一种基于红外序列图像的弱小目标检测方法

针对天空背景下红外运动弱小目标的检测问题,提出一种结合小波变换和管道滤波的序列图像的检测算法。首先对红外序列图像采用小波变换,再采用全局门限法进行阈值分割提取出潜在目标,用形态开运算去除噪声点,以减少候选目标数目,最后再使用管道滤波的方法确定真实目标。实验结果表明,该方法能有效地检测运动红外弱小目标,显著提高红外弱小目标的检测概率,并易于硬件实现。     

高超声速运动点目标检测

为了降低红外运动点目标检测的漏检率与虚警率,文章以"猎鹰2号"为例,从天基红外遥感图像生成的角度出发,计算了高超声速飞行器多种工况的辐射特性,提出了一种基于目标速度与辐射特性的红外运动点目标检测方法。该方法将高超声速目标的速度与遥感图像的灰度关联,以目标的飞行速度作为单帧图像灰度阈值分割的条件,实现阈值分割与速度滤波并行,并进行多帧图像疑似目标二次速度匹配滤波,实现目标检测。仿真结果表明:文章提出的点目标检测方法对于高超声速目标检测效果优良,检测率为94.4%,虚警率为5.86×10-5%。在具备目标表面平均温度与速度对应关系的情况下,该方法可应用于多种不同红外运动点目标的检测。     

高分辨率SAR图像分割及目标特征提取

提出了一种非监督SAR图像快速分割算法,对分割得到的目标区域进行特征提取.分割方法利用固体热扩散模型与图像尺度空间的等价性,在SAR图像初始分割的基础上,引入最大后验概率矩阵的各向异性多尺度平滑,在保持图像结构信息的同时滤除斑点噪声对于分割的影响.然后提取目标区域6个特征以详细描述目标,实验结果表明：该方法计算速度快,能够从获得的目标区域得到大量有用的信息.     

一种复杂环境下的红外成像运动目标检测方法

针对传统运动目标检测方法不能应用在背景和目标都存在运动的应用场合的缺点,文章提出了一种复杂环境下的红外成像运动目标检测方法。该方法首先对相邻两帧运动图像利用三步搜索法和最多邻近点距离相关匹配准则进行背景匹配,然后对匹配后的图像进行帧间差分并对差分图像进行灰度形态学滤波以去除背景噪声点,最后利用阈值分割方法检测到运动目标的位置。利用实际拍摄的红外图像对该算法进行了实验并与传统帧间差分法进行了比较,结果表明利用该方法能很好地解决传统帧间差分法应用中的缺点。     

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法.首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现.为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好.     

基于变邻域变步长LMS背景预测检测红外小目标

在分析强起伏背景信号的基础上,利用背景局部信号统计特征和目标运动特性,提出了一种基于变邻域变步长LMS自适应背景预测的红外弱小目标检测方法.首先将两类背景交界处像素的邻点按最大类间平均离差准则分成两类,和中心像素点相近的一类构成预测邻域,而背景内部区域采用固定预测邻域;然后提出了一种改进的变步长LMS自适应算法,在所得预测域上进行背景预测,由实际值和预测值相减得到残差图像;最后采用二维Tsallis-Havrela-Charvat熵阈值选取方法对残差图像进行分割,并根据目标运动的连续性和一致性确认真实小目标.针对实际红外图像序列的实验结果表明:该算法能有效地抑制强起伏杂波,增强目标能量,降低虚警率,对强起伏背景下弱小目标具有很好的检测性能.     

基于最大值投影的运动点目标检测算法及其性能

针对低信噪比序列图像中微弱点状运动目标检测,提出了一种基于最大值投影构造组合帧图像与帧序号图像的检测算法,给出了算法的计算步骤。用建立的检测率和虚警率的分析模型,讨论了检测率、虚警率、信噪比、构造组合帧的图像帧数间的关系。仿真结果表明,通过合理选择组合帧数,该算法可有效检测出低信噪比条件下图像序列中的运动点目标和交叉运动的多点目标。     

一种图像制导中的特征点识别方法

图像制导中的一个关键问题是由图像序列中识别出目标物体及其运动参数。尤其是目标运动参数的精确估算,对提高导弹制导精度非常重要。目前,从图像序列中识别目标运动参数的一个常用的方法是通过目标物体上的一组特征点在相邻几帧图像上位置的变化进行估算,因而,合理的选择特征点就非常关键。本文在分析目标边缘几何形状的基础上,给出一种简单易行的特征点识别方法。     

