基于多特征差异检测与联合控制映射的红外图像选择加密算法

为了实现对红外图像的选择性加密,提出了基于多特征差异检测与联合控制映射的红外图像选择算法。引入分段正弦变换,将输出图像分割为3个不同的区域,对每个区域完成不同的拉伸变换,完成初始红外图像的增强,凸显真实红外目标;再利用增强图像中目标与背景的灰度差异,从而设计目标决策因子,并分割Top-Hat变换的结构元素,构建红外背景抑制机制,过滤杂波与噪声;利用灰度水平、对比度与相似度,建立多特征差异检测模型,提取包含真实目标与可疑目标的感兴趣区域;以Logistic映射为控制条件,综合Tent映射与Chebyshev映射,设计联合控制混沌映射,利用其输出的混合随机序列对感兴趣区域进行置乱;引入引力模型,对混淆的感兴趣区域内的像素进行扩散,完成红外目标选择加密。实验结果显示:与已有的图像局部加密机制相比,该文算法输出密文信息熵值达到了7.982 6,能够更好地用于红外图像局部选择性加密。     

基于混合高斯模型的运动目标检测方法研究

为了能够及时检测到图像场景中的运动目标,提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合,进行了背景估计和自适应背景更新;通过对背景差分后的图像进行多目标分割,进行了多个运动目标的检测。实验发现:随着图像序列的背景不断变化,基于混合高斯模型算法能够准确估计出变化的背景,通过将场景图像和背景图像进行差分,检测到感兴趣的运动目标。     

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.     

一种基于知识模型的红外目标检测方法

针对电厂冷却塔这类具有特殊建筑规范的典型目标,在分析目标红外特性与形状特性的基础上,提出了一种基于知识模型的红外目标检测方法.首先根据冷却塔目标的红外特性,提取图像的亮度、方向和局部熵特征,采用视觉注意模型提取红外图像中的显著区域,作为待检测目标的感兴趣区域;在此基础上,根据冷却塔目标的形状特性建立双曲线形状模型,在感兴趣区内进行结构特征边缘提取和形状模型拟合,构建相关判定准则检测出目标.在一组机载前视红外图像上的实验结果表明,该方法可以达到98.67％的查全率和93.97％的查准率,具有较好的目标检测效果.由于本文方法不需要基准图的参与,降低了对数据保障的要求,因此具有较大的实用性.     

一种基于形状的红外图像泄漏气体检测方法

针对工业生产中泄漏气体导致的爆炸和火灾问题, 提出一种基于形状和SVM分类的红外图像泄漏气体检测方法。采用泄漏气体和干扰物红外图像样本的形状特征训练SVM分类器, 通过对红外图像序列采用基于背景差分的运动检测得到候选目标区域, 再对候选目标区域提取其形状特征, 最后使用SVM分类器进行判别, 从而得到最终的检测结果。使用乙烯气体泄漏仿真数据进行实验, 检测率最高可达98%, 结果表明, 采用该方法可以有效检测泄漏气体, 相比其他方法, 极大地减少了干扰物造成的误检。     

基于免疫模板聚类的模糊中波红外图像目标提取

借鉴生物先天性免疫与适应性免疫的协调作用机制,综合考虑中波红外图像的光谱成像机理和频域模板统计特征,提出一种免疫模板聚类目标提取算法。借鉴先天性免疫对抗原表面分子模式的识别作用,以最大类间方差,将模糊中波红外图像初分割为目标像素集、背景像素集和模糊像素集;借鉴先天性免疫的特征提呈作用,提取中波红外图像模糊像素的频域模板特征,将图像的像素灰度特征空间映射为频域模板特征空间;基于提呈得到的模板特征,对模糊像素集进行适应性免疫聚类,将模糊像素划分为目标像素或背景像素。用手部痕迹的模糊中波红外图像进行实验,并与经典边缘检测模板法和传统区域模板法进行了效果比较和定量评价,结果表明免疫模板聚类算法的目标提取率、与参考标准的重合度、绝对误差率均优于现有模板方法,能够有效实现模糊中波红外图像的目标提取。     

基于时空非局部相似性的海上红外弱小目标检测

为了消除海上红外弱小目标检测中图像背景杂波和噪声的影响,提出了一种基于时空非局部相似性的红外图像弱小目标检测方法.该方法充分利用了相邻帧的红外图像序列间海面背景图像块的非局部自相关特性以及每帧内非局部背景图像块间的相似特性,并引入时空域图像块模型,该模型可利用加速近端梯度方法来有效求解.实验结果表明,与传统的红外弱小目标检测方法相比,所提方法不仅能更有效地保留目标的特征信息,还能使红外图像的峰值信噪比提高1.2倍以上,信杂比提高1.8倍以上.     

融合视觉显著性和局部熵的红外弱小目标检测

针对红外图像中弱小目标检测虚警率高、实时性差的问题,提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法.该方法将红外弱小目标的检测问题由粗到精分步实现,首先利用融合局部熵的方法提取包含目标的感兴趣区域,对红外弱小目标实现粗定位.然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度,获得感兴趣区域的显著图.最...     

