基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测

针对低信噪比灰度图像中弱小目标检测的难题,分析了红外弱小目标成像的特点,提出了基于多结构元素形态滤波与自适应阈值分割相结合的目标检测算法.利用目标运动的连续性、规律性和噪音产生的随机性,结合数学形态学结构元素的特点,研究了一种多结构元素形态滤波的管道滤波方法,通过流水线管道检测目标运动轨迹.实验结果表明,该算法应用于复杂背景下低信噪比的红外弱小目标图像能够得到较理想的结果,并且目标检测概率高,速度快,虚警率低.     

数学形态学在红外多弱小目标提取中的应用

应用了高帽和低帽变换对图像进行对比度增强、采用基于流域变换的粘连目标分割的方法把图像中粘连目标分割开来,进而采用了自适应的阈值把图像二值化.通过这一系列的处理后,从红外图像中提取出了弱小目标信息.这种方法在红外弱小目标的判别中对目标的提取效果较佳,也给后续处理提供了方便.     

基于Contrast box算法的图像序列有用目标段搜寻方法

提出一种基于Contrast box算法的红外弱小多目标图像序列有用目标段搜寻方法,引用每帧图像的信号量来搜索红外图像序列中含有目标的有用信息段.描述了Contrast box算法和搜索有用目标段处理过程,分析了阈值权值系数和目标所占像元面积选取的不同对图像有用目标段搜索的影响,给出了每幅图像的统计信号量.实验表明,该方法在执行效率和搜索时间上能够取得满意的结果.     

改进的非下采样Contourlet变形红外弱小目标检测方法

针对存在复杂背景干扰和噪声的红外图像弱小目标检测问题,提出了一种非下采样Contourlet变换（NSCT）的改进的红外弱小目标检测方法。首先对含弱小目标的红外图像进行预处理,然后利用NSCT进行变换,并利用改进的非线性映射函数和能量交叉融合相结合的方法实现了背景杂波的抑制,最后引入Otsu算法进行阈值分割分离出红外弱小目标。通过与同类弱小目标检测算法的对比实验,验证了该方法的有效性。     

多尺度各向异性扩散方程的红外弱小目标检测算法

针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果.     

采用视觉细胞响应模型的小目标复杂背景抑制

为了提高地面和云层等红外复杂背景下弱小目标的检测性能,提出了一种基于视觉细胞响应模型的红外弱小目标背景抑制新方法.首先利用简单细胞的感受野计算模型将原始图像采用Gabor函数卷积获得相同大小的两幅图像|然后采用设计的复杂细胞响应的非线性汇聚策略函数对获得的两幅图像进行融合处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的|最后采用自适应阈值分割技术得到目标点,实现了对红外弱小目标的检测跟踪.实验结果显示,与去局部均值和最大中值滤波两种滤波方法相比较,该方法能有效地检测出信杂比较低的弱小目标信号.     

复杂背景下红外弱小多目标跟踪系统

针对复杂天空背景条件下低信噪比的红外弱小目标跟踪问题,设计了一种多目标跟踪系统.首先计算红外图像的光流场,结合阈值分割和形态学滤波等数学方法检测出目标;在该结果的基础上,结合目标运动的连续性,运用邻域轨迹预测的方法滤除检测过程中产生的噪声;随后运用卡尔曼滤波轨迹预测的方法解决在跟踪过程中目标丢失的问题,并解决当多目标轨迹出现交联时如何辨识出各个目标轨迹的问题.该系统充分运用了目标的运动特性避免了噪声的干扰和目标轨迹混淆.使用长波红外热像仪采集的红外序列图像对系统进行了验证,实验结果及相应理论分析表明该系统可有效实现复杂背景下的红外弱小目标跟踪.     

基于结构张量分析的弱小目标单帧检测

针对复杂场景图像由于背景边缘干扰和噪声导致弱小目标检测困难的问题,提出了一种基于结构张量分析的弱小目标单帧检测方法.利用结构张量对不同局部结构的表示特性,通过计算结构张量特征值矩阵和均值滤波得到点状和矩形状目标的结构张量响应图;采用高斯差分带通滤波器计算灰度差分图;通过归一化融合处理得到最终响应图;采用自适应阈值分割得到目标位置.采用该方法对天空、海面等多种场景的红外图像和可见光图像进行实验,并与典型方法对比,结果表明该方法能够有效地抑制背景干扰和噪声、快速且准确地检测目标.     

基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测

针对低信噪比灰度图像中弱小目标检测的难题,分析了红外弱小目标成像的特点,提出了基于多结构元素形态滤波与自适应阈值分割相结合的目标检测算法.利用目标运动的连续性、规律性和噪音产生的随机性,结合数学形态学结构元素的特点,研究了一种多结构元素形态滤波的管道滤波方法,通过流水线管道检测目标运动轨迹.实验结果表明,该算法应用于复...     

