

针对超大视场红外凝视成像系统用于目标检测时存在的背景复杂、杂波干扰多、目标信息少等问题,提出了基于空时域融合处理的目标检测方法。该方法在空域部分优化设计Robinson算子,完成单帧图像的目标初始检测;然后结合超大视场成像特性,利用基于天地线检测的图像区域自动划分和空域虚警抑制方法,有效滤除非目标检测区中的疑似目标。在时域部分则兼顾目标时域特征,采用基于时域多特征约束的邻域判决法对真实目标进行时域确认。开展了月空背景下的空中目标检测试验,验证了本文算法的有效性。试验表明:经空域部分处理后,原始图像中的背景杂波干扰大大减少,目标局部信噪比提高了1.3倍以上,而且疑似目标数目减少了70%;经时域部分处理后,可成功检测出红外弱小目标,并输出其轨迹,检测概率在95%以上,而虚警率不足1.5%,最低目标检测信噪比为2.86。实验表明:本文方法适用于超大视场图像的红外弱小目标检测,对地物背景、恒亮孤立点源、瞬时强噪声等干扰有较强的抑制能力,对点状运动目标有良好的检测效能。     

改进的低秩稀疏分解及其在目标检测中的应用

针对传统低秩稀疏分解算法用于运动目标检测时,前景提取结果容易受噪声干扰以及检测结果不完整的问题,提出了一种新的低秩稀疏分解模型。考虑到视频前景目标呈结构化分布,以及动态背景对前景提取结果造成影响,该模型利用结构化稀疏范数对前景进行约束,且将稀疏部分所代表的运动区域进一步划分为动态背景部分与前景部分;然后采用广义交替方向乘子法对提出的模型进行求解,并分析了算法的复杂度;最后进行仿真实验将其应用到运动目标检测中。实验数据结果验证了提出的方法比其他基于低秩稀疏分解的运动目标检测方法更加稳定有效,更具有普适性,且对不同类型的噪声均具有一定的抗噪性。     

基于均值漂移的红外舰船图像分割算法

提出了一种有效的舰船红外目标图像分割算法,利用均值漂移分割算法的二维灰度和灰度邻域信息,滤除了海面的强杂波干扰,同时又不会损失舰船目标信息。利用不同类别的灰度权重,将红外舰船图像分割成为天空、海水和舰船3类,从而将舰船从图像中有效地分割。由于采用区域节点和灰度直方图来表征图像,与原始图像像素节点表征图像相比,区域节点的个数远远小于原始图像像素节点,从而提高了算法计算效率。计算结果也表明,该算法能够在海面强杂波的干扰下,有效地提取红外舰船目标。     

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

加权Schatten范数低秩表示的高光谱图像恢复

高光谱图像在获取过程中常受到多种类型噪声的干扰,如高斯噪声、脉冲噪声、条纹噪声等,为确保后续应用的顺利进行,提出了一种基于加权Schatten范数低秩表示的高光谱图像恢复方法。该方法引入低秩表示模型恢复高光谱数据,采用加权Schatten范数代替核函数,更精确地逼近秩函数;并选用初步无噪图像作为低秩表示的字典,进一步提高了模型对图像的恢复能力。另外,引入拉普拉斯正则项刻画数据内部的几何结构,能保持图像的细节。模拟和实际高光谱数据的实验结果表明,较多种相关的方法在视觉效果和量化指标值都有很大的改进。与经典的基于低秩先验的恢复方法相比,本文算法的平均峰值信噪比提高2.74 dB,平均结构相似性数值指标提高0.03,而平均光谱角能降低1.40。新模型不仅能充分利用高光谱图像光谱维的低秩先验,而且保持了数据内部的几何结构,有利于恢复出高质量的清晰图像。     

基于张量低秩分解和稀疏表示的红外微小气体泄漏检测

为了检测石化工业生产过程中微小气体的泄漏,提出了一种应用红外成像技术的单帧红外小目标检测方法。研究了低秩稀疏分解理论和稀疏表示理论,并提出了一种新的基于张量低秩分解和稀疏表示的小目标检测方法。该方法基于张量分解的形式充分发掘背景矩阵所包含的信息;利用先验知识构造微小气体泄漏的目标字典;同时利用背景的低秩约束和小目标的稀疏表示约束分解出微小气体的泄漏目标。最后基于非精确增广拉格朗日乘子法(IALM),对本文算法进行最优化求解,并通过实验分析比较了本文方法和已有方法的优缺点。结果表明:本文方法的检测效果优于其他已有方法,并且具有较好的ROC(受试者工作特征)曲线,可以满足工业生产中对微小气体泄漏检测的要求。     