多波段红外图像的海面舰船目标检测

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1-5分别为3.7～4.8,3.7～4.1,4.4～4.8,3.7～3.9和4.65～4.75 μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。     

基于全变差的弱小目标背景抑制

结构化背景抑制是红外弱小目标检测技术的一个难题。根据红外图像中目标和背景信号的特性,在定义Gabor函数为点扩展函数的基础上,提出了一种基于全变差滤波的背景抑制算法,该算法将图像的背景抑制转化为求解全变差滤波模型最小化,以便最终实现对红外图像的背景抑制。对真实的红外图像序列进行实验,并与小波域滤波算法进行了比较。几组实验结果表明,对在结构化背景下的红外弱小目标背景来说,从主观视觉和数值指标来看,该算法具有良好的抑制效果,且运算量较小,便于实时实现。     

Infrared moving object detection based on local saliency and sparse representation

The key issue of infrared object detection is to locate moving object in image sequence. In order to improve detection precision, an infrared object detection method based on local saliency and sparse representation is proposed in this paper. Motion information, such as velocity, acceleration components are added into the eigenvectors to build local saliency model. And the approximate position of the infrared target is located based on the local saliency. To accurately extract the infrared object, sparse representation is used to capture complete edge of the object. Experiments show that the proposed method can accurately detect infrared moving objects, and has good robustness to external disturbances and dynamic background.     

一种红外搜索系统中弱小目标自适应检测算法

为解决红外搜索系统中场景起伏造成的背景预测不准确这一问题,提出了一种自适应调整的空间滤波方法。该算法在估计背景的同时,对背景残差进行计算,根据残差值调整滤波参数,使背景残差趋于最小,以适应背景的起伏。当背景包含较多复杂因素时,不利于目标提取,多尺度形态学算子通过不同尺度不同形态的结构体参与计算,可以全面地估计背景,进一步抑制背景残差,再通过计算图像全局阈值,自适应分割出潜在目标。采用并行运算,可将算法实现于现场可编程器件(FPGA)上。试验结果表明:即使当场景较复杂,场景信噪比较低时,依然可以使处理后的图像信噪比大于3,从而可显著提高红外搜索系统的检测概率,实现弱小目标的检测。     

序列图像中运动目标的自动提取方法

针对目标检测与跟踪领域中的运动目标自动提取问题,提出了一种新的运动目标自动提取方法.利用已有的图像帧滤波后初始化背景,并在运动目标检测过程中,利用检测结果,不断地自动更新背景.使用背景差法检测运动区域,并对差分图像进行动态阈值分割,以及边缘链接,使其边缘处于基本连续状态.在得到的二值图上,提取轮廓,并根据目标大小选择面积阈值,剔除由于噪音或者背景提取不干净造成的虚假轮廓,将得到的轮廓掩模图像与原图像做逻辑与运算,提取出目标.实验结果表明,该方法可以有效地提取出刚体或非刚体运动目标.     

Small object detection in forward-looking infrared images with sea clutter using context-driven Bayesian saliency model

There are two common challenges for small object detection in forward-looking infrared (FLIR) images with sea clutter, namely, detection ambiguity and scale variance. This paper presents a context-driven Bayesian saliency model to deal with these two issues. By inspecting the camera geometry of the FLIR imaging under the background of sea and sky, we observed that there exists dependency relationship between the locations and scales at which objects may occur, and the context which is defined to be the location of horizon line. Based on this observation, we propose to incorporate contextual information into the basic bottom-up saliency computation, and a unified Bayesian model is developed to achieve this goal. The proposed model is generic and can be potentially applied to other circumstances where context is available for facilitating object detection. Experimental results have demonstrated the effectiveness of our method.     

一种边缘和过渡区域相结合的红外目标提取方法

传统的基于过渡区域提取的目标分割算法存在噪声敏感问题,从而会影响到过渡区域提取的准确性。与可见光图像相比,红外图像特别是红外光谱图像,受到探测器无法消除的热噪声影响,传统的目标提取算法准确率普遍降低。此外,虽然通过边缘能够精确定位目标,但是无法获取目标完整边缘。而过渡区域的灰度分布特点是可以解决基于边缘的目标提取难题。因此为了提高目标提取的抗噪性和准确性,提出了一种将过渡区域提取与边缘检测结合的自适应红外目标提取方法。首先利用像元空间邻域信息构造密度,以此有效降低噪声影响和获取图像边缘信息。然后基于像元密度信息最大分离目标边缘与背景,得到有效边缘和过渡区域,进而以此生长出目标。将边缘与过渡区域结合,可以很好地抑制噪声,多幅复杂场景实验评估了该方法的抗噪性能,结果显示,提出的方法在噪声的干扰下能较好的提取目标。     

各向异性的红外背景预测方法

为了减少红外图像中起伏背景对弱小目标检测的影响,提出一种各向异性的红外背景预测方法。根据红外图像目标区域和平稳背景区域、起伏背景区域的局部梯度特性的差异,引入各向异性微分的思想,并将其边缘停止函数改进为方向梯度值的递增函数,然后用边缘停止函数最小两个方向值的均值作为背景预测值,实现了对不同方向特性背景区域的差异化预测。仿真实验表明,该算法选择性地保留了红外图像的平稳背景和起伏背景区域,达到了良好的背景预测效果。     

Adaptive contour-based statistical background subtraction method for moving target detection in infrared video sequences

A robust contour-based statistical background subtraction method for detection of non-uniform thermal targets in infrared imagery is presented. The foremost step of the method comprises of generation of background frame using statistical information of an initial set of frames not containing any targets. The generated background frame is made adaptive by continuously updating the background using the motion information of the scene. The background subtraction method followed by a clutter rejection stage ensure the detection of foreground objects. The next step comprises of detection of contours and distinguishing the target boundaries from the noisy background. This is achieved by using the Canny edge detector that extracts the contours followed by a k-means clustering approach to differentiate the object contour from the background contours. The post processing step comprises of morphological edge linking approach to close any broken contours and finally flood fill is performed to generate the silhouettes of moving targets. This method is validated on infrared video data consisting of a variety of moving targets. Experimental results demonstrate a high detection rate with minimal false alarms establishing the robustness of the proposed method.