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。     

基于空间分布特性多层RX高光谱点目标检测

针对目前高光谱图像异常点目标检测过程中准确率低和虚警率高的问题,本文结合目标的空间分布特性,提出了一种多层级RX检测方法。通过计算被检测区域图像谱向相似性响应图,采用非线性抑制的方法,突出点目标并抑制背景。为进一步提高检测算法的表达能力和泛化性能,采用多级检测器级联的方式,逐层级增强异常点处的相对能量,削弱背景的影响,从而达到较高的检测性能。在外场挂飞试验数据集上进行验证,结果表明:该方法 AUC值达到0.988 1,明显优于CEM算法的0.962 6和传统RX算法的0.939 2。     

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.     

基于增量学习的高光谱图像目标检测

高光谱图像目标检测是高光谱图像分析中的重要研究内容之一。本文从经典有效的约束能量最小化算法出发,提出了一种基于增量学习的高光谱目标检测方法。当获得新的样本时,不需要重新计算所有样本的自相关矩阵即可对检测器模型进行更新,减轻了星上有限计算资源的负担。实验结果表明:本文提出的目标检测算法在压制背景光谱的同时可以更好地适应目标光谱,提高了算法的检测性能。     

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.     

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。     

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。     

基于模糊CFAR的SAR图像非均匀背景目标检测算法

CFAR是目前应用最为广泛且实时有效的SAR图像目标检测算法,在非均匀背景情况下,一般的CFAR检测都会存在大量虚警.引入模糊逻辑的概念,提出了一种非均匀背景的SAR图像模糊CFAR目标检测算法.基于Weibull分布,分别推导出模糊CA-CFAR和模糊OS-CFAR的隶属函数,并根据相应的模糊融合准则进行融合处理,得到模糊CFAR检测器的中心门限.仿真结果表明,模糊CFAR检测算法在非均匀背景的SAR图像目标检测中,具有较高的检测概率,且虚警少,具备一定的实用价值.     

基于偏振信息融合的背景抑制方法评价

与红外强度图像相比,单一的偏振度或偏振角图像在提升图像信杂比方面并无明显优势。为综合利用偏振图像的多维信息进一步提升图像信杂比,在分析典型背景下目标偏振度与偏振角联合分布特性的基础上,以偏振度作为偏振角信息的权值参考,提出了一种基于偏振信息融合的红外图像背景抑制方法,并将其应用于复杂云层或海面背景下的红外目标检测,给出了相应的算法流程。实验结果表明:与红外强度图像相比,所提出的基于偏振信息融合的背景抑制方法能大幅提升图像信杂比。该方法简单有效,易于实现,可应用于基于红外偏振成像的目标探测或精确制导领域。     

对偶空间上的高分辨率遥感影像道路提取

道路目标的提取是遥感领域的重要研究内容。针对背景复杂的高分辨率遥感影像，论文提出一种在对偶卒间榆测道路目标的算法。该算法包含以下步骤：通过投影变换，分别将直线的灰度级标准差及其边缘梯度矢量均值映射到直线方程的对偶空间；在对偶卒间上，根据直线的标准差和边缘梯度矢量的峰谷分布规律检测道路目标；根据已检测的目标位置，用搜索和跟踪的手段提取连接道路网。实验结果表明，本方法能够很好的提取各种明暗度及一定曲度的道路目标。     

航天器碰撞分析方法研究

作为航天器碰撞与规避控制方法研究课题的一部分,为此分别建立了航天器及其它空间目标的轨道确定方法;并在此基础上,提出了可能与航天器碰撞的其它空间编目目标的初选准则和碰撞预报算法。实测数据计算表明,该方法对于航天器轨道设计以及飞行安全性分析等均是实用可行的。     

一种变化检测的新算法

变化检测技术是遥感图像应用中的关键技术之一。在分析变化检测算法的基础上，提出了一种新的变化检测算法，该算法主要由三步组成：差图像的优化获取、变化区域的准确检测、目标阴影的修正。仿真结果表明了本文所提算法对变化目标的检测准确可靠，且对背景有较强的鲁棒性。     

