基于局部均值差分的红外小目标图像背景抑制算法

复杂背景条件下红外小目标检测是提高红外武器系统探测距离的有效措施之一。针对小目标的特点提出了一种基于局部均值差分的红外小目标图像背景抑制算法。首先,通过优化的高通滤波进行初始背景抑制;然后,在分析小目标与背景像素差异的基础上检测目标潜在区域;最后,通过局部分割和特征分析实现抑制背景并增强目标。仿真结果表明,对于复杂地物及云层背景的红外图像,所提算法在提高目标信噪比及对比度方面均有较强的稳定性。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

基于约束序贯M估计的时空域融合红外杂波抑制

针对红外弱小目标检测中的强背景杂波干扰抑制问题进行研究,提出了一种基于参数约束序贯M估计的时空域融合自适应杂波抑制算法.该算法首先在分析序列图像帧间失配的基础上建立了一种改进的时空域融合背景预测模型,结合二维离散傅里叶快速变换图像配准和双线性插值方法进行灰度值估计;然后,基于约束序贯M估计方法进行模型参数的自适应估计,...     

基于关键点检测的红外弱小目标检测

红外弱小目标检测旨在从复杂的背景中检测出红外弱小目标，该技术在监视预警系统、精确制导等方面具有重要应用价值。针对已有的传统算法存在漏检、误检，深度学习中基于语义分割的检测方法易受“过分割”与“欠分割”影响等问题，提出了一种基于关键点检测的红外弱小目标检测算法（KeypointNet）。主要创新点为：直接优化目标中心点坐标，提高了检测效率，有效地保证了目标的检测率与虚警率；设计了一种从低层级到高层级的特征融合模块，获取了目标的多尺度信息，提升了检测效果。在相关数据集上的实验表明：KeypointNet算法的检测率能够达到97.58%，同时虚警率在2%以下，与其他算法相比取得了最好的效果。     

天基预警系统弱小目标检测技术研究

为了确保天基预警系统的探测能力,要求系统具有很强的弱信号目标检测与识别能力和实时预警能力。为了能够在复杂云层背景条件下,快速实时有效地检测出红外图像中的弱目标,本文提出了采用基于广义最大似然比准则的弱目标检测算法。通过实验验证,该算法能有效克服云层背景的影响,在目标信噪比很低的情况下可靠检测目标。     

红外目标与环境的视景重建技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题,提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程.基于数学形态学理论实现了图像背景感知的应用研究算法.实验测评表明,该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力     

低信噪比图像目标检测技术研究——Ⅰ.数据流程与背景感知

提出了一种将背景区域感知与目标特征分析相结合的自动提取图像目标的层次化数据处理流程;探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法。实验测评表明,形态滤波算法对背景的自适应感知能力强,能真实贴切地反映图像背景的起伏变化规律。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

低信噪比图像目标检测技术研究——I．数据流程与背景感知

提出了一种将背景区域感知与目标特征分析相结合的自动提取图像目标的层次化数据处理流程：探讨了线性预测估计和非线性均值滤波两种常用背号估计技术和自适应空间滤波的形态学背景感知方法。实验测评表明，形态滤波算法对背景的自适应感知能力强，能真实贴切地反映图像背景的起伏变化规律。     

一种基于红外图像的目标自动识别算法

红外成像制导具有在各种复杂战术环境下自主搜索、捕获、识别和跟踪目标的能力,代表了当代红外制导技术的发展趋势。提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换、形态学方法对红外图像进行预处理,提取不同频带的惯性不变矩作为特征量,利用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值。     

Detecting small moving objects using temporal hypothesis testing

This paper addresses the problem of detecting small, moving, low amplitude objects in image sequences that also contain moving nuisance objects and background noise. We formulate this problem in the context of a hypothesis testing procedure on individual pixel temporal profiles, leading to a computationally efficient statistical test. The technique assumes we have reasonable deterministic and statistical models for the temporal behavior of the background noise, target, and clutter, on a single pixel basis. Based on these models we develop a generalized likelihood ratio test (GLRT) and perfect measurement performance analysis, and present the resulting decision rule. We also propose a parameter estimation technique and compare its performance to the Cramer Rao bound (CRB). We demonstrate the effectiveness of the technique by applying the resulting algorithm to real world infrared (IR) image sequences containing targets of opportunity. The approach could also be applicable to other image sequence processing scenarios, using acquisition systems besides IR imaging, such as detection of small moving objects or structures in a biomedical or biological imaging scenario, or the detection of satellites, meteors or other celestial bodies in night sky imagery acquired using a telescope     

