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.     

一种基于“熵图”的红外海天目标潜在区域选取方法研究

为后续能更快地识别目标,对一种基于"熵图"的红外海天目标潜在区域选取方法进行了研究。分析了红外海天背景图像灰度值分布特点,引入熵图概念。进一步分析了红外海天背景图像的熵图特点,提出了一种能适当选取海天背景中目标潜在区域的方法。先用半径为R像素的圆形窗口在原始图像上滑动,将窗口中心点的灰度值用该窗口的局部方差加权信息熵替代求取熵图,初步确定海天线区域;对所得熵图再求取一次熵图,以消除天空云层边缘、海平面波浪、海天线部分的干扰;将两次求得的熵图的对应元素相乘得到新熵图,增大目标潜在区域的灰度值,减小其他干扰部分的灰度;寻找亮度最大点为中心的圆形区域就是目标潜在区域。实验表明:用该方法选取目标潜在区域有较强的适应性,选取的目标区域范围较小,可显著减小后续目标识别中的计算量。     

基于NMF、ICA和复Contourlet变换的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于非负矩阵分解(NMF)、独立分量分析(ICA)和复Contourlet变换的检测方法。首先通过非负矩阵分解和独立分量分析分别抑制原始图像的背景,得到不同的小目标残差图像;接着采用复Contourlet变换对残差图像进行去噪;再对上述去噪后的小目标残差图像求和,得到了预处理图像;最后提出基于模糊灰度熵阈值选取方法分割预处理图像,从而实现了复杂背景下的红外弱小目标检测。针对红外小目标图像进行了大量实验,并与基于新型Top-hat变换、基于快速独立分量分析的目标检测方法进行了比较,结果表明所提出的方法抗噪性强,具有更为优越的检测性能。     

基于模糊C-均值聚类航天图像分割方法的研究

在图像分割领域,模糊C-均值聚类算法得到了广泛的应用,但存在计算量大、易受噪声影响、目标与背景对比较弱时对边界处的像素分辨能力低等问题.针对以上问题对标准模糊C-均值聚类算法进行了改进:利用一维灰度直方图来降低计算量;并在此基础上,考虑每一层灰度级的邻域像素之间的空间一致性;然后,构造特征散度来重构聚类算法的目标函数.最后用一幅测试图像和两幅航天高分辨率图像对改进的方法进行试验,结果表明,对于削弱上述问题的影响,算法较标准模糊C-均值聚类算法有较大提高.     

基于对比度和梯度分布的红外弱小目标检测

红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。     

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。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。     

红外图像探测器噪声的数值模拟方法

红外成像制导导引头上的成像器采用多元红外探测器 ,其噪声包括单个光电探测器的噪声 (例如 ,热噪声、1 /f噪声等 )和由于多元探测器之间的不均匀造成的固定图像噪声。图像噪声仿真的方法是 ,将图像划分为与探测器元一一对应的小区域 ,在显示屏幕上随机改变各个小区域的灰度等级。介绍一种随机灰度数列的生成方法 ,该随机灰度数列的概率分布规律符合红外探测器噪声的统计分布规律。这种方法主要用于模拟红外制导系统性能时给计算机生成的“目标 /背景红外图像”注入探测器噪声。     

复杂背景中红外多光谱目标检测算法研究

针对多光谱红外探测器,对复杂背景条件下红外弱小目标检测算法进行了研究。根据弱小目标缺乏纹理等相关信息的特点,给出了一种用于多光谱图像的弱小目标检测算法。对多光谱图像,构建数据立方体,对多光谱信息建立稳定的目标特征向量,用多光谱背景抑制滤波器以提升图像信噪比,将一种基于统计判别的低信噪比条件下红外序列图像弱小目标检测算法与传统多级假设检验跟踪(MHT)算法综合,形成了改进的连续帧目标检测跟踪算法,对波门内疑似目标点用引入多光谱信息建立的特征向量进行目标的非监督检测判决。实验结果证明:在低信噪比下该算法能有效检测跟踪弱小目标,在保证检测概率前提下可有效抑制虚警,极大地降低了后续跟踪算法的计算爆炸风险。     