空间目标碰撞概率的等效矩形域快速算法

针对线性相对运动假设下的碰撞概率计算问题,提出了等效矩形域方法。利用该方法将概率积分计算进行近似处理,推导出概率密度积分的解析表达式。针对空间目标误差椭球形状固定的情况,给出了最大碰撞概率的计算方法。对目标在交会时刻相距较远和接近碰撞的情况进行了碰撞概率以及最大碰撞概率计算。通过将计算结果与空间压缩无穷级数法的对比,验证了等效矩形域方法近似计算碰撞概率积分的可靠性,同时对于不同的碰撞概率计算情况,等效矩形域方法显示出更高精确度和更好的估计偏差稳定性。     

复杂背景下目标模板更新算法研究

在匹配跟踪算法中,模板更新策略是跟踪成败的关键。从复杂背景下的目标跟踪出发,指出固定模板和逐帧模板更新的不足之处,介绍几种性能较好的模板更新策略,并在此基础上提出改进的模板更新方法。同时,为了更好地克服背景光照带来的影响,对普通最小平均绝对差值函数MAD(M in imum Absolute D ifference)方法进行了改进。仿真实验结果表明,该算法能克服诸如烟尘干扰、背景光照变化、地貌起伏等不利因素,能在复杂背景中稳定和精确地进行目标跟踪。     

霍尔推力器等离子体羽流粒子模拟

建立了霍尔推力器羽流仿真模型,用单元粒子-直接模拟蒙特卡罗（PIC-DSMC）混合方法对SPT-7推力器的流场进行数值模拟,分析背压、扩张角和电子温度对流场的影响。结果表明：背压粒子增加了回流区内离子和高速粒子,加重羽流污染。SPT-70推力器羽流出口处扩张角约为30°。实验数据验证了仿真模型的正确和方法的可行,对电推力器及其羽流污染等的研究有一定的参考价值。     

基于稀疏重构的杂波环境下红外图像空间邻近目标超分辨方法

基于稀疏重构的超分辨方法是应对空间邻近目标的有效方法之一,但是当目标处于杂波环境下时,杂波会布满在整个视场范围内,导致场景原有的稀疏性被破坏。针对这一现象提出了一种在杂波环境下的超分辨方法。该方法充分利用了传感器的结构特性以及重构算法中的参数,通过建立观测信号的红外成像模型并利用像元网格划分的方式,建立空间邻近目标群的位置和幅度信号的稀疏表示,并利用其光学系统的点扩散函数来构造超完备字典,最后通过控制重构场景中非零元素的个数比例来使重构参数处于一个合理的区间范围,以此来达到去除杂波干扰并准确重建稀疏目标的目的。     

基于改进遗传算法的波达角估计

利用线阵进行波达角估计的常用方法是长短基线配合测向,但是短基线长度往往达不到理论要求值,必须采用其他手段对测相数据进行处理.将遗传算法引入波达角估计运算,并进行了改进,将各条基线对应的相位差模糊数作为解空间的二进制编码对象,既简单易行,又不会受到二进制编码精度较低的影响.整个算法取得了较好的效果,能够较准确地估计各基线对应的相位差模糊数.     

一种结合亮温图像和子空间分解的RFI定位算法

射频干扰(radio frequency interference, RFI) 对L波段综合孔径辐射计遥感数据造成了严重污染,降低了产品质量。RFI检测定位是处理RFI的关键步骤。传统的基于亮温图像的定位算法受到仪器角分辨率的限制,无法有效分离相邻的RFI。为了实现更高的空间分辨率,基于子空间分解技术的多信号分类(multiple signal classification, MUSIC)算法被提出。然而,当亮温图像的信噪比较低时,背景和噪声对子空间分解的准确性影响较大,进而降低了MUSIC算法的定位性能。文章通过结合亮温图像和子空间分解两种方法的优点,提出了一种融合改进定位方法。该方法通过在亮温图像域中消除背景场景、增强目标射频干扰,2次提高了图像信噪比,在频域中,利用子空间分解和MUSIC算法实现超分辨率和高精度定位。通过对土壤湿度和海洋盐度（soil moisture and ocean salinity, SMOS）卫星数据进行实验和仿真验证,证明了文章提出的方法在低信噪比情况下优于传统的MUSIC算法和基于亮温的定位算法。此外,在对多个弱RFI源的定位上,该方法的定位精度也优于基于点源波纹的弱RFI检测定位算法。