多尺度各向异性扩散方程的红外弱小目标检测算法

针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果.     

各向异性SUSAN滤波红外弱小目标检测

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题,采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值,从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中,实验结果表明:各向异性SUSAN滤波器能够很好地保留图像中的边缘信息,使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高,目标大小得到较好的保留,虚警率下降。     

采用视觉细胞响应模型的小目标复杂背景抑制

为了提高地面和云层等红外复杂背景下弱小目标的检测性能,提出了一种基于视觉细胞响应模型的红外弱小目标背景抑制新方法.首先利用简单细胞的感受野计算模型将原始图像采用Gabor函数卷积获得相同大小的两幅图像|然后采用设计的复杂细胞响应的非线性汇聚策略函数对获得的两幅图像进行融合处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的|最后采用自适应阈值分割技术得到目标点,实现了对红外弱小目标的检测跟踪.实验结果显示,与去局部均值和最大中值滤波两种滤波方法相比较,该方法能有效地检测出信杂比较低的弱小目标信号.     

红外图像的各向异性分段高斯滤波

提出了一种各向异性分段高斯滤波,这种方法除了考虑图像的尺度和方向特性外,还根据边缘区域可分特性,使用了分段滤波的方法来进一步解决边缘保持的问题.该方法通过本文所提出的一种图像噪音方差估计模型来确定图像的基准尺度,并由Hermite变换得到其方向角,然后再通过确定高斯模型的轴向比和自适应尺度,使对选择区域的滤波转变为对分段高斯模型的滤波,从而使计算的可靠性得到增强.从仿真结果可以看出,各向异性分段高斯滤波器在噪音去除和边缘保持的综合性能上要优于其他常用的滤波算法.     

基于频域映射与多尺度Top-Hat变换的红外弱小目标检测算法

提出了基于频域映射与多尺度Top-Hat变换的红外弱小目标检测算法。通过分割经典Top-Hat的单一结构元素,获得多尺度膨胀结构元素,对红外弱小目标进行增强,有效抑制杂波与噪声背景;基于Butterworth低通滤波与截止频率,构建Butterworth差异带通滤波,联合Fourier变换,建立粗显著性检测机制,通过提取其幅度与相位频谱,基于2D高斯平滑滤波,定义细显著性检测机制,在频域中凸显弱小目标,并将红外目标的空间与强度相关性作为识别标准,精确定位候选目标;根据红外目标运动与虚警的速度差异特征,定义弱小目标连续帧速度模型,在帧间充分抑制候选区域中的虚假目标,检测出完整的弱小目标。实验结果显示:与当前红外弱小目标检测技术相比,面对复杂背景干扰,提出的算法具有更高的检测精度,可精确定位出完整的弱小目标,呈现出更好的ROC特性曲线。     

基于引导滤波和分块自适应阈值的单帧红外弱小目标检测

为了在有效地检测复杂场景下红外弱小目标的同时保持较低虚警率,在满足算法实现实时性的前提下,提出一种基于引导滤波和分块自适应阈值的单帧红外弱小目标检测。首先,为缓解边缘杂波干扰,采用具有保边特性的引导滤波对图像进行背景估计;然后,利用弱小目标具备的局部灰度最大特性,提出基于软阈值非极大值抑制的九宫格滤波计算目标的概率。通过加权的方式进一步剔除背景,抑制结果中不满足目标特性的区域;最后,针对复杂场景目标检测虚警率和漏检率高的问题,提出一种分块自适应阈值分割方法提取候选目标。实验结果表明,在公开数据集上与Top-Hat、LCM和Max-Median等经典方法相比,所提方法性能优于其他方法,恒虚警下不同复杂度场景的召回率分别达到87.97%、84.93%和86.22%,可有效抑制背景,增强目标信号,提高红外弱小目标检测的召回率,且具有更好的场景鲁棒性。     