基于局部能量比的空中红外弱小目标检测方法

提出了图像局部能量比的概念,并针对空中目标图像特点,给出了一种基于局部能量比的红外弱小目标检测方法。该方法基于单帧图像即可实现红外点目标检测,算法简单,耗时较短,可以实时检测;图像局部能量比对图像噪声不敏感,故该检测方法对图像信噪比要求较低,具有强抗干扰性,便于工程实现。文中给出了检测算法的具体实现过程,并用真实空中红外弱小目标图像进行了检测试验。试验结果表明该方法对空中红外弱小单目标和多目标均具有令人满意的检测效果。     

基于人工蚁群的红外弱小目标检测方法

提出一种基于人工蚁群的红外弱小目标检测方法.首先利用模糊隶属度函数对图像进行预处理获取可能的目标点;然后利用该结果与信息素一起共同指导蚂蚁的行为;最后通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向真实的目标图像收敛达到抑制背景的目的.仿真和实验表明,与固定权值滤波方法和最大化中值滤波方法相比,该方法能够有效地从复杂背景的图像序列中检测弱小目标.     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

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。     

红外成像导引头目标检测识别共性技术综述

对红外凝视成像导引头目标检测识别中的共性技术进行了综述。讨论了红外弱小目标检测中的先检测后跟踪(DBT)和检测前跟踪(TBD)技术,图像配准技术中的图像匹配、全局运动估计与补偿和运动目标检测,弹道终端目标识别中的图像分割和目标要害选取,红外图像仿真中的目标与背景红外辐射、辐射传输等技术,指出提高成像导引头目标检测识别技术和工程化实现是提高成像制导武器性能的关键。     

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.     

一种基于全变分理论的红外背景杂波抑制算法

针对复杂背景下的小目标检测问题,提出基于全变分理论的单帧红外图像空域背景杂波抑制算法.分析红外图像背景抑制的最大后验概率模型,引入全变分的概念作为背景图像的先验信息,描述估计背景的平滑度约束,从而转化为泛函极值问题进行求解.估计背景在满足对观测图像数据依赖的同时,能够保留背景图像的边缘信息,有效降低复杂背景灰度值起伏较大处的虚警.通过仿真实验验证了算法的可行性和有效性,分析结果表明其背景抑制性能较传统算法有较大提高,算法架构适用于大数据图像并行处理的工程实现.     

航天器自主交会对接的高精度目标定位方法

根据航天器自主式交会对接的实际应用背景和技术需求,针对交会对接过程中所要求的高精度、实时性和强抗扰的技术指标,在合作目标特性分析的基础上,将高斯曲面拟合与双线性插值相结合,提出了一种高精度的合作目标定位方法。首先根据目标图像的灰度分布进行双线性插值和高斯曲面拟合,在此过程中可同时利用目标原有像素和插值点的亚像素信息,使拟合曲面各幅值点的坐标精度达到亚像素级,以确定目标的中心位置。仿真图像和实拍图像的试验结果表明,此定位方法具有亚像素级的定位精度,其总体定位误差可达到1/20个像素左右,并能满足实时性要求,可以在航天器交会对接与空间遥操作等方面的应用中发挥重要作用。     

复杂背景中红外弱小目标检测技术研究

对复杂背景中红外弱小目标检测识别的一种图像处理技术进行了研究。用最大中值滤波进行预处理以抑制孤立噪声影响,采用时域方差滤波抑制背景信息,对滤波后的图像根据直方图信息进行自适应二值化处理,由多帧轨迹确定目标。用实验与基于形态学算子滤波的目标检测算法进行了比较,结果表明该算法能获得较满意的目标检测结果,两种滤波方法的组合可有效提高信噪比。     

基于改进式YOLOv2的红外图像目标识别方法

针对智能化导引头信息处理算法设计验证需求，本文对多类型目标、海陆空背景辐射特性数据进一步挖掘，提出引入深度学习算法应用于外场红外数据二次分析挖掘的方法。选择采集得到的包括车、船、无人机(UAVs)、客机等类型的红外数据，针对红外图像与可见光图像不同的成像特性，利用改进式YOLOv2红外目标检测与分类算法，融合多级特征，增加一个重组特征图，实现对红外弱小目标智能化快速分类研究，对提取的海量视频库中的目标红外辐射特征进行分类整理。