一种SAR图像特征增强新方法

军事目标的SAR图像特征在合成孔径雷达目标识别(SAR ATR)中扮演着重要的角色。提出了一种在多小波域中用维纳滤波重构进行SAR目标图像特征增强的新方法,并在此基础上进行了目标图像分割。实验结果表明,该方法能够有效增强SAR图像中的目标区域特征,增大目标和背景杂波之间的统计可分离度,有利于目标图像的精确分割和特征提取。     

单通道SAR对任意运动目标的检测和成像

在合成孔径雷达（SAR）图像中，运动目标会引起散焦和／或移位之类的成像误差，这与目标运动方向有关。为了得到准确而清晰的运动目标的图像，目标位置和速度参数是必须知道的。这里提出了一种对任意方向运动的地面目标进行探测、参数估计和成像的算法。该算法主要是评估由常规单通道SAR雷达数据生成的一系列单视SAR图像。用两个观察模型来估计运动目标的位置和速度，考虑了由于运动导致多普勒频谱的混叠。用这种方法，运动目标可以不受其运动方向的影响而被检测到，估计参数被用来补偿SAR图像中的成像误差。最后，目标在场景中的真实运动情况可以在补偿过的图像序列中显现。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

Shadow detection for mobile robots: Features,evaluation, and datasets

ABSTRACT

Shadows have long been a challenging topic for computer vision. This challenge is made even harder when we assume that the camera is moving, as many existing shadow detection techniques require the creation and maintenance of a background model. This article explores the problem of shadow modelling from a moving viewpoint (assumed to be a robotic platform) through comparing shadow-variant and shadow-invariant image features — primarily color, texture and edge-based features. These features are then embedded in a segmentation pipeline that provides predictions on shadow status, using minimal temporal context. We also release a public dataset of shadow-related image sequences, to help other researchers further develop shadow detection methods and to enable benchmarking of techniques.     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

基于ATI技术和象素匹配的星载SAR/GMTI实现方法

与机载合成孔径雷达相比,星载合成孔径雷达由于其复杂的空间几何关系、地球自转及地球曲率等因素的影响,使得星载SAR／GMTI的实现更为复杂。提出了当不满足相位偏置中心天线(DPCA)中脉冲重复频率和天线水平基线间的严格约束条件时,通过象素匹配法和星载SAR沿航迹向干涉(ATI)技术实现星载合成孔径雷达(SAR)动目标检测、测速及定位的一种方法。该方法采用沿航迹向线性排列的双孔径天线星载SAR结构,首先建立了星载SAR双孔径天线空间几何模型并详细分析了星载SAR双孔径天线机理及信号特性,然后利用常规方法成像的双天线SAR图像,分析并推导了基于ATI技术和象素匹配实现对地面背景杂波淹没的运动目标检测、径向速度分量估计以及目标定位的方法。最后,通过计算机仿真验证了其有效性。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。     

基于分数阶Fourier域滤波的SAR多运动目标检测和参数估计

SAR多运动目标的检测和参数估计较单运动目标的难度大大增加,传统的WVD方法在处理多分量线性 调频信号时存在交叉项干扰的问题,改进的WVD-HT方法可减弱交叉项的影响,但并不能从根本上解决交叉项问题, 同时计算量也很大。文中提出一种基于分数阶Fourier域滤波的多运动目标检测和参数估计方法,在运动目标和静止目 标信号分离后通过逐个消去强目标信号,有效地解决了弱目标信号的检测和参数估计问题,由于分数阶Fourier变换是 线性变换,从而免除了交叉项的困扰。仿真和实测数据的处理结果验证了算法的有效性。     

高速平台下动目标高分辨成像方法研究

高速平台对地面强散射移动目标或者海面舰船目标进行合成孔径雷达成像（SAR）时，存在两方面问题：一是传统SAR匀速直线模型已不适应高速平台自身高动态运动特征；二是目标的非合作运动一方面会引起图像散焦，另一方面动目标在地距图中的位置会产生较大偏移。针对这两个问题，首先在匀加速度模型频域相位滤波算法下，推导出了精确的斜地投影关系以及近似的反投影关系，同时给出了基于惯性组合导航（INS）的平台运动补偿方法，最后结合自聚焦技术，完成对舰船目标的聚焦并得到以目标为图像中心的地距图。