红外搜索系统中弱小目标检测算法研究

 复杂背景下低信噪比弱小目标的检测是红外搜索系统中的重点和难点,为解决红外搜索系统中杂波干扰多、目标信噪比低等问题,提出一种模板匹配滤波的目标检测方法。该算法在预测背景的同时,通过对图像背景灰度值进行动态的阈值处理,自适应地进行背景抑制。当背景包含较多复杂因素时,采用模板匹配滤波的目标检测方法,消除背景抑制后的残留杂波,实现弱小目标的提取。试验结果表明：当场景较复杂且图像信噪比较低时,使用该算法处理后可使图像信噪比达到4 dB以上,从而提高了弱小目标的检测概率。     

基于背景最佳滤波尺度的红外图像复杂度评价准则

提出一种基于背景最佳滤波尺度的红外图像复杂度评价准则来解决传统方法评价背景效果较差的问题. 同时, 这种方法还可以为红外图像滤波提供最佳高通滤波尺度信息, 从而对红外图像进行性能最佳滤波. 首先, 生成高斯仿真目标并与红外图像进行融合, 获得包含仿真目标及真实红外背景的图像. 然后, 在不同高斯滤波尺度下对图像滤波, 并计算滤波后仿真目标的信噪比. 最后, 取滤波后目标信噪比最大时的滤波尺度作为背景最佳滤波尺度, 使用该尺度可评价红外图像的复杂度. 另外, 本文还使用数学模型推导了红外图像最佳滤波尺度, 得出最佳滤波尺度的数学表达式. 大量实验表明: 1) 本文推导的最佳滤波尺度数学表达式与实验曲线吻合. 2) 这种方法在评价红外图像复杂度方面比传统的基于信息熵的方法效果要好很多. 并且这种方法获取的红外背景复杂度为滤波最佳尺度, 可以直接利用这项指标对图像进行最佳滤波从而更好地检测弱小目标. 3) 仿真目标尺度越大, 最佳滤波尺度也会相应增大. 因此, 在评价图像复杂度时, 应使用相同尺度的仿真目标, 不同图像之间才具备可比性. 同时, 最佳滤波尺度与仿真目标的强度无关. 4) 本文算法使用的滤波器宜用高斯及Butterworth高通滤波器实现. 5) 本文提出的方法不仅可以有效分析红外视频的复杂度, 并且可以通过复杂度的变化分析图像内容的突变.     

基于改进的剪切波变换和引导滤波的红外弱小目标背景抑制方法

由于传统的背景抑制方法没有充分利用信号的方向信息,使其不能有效区分背景边缘和红外弱小目标,从而造成背景抑制结果中有较多的背景泄露.针对上述问题,本文利用改进的剪切波变换和引导滤波,提出了一种新的背景抑制方法.首先,采用改进的剪切波变换对红外弱小目标图像进行多尺度和多方向分解,将图像分解得到不同的高频子带系数和低频子带系数;其次,利用目标信号与边缘在方向上的差异,采用自适应引导滤波对高频子带系数进行处理;再次,对分解后的低频子带系数和处理后的高频子带系数进行改进的剪切波逆变换,得到预测的背景图像;最后,将原图像与背景预测图像相减获得背景抑制且目标增强的红外图像.为了验证本文方法的有效性,采用多组实验对其进行验证,并与经典的Max-Median、TDLMS和Top-hat等方法作比较.多组实验结果均表明本文方法在主观视觉和客观评价指标方面均优于其它三种经典方法,可有效提高红外搜索跟踪系统对红外弱小目标的探测概率.     

基于视觉注意机制的红外弱小目标检测

为了提升基于人类视觉系统检测方法的检测率、检测速度和场景适应能力,构建了一个多场景红外弱小目标数据集,提出了一种基于视觉注意机制的红外弱小目标检测算法。从自底向上的机制出发,提出多尺度灰度-方差估计,快速计算显著图并估计出最优目标尺寸,使用基于加速分割测试特征的角点检测算法快速提取候选目标,并引入非极大值抑制去除冗余。从自顶向下的机制出发,结合生物侧抑制理论与余弦相似度,提出了软竞争模糊自适应共振网络,并设计一个特征集对目标进行描述。最后,使用网络训练所得模型完成对候选目标的识别。实验结果表明:与5种代表性基于人类视觉系统的方法相比,本文方法具有更高的检测概率和更快的检测速度,且在不同场景的性能更具稳定性。     

