低信噪比红外图像的小目标检测

针对低信噪比,海空背景的红外图像中的弱小目标检测问题,文中提出一种基于高斯内核的自适应滤波方法,并将它应用于红外图像的背景抑制,在残差图像的均值、方差和信噪比这三项性能指标方面都有所改善.在此基础上,根据残差图像的信噪比,自适应的设定分割门限,分割红外图像中存在的可疑目标.实验表明,这种方法是有效的,且性能良好.     

复杂背景下红外图像目标自动检测

介绍了一种新的基于Ｇａｂｏｒ特征向量相似函数的复杂背景下红外图像目标自动检测方法。它利用２－Ｄ Ｇａｂｏｒ函数所提供的最佳联合空间－空间频率分辨率，及其形态符合人类视觉神经元感受野的特性，通过求解简单目标模板与原ＩＲ图像之间的相似度函数，自动检测方法不但对背景噪声和交错干扰具有良好的抑制能力，而且对目标的对比度，大小，姿态具有一定程度的不变性。     

基于红外图像与可见光图像特征融合的目标检测算法

对可见光与红外图像融合目标检测问题进行了研究,提出了一种针对目标检测任务的特征融合算法。采用端到端的神经网络方案,将可见光与红外图像同时输入神经网络,分别进行特征提取,后对提取的特征进行融合,再对融合的特征进行目标检测,最后输出检测结果。与一般先融合出一张图片再检测的方法比较,特征融合算法可以保留原始图像的特征,并根据目标检测的结果对特征进行挑选及融合,避免先融合图像造成的信息损失。红外图像能够弥补可见光图像的不足,适应不同光照强度及天气情况。针对目标检测的特征融合方法有效利用了纹理信息及热辐射信息,检测效果优于单独利用可见光或红外图像的方法。     

基于高斯-拉普拉斯滤波的增强局部对比度红外小目标检测算法

针对单帧图像红外小目标检测算法在低空复杂背景下虚警率高的问题,提出一种基于高斯-拉普拉斯(LOG)滤波的增强局部对比度算法来检测低空复杂背景下的红外小目标。通过LOG滤波运算快速提取候选目标像素,同时通过像素灰度指数运算增强目标。根据局部区域目标与背景的灰度特征计算目标显著图,通过自适应阈值分割提取目标。针对不同的低空复杂场景,构建了测试数据集,从信噪比增益、背景抑制因子、检测率、虚警率及算法计算效率方面将所提算法与Top-Hat算法、Max-median算法、RLCM算法、IPI算法及MPCM算法进行对比分析。实验结果表明,在不同场景中,所提算法相较于对比算法不仅具有较高的信噪比增益和背景抑制因子,而且具有较高的检测率、较低的虚警率和较高计算效率,验证了该算法的有效性和鲁棒性。     

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。     

一种有效提高信噪比的红外小目标图像滤波算法

红外图像滤波处理是提高图像信噪比的有效方法,针对含有强起伏边缘背景的靶场红外测量图像,提出了一种先局部梯度中值滤波后中值滤波的组合滤波算法。仿真表明,组合滤波算法能明显抑制背景,突出目标,有效提高信噪比。     

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.     

红外弱小目标TSA检测技术

针对红外弱小目标检测,提出了一种改进的最大类间方差算法,利用遗传算法在寻求最优解方面的优势,采用图像像素点间的类间方差作为判决函数,实现了改进的算法设计方案,达到了对类间方差阈值分割检测算法的改进;通过对真实红外视频中采样得到的红外图像进行处理,将本文算法与传统的Otsu算法进行仿真比较,实验结果证明此算法在保证了分割算法检测精度的前提下,达到了对传统算法实时处理性能上的改进,具有工程实践价值。     

红外运动小目标快速检测算法的实现研究

为了减少红外运动弱小目标的检测与识别算法计算量,以达到实时性的要求,提出了基于FPGA和多DSP的红外运动弱小目标的检测与识别的快速算法,包括改进的快速中值减法滤波算法,小结构元素腐蚀以及基于图像序列的二次开窗判决法,实验结果证明,该算法易于硬件实现,并且具有实时性。     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题,提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波,然后对滤波后的图像进行背景预测,将原图像与背景预测图像相减获得残差图像,依据图像阀值分离出少量的候选目标点,再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像,最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。     

红外图象序列的运动目标检测

讨论了红外图象序列的运动目标检测方法 --光流法 ,并对实际的红外图象进行了仿真。实验结果表明 ,对于红外图象来说 ,Horn&Schunck算法具有比较好的性能。本文还对其他的几种算法进行了分析 ,给出了一些定性的结论     

红外图像模式识别的预处理

红外图像模式识别系统,由图像预处理、特征提取及模式分类组成.基于红外图像模式识别的图像预处理,包括滤波降噪、目标增强、图像分割等处理.滤波降噪有邻域平均、中值和Butterworth低通等滤波方法.目标增强可通过微分及Butterworth高通滤波完成,图像分割可采用阈值分割技术实现.故综合比较各种处理方法,采用两次均值滤波及拉普拉斯算子、阚值分割技术,较好实现了红外图像模式识别的预处理.     

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.     

基于鲁棒主成分分析的红外图像小目标检测

鲁棒的小目标检测是红外目标搜索与跟踪的关键技术,提出一种改进的单帧红外图像小目标检测算法。该方法将原始红外图像通过预处理变换到新的红外块图像模式,在红外块图像上,将红外图像小目标检测问题转换为低秩矩阵和稀疏矩阵分离的鲁棒主成分分析(RPCA)问题。考虑到红外图像中噪声和杂波的存在,用交替方向方法求解带噪声的RPCA问题,获得稀疏目标图像,并对获得的稀疏目标图像采用简单的图像分割算法进行目标检测。对空天、海天、天云、海面4种不 同场景的红外图像小目标检测,进行仿真实验,结果验证了所提出算法的有效性。     

一种改进的运动目标检测算法

提出一种改进的运动目标检测算法,首先将视频序列中的一整幅画面进行分割,对分割产生的每块图像进行连续检测,一旦检测到有变化,即提取运动目标。接着将连续2帧差图像和背景差图像直接相乘,再将相乘的结果进行二值化处理得到运动检测结果,从而将运动目标从背景图像中分离出来,最终得到视频序列图像中运动存在与否的一个二值运动模板,由此提高运动目标检测的效果。     

一种红外运动车辆识别的新方法

针对红外图像的特点,文中提出了一种识别运动车辆的新方法。首先,多尺度形态滤波器对原始图像进行滤波,消除噪声,并对梯度图像进行平滑;其后用改进的分水岭算法对运动车辆的红外图像进行分割并对分割的结果进行区域融合;最后提出了一种基于模板匹配的方法对融合后的图像进行识别。实验证明,本算法对运动车辆有较好的识别效果。     

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。