基于对称差分和光流估计的红外弱小目标检测

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。     

Detection of infrared small target based on fusion of multi-filters北大核心CSCD

Aiming at solving accuracy problem of infrared small target detection in sky and ocean background scenarios of infrared image sequences, a novel infrared small target detection based on multi-filters algorithm fusion method is presented in this paper. Firstly infrared small target and imaging, time and space characteristics of the corresponding background noise are analyzed. Tophat algorithm with improved Robinson guard filter are then integrated to highlight target and suppress clutter background by using infrared small target imaging features. Adaptive threshold segmentation is used to extract candidate targets, while Unger smoothing filter and multi-objects association filter are used to eliminate random noise and false targets in the candidate targets. Multiple experiments of infrared small target image sequences are implemented, and experimental results show that proposed method can detect infrared small targets at 99% detection rate with high reliability and good real-time performance. © 2017, Editorial Board, Journal of Applied Optics. All right reserved.     

层次卷积滤波红外弱小目标检测方法

针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题,提出了一种层次卷积滤波检测算法。主要分为两个部分：第一,根据红外小目标特性,设计一种层次卷积滤波的算子,对图像进行滤波处理,实现图像中小目标的增效和背景抑制的效果;第二,采用基于最大值的自适应阈值方法,对图像进行二值化操作,过滤背景杂波,最终提取到待检测的目标。在大量不同背景红外图像中进行实验,论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果,且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian,LoG）滤波算法的30.42%。通过实验对比,表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。     

基于改进型平台直方图的红外均衡化算法

针对红外图像特别是红外弱小目标图像的特点,提出了一种基于改进型平台的直方图均衡算法。在设置统计上限平台阈值的基础上,设置了累计直方图上限阈值,并用修改的映射函数算法对图像进行均衡化处理。算法中的上限统计平台阈值对噪声进行了适当抑制,累计平台阈值自适应控制映射动态范围,从而克服了平台直方图均衡化对动态范围较窄的红外图像过分拉仲的缺点。相对平台直方图的均衡算法,该方法能够对多种复杂场景增强图像整体效果,在抑制噪声的同时较好地保持了图像细节。     

MULTI-LEVEL FILTER FOR INFRARED IMAGE PROCESSING

This paper presents a new multi-level filter algorithm and its corresponding VLSI architecture for infrared image processing. The algorithm eliminates the phenomena of splitting targets by inserting Gaussian pyramid processing. Owning three filter paths, the proposed filter VLSI architecture can enhance small targets with different size in infrared images. This architecture has been implemented using SMIC 0.35μm 4-layer CMOS technology. The test result shows that the filter chip not only effectively suppresses background, eliminates noise and enhances small targets in an infrared image, but also meets infrared image real-time processing requirement(5M ∼ 10M pixels/s). The implemented filter chip consists of 60,284 gates and 8K SRAM, operates at 50MHz.     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

基于视觉认知的红外目标分割算法

研究了红外图像中目标分割算法,针对基于灰度分割算法存在的过分割或分割不足,以及对低灰度目标的不敏感问题,提出了一种基于视觉认知的红外目标分割算法。将红外图像的灰度信息转换为图像方差信息;运用单边切比雪夫不等式理论,获取目标数据分布与其k倍标准差之间的非线性关系,完成目标边缘的预分割;由形态学填充运算,得到用于目标分割的二值掩膜图像。实验表明,该算法能够有效的分割出红外图像中处于不同灰度等级下的目标信息,且误分率较低。     

一种基于小波分析的小目标检测算法

红外小目标检测技术由于其重要的军事意义成为研究热点。根据目标、噪声和背景边缘在小波域的不同特点,提出一种基于小波分析的红外小目标检测算法。该算法利用小波对奇异信号强有力的分析能力,消除了噪声和背景边缘对小目标检测的干扰,实现目标的检出。仿真实验证明该方法对红外图像中的小目标有比较理想的检测效果。     

Prediction of the performance of an algorithm for the detection of small targets in infrared images

Detection of small targets in infrared (IR) images is important in IR image processing. For the prediction of performance of a detection algorithm, it is necessary to calculate the probability of detection and probability of false alarm. A method is developed to calculate the probabilities in this paper. The detection is divided into two parts: the first part, which is called pre-detection, is to find out candidates for targets in a single frame of an image; and the second part is to localize the target in multiple frames of the image. Under some assumptions, the pre-detection probability, the false detection probability of single frame, detection probability and false alarm probability are derived. The algorithm for the detection of small target in IR image, which is used for the derivation of the probabilities, is contrast threshold detection based on background prediction, and a pipeline filter is used for multiframe image processing. The results show the relationship of the probabilities to the contrast of target to background, SNR, and contrast threshold.     

基于分类的红外云层背景弱小目标检测方法

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.根据红外成像的特点,将红外云层背景弱小目标图像分为三类:边缘类、净空及云中类、弱小目标类;对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量;根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测.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的分类,从而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.