基于成像提取的RCS精确测量方法研究

高精度雷达散射截面(RCS)测量对背景环境具有较高要求,当背景环境存在较强干扰时,通过背景矢量对消难以消除杂波影响。提出基于成像提取的高精度RCS测量方法,从背景杂波中分离和提取出目标的散射信号,从而提高了测量的精度。首先推导了像与RCS的数学关系,然后利用转台模式下的测量回波进行成像处理,得到目标区域的二维像;从成像区域中提取目标的二维像,通过波谱变换和定标获得目标的RCS。仿真结果表明,该方法对于具有干扰情况下的RCS测量,可以改善3~5 d B的测试精度,并且能够对弱散射目标进行测量。实验结果表明了成像提取方法的有效性和准确性。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

基于WEMD和生成对抗网络重建的红外与可见光图像融合

针对红外与可见光图像融合中边缘模糊、对比度较低的问题,提出一种二维窗口经验模式分解(WEMD)和生成对抗网络重建的红外与可见光图像融合算法.将红外和可见光图像进行WEMD分解得到内蕴模式函数分量和残余分量,将内蕴模式函数分量通过主成分分析进行融合,残余分量用加权平均进行融合,重构得到初步融合图像,再将初步融合图像输入生...     

基于模糊分类的弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。本文直接从待分类图像入手提取出不同的类别区域,这样得到的分类模板就准确的体现了当前图像的不同类别,在此基础上进行分类就能得到图像的准确的类别分类从而实现弱小目标检测。首先,对红外天空背景弱小目标图像进行分析,将图像中的三类物体：净空、云及弱小目标细分为11个类别区域;其次,定义了类别特征矢量并基于此提出了类别核的定义;再次,根据类别核的定义从待检测图像中提取出11类区域的类别核;最后,根据模糊分类的理论,定义了类别相似系数和类别贴近度,通过类别核对图像进行分类和类别归并,保留弱小目标类别完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确分类,较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。     

基于NSCT、KFCM和多模型LS-SVM的红外小目标检测

为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法.首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型ILS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标.给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较.结果表明该方法具有更高的检测概率和信噪比增益.     

引入梯度分布特征的图像背景杂波度量

为提高图像背景杂波度量法对目标获取性能的预测精度,本文基于人眼视觉对物体边缘敏感的视觉特性,将区域梯度分布作为新的结构特征,提出了引入梯度分布特征的图像背景杂波度量法。首先,采用梯度方向直方图表征目标结构特征,选用巴氏系数度量图像目标和背景杂波在两个梯度方向直方图的相似性;然后,将基于图像结构相似性度量方法得到的结构相似性信息进行加权;最后采用D.L.Wilson提出的目标获取性能模型作为目标探测概率、虚警概率和搜索时间的预测模型对Search_2数据库中的目标进行了获取性能预测。结果显示,提出的图像杂波度量法提高了目标获取性能模型的预测精度,得到的线性相关系数分别为0.870、0.845、0.897,均方根误差分别为0.0569、0.0469、2.129,与实际观察者获得的一致性较高,且没有明显的野点,预测性能明显优于现有其他杂波度量方法。     

基于小波分解灰关联的热波检测图像增强

针对热波检测图像存在的高噪声、低对比度等问题,提出一种基于小波分解和灰关联分析的图像增强方法。该方法首先采用小波变换对待处理的热波图像进行三级小波分解,得到图像相应的低频分量和高频分量,然后利用图像中干扰信号和有用信号在分解后不同分量上的分布规律,采用灰色理论中的灰色关联分析理论来区分高频分量中的干扰信号和有用信号,从而实现对图像中噪声的抑制以提高图像的质量。实验结果表明:提出的方法与常规的滤波方法、小波阈值去噪增强等方法相比,图像的对比度得到明显改善,峰值信噪比最大,因此该方法可用于热波检测图像的增强处理中。