Infrared Systems: I. Accuracy of Angle Measurement

In this paper expressions are derived for the error in position measurement for the problem of estimating the position of an infrared target in a random background and the combined prob lem when white detector noise is also affecting the estimation. Space filters performing linear scanning, nutation, and rotation are considered. A linear scanning infrared system is then considered in greater detail. The noise on the error signal is calculated, taking into account both the estimation error, as discussed in the first part, and "false alarms" occurring in the scan area far from the target.     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果。算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM-IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10%和23%。     

一种基于高阶统计量的SAR图像自聚焦算法

 提出了一种基于高阶统计量分析的相位误差估计算法,用于SAR 图像自聚焦。该算法从复图像域出发,通过循环移位及加窗处理孤立强点目标,利用高阶累积量对高斯噪声的抑制能力,在距离压缩相位历史域估计相位误差。由于避免了对加性噪声及干扰很敏感的差分运算,相位误差的估计结果有很好的鲁棒性。仿真及实测数据的处理结果证明了该算法的可行性。     

一种新的红外背景抑制滤波算法

结合保护带和Dempster-Shafer(D-S)证据理论,提出了一种新的红外背景抑制滤波算法。首先分析了小目标的特性,论证了小目标在局部背景中呈现出极值性的条件和可能性,并在此基础上采用D-S证据理论计算最佳滤波尺寸。然后在最佳滤波尺寸下,根据保护带的思想进行背景抑制滤波,该算法能够适用不同尺寸的小目标。以全局信噪比增益、局部信噪比增益和背景抑制系数作为算法性能评价标准,实验结果表明,在低信噪比的情况下该算法对典型的不同红外背景具有良好的适用性,能够有效地抑制红外背景并增强目标信息。     

基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。     

Efficient fault tolerant estimation using the IMM methodology

Space systems are characterized by a low-intensity process noise resulting from uncertain forces and moments. In many cases, their scalar measurement channels can be assumed to be independent, with one-dimensional internal dynamics. The nominal operation of these systems can be severely damaged by faults in the sensors. A natural method that can be used to yield fault tolerant estimates of such systems is the interacting multiple model (IMM) filtering algorithm, which is known to provide very accurate results. However, having been derived for a general class of systems with switching parameters, the IMM filter does not utilize the independence of the measurement errors in different channels, nor does it exploit the fact that the process noise is of low intensity. Thus, the implementation of the IMM in this case is computationally expensive. A new estimation technique is proposed herein, that explicitly utilizes the aforementioned properties. In the resulting estimation scheme separate measurement channels are handled separately, thus reducing the computational complexity. It is shown that, whereas the IMM complexity is exponential in the number of fault-prone measurements, the complexity of the proposed technique is polynomial. A simulation study involving spacecraft attitude estimation is carried out. This study shows that the proposed technique closely approximates the full-blown IMM algorithm, while requiring only a modest fraction of the computational cost.     

一种IRST双机协同被动探测机动目标定位新方法

针对红外搜索跟踪系统（IRST）双机协同被动探测定位作战使用中，机动目标建模与实际运动失配造成定位误差偏大的问题，研究了一种基于曲线模型的自适应滤波新方法。该方法改进了传统方法根据方向角估计转弯率以及基于帧间插分线加速度估计切向加速度的思路，将转弯率及线加速度联合作为状态变量进行了状态扩维，并推导了扩维后的过程噪声协方差表达式，在缓解传统两层滤波结构带来的计算量大问题外，也提高了切向加速度的估计精度。另外基于反正切函数的值域，结合方向角在四象限间的转移关系，优化了方向角的设计。通过IRST双机协同仿真实例，验证了所提方法对机动目标的适应性更强、目标定位精度更高。