循环侧抑制网络的红外图像预处理FPGA实现研究

在红外成像预处理中,循环侧抑制网络具有很好的增强图像边缘反差、突出边框的功能。由于循环侧抑制网络处理运算的复杂性,如何实时实现循环侧抑制网络的红外图像预处理成为关键问题。根据简化的循环侧抑制网络处理算法,并结合硬件计算特点,提出一种适合于硬件实现循环侧抑制网络的并行处理结构,采用流水线设计方式在FPGA中实时实现。试验证明：该算法在FPGA内具有与视频流同步的实时性,达到了增强反差、突出边框的效果。用于图像目标实时跟踪系统时,极大地提高了目标的跟踪精度和稳定性。     

基于形态学带通滤波和尺度空间理论的红外弱小目标检测

针对复杂背景下的红外弱小目标检测问题,提出了一种基于形态学带通滤波和尺度空间理论的红外弱小目标检测算法。采用形态学带通滤波对红外图像进行预处理,得到红外弱小目标的潜在区域;利用高斯差分算子获得预处理后的红外图像的尺度空间,并通过尺度空间的极大值检测获得候选目标的位置和尺度;通过对候选目标的信杂比进行阈值化实现红外弱小目标的检测。实验结果和现有方法的对比证明了算法的有效性和稳健性。     

多维特征点空间的红外弱小目标检测方法

将人工智能算法引入目标检测，空间红外弱小目标的检测也可归为模糊检测的二分类问题。依据空中红外弱小目标的探测模型，建立了信号电压比光谱模型，仿真分析表明电压比变化趋势与目标的速度、姿态和两机态势有关，可用以检测目标。采用动态特征构建理论，构建了红外弱小目标的双色比特征空间，基于该特征空间，优化最小二乘分类算法，用于从光谱信号层级检测目标。该方法不仅缩小了样本数据量，而且防止了高斯核函数参数选择引起的“过拟合”现象，既保证了分类精度，又使分类速率提高近1倍，为人工智能算法用于红外弱小目标检测提供了参考依据。     

接收机工作特性曲线在红外成像系统检测性能评估中的应用

提出了一种红外弱小目标检测算法性能评估的方法。该方法通过假设的数学模型给出了评价指标的理论推导过程,得到了虚警概率与检测门限,检测概率与信噪比之间的关系,绘出了接收机工作特性（ROC）曲线。同时,给出了在目标与背景分布函数未知的情况下,利用红外图像序列绘出ROC曲线来评估算法的检测性能。利用该方法得到了四种典型的弱小目标检测算法的ROC曲线,比较了四种算法的检测性能。     

Image enhancement algorithm based on improved lateral inhibition network

There is often substantial noise and blurred details in the images captured by cameras. To solve this problem, we propose a novel image enhancement algorithm combined with an improved lateral inhibition network. Firstly, we built a mathematical model of a lateral inhibition network in conjunction with biological visual perception; this model helped to realize enhanced contrast and improved edge definition in images. Secondly, we proposed that the adaptive lateral inhibition coefficient adhere to an exponential distribution thus making the model more flexible and more universal. Finally, we added median filtering and a compensation measure factor to build the framework with high pass filtering functionality thus eliminating image noise and improving edge contrast, addressing problems with blurred image edges. Our experimental results show that our algorithm is able to eliminate noise and the blurring phenomena, and enhance the details of visible and infrared images.     

改进的非下采样Contourlet变形红外弱小目标检测方法

针对存在复杂背景干扰和噪声的红外图像弱小目标检测问题,提出了一种非下采样Contourlet变换（NSCT）的改进的红外弱小目标检测方法。首先对含弱小目标的红外图像进行预处理,然后利用NSCT进行变换,并利用改进的非线性映射函数和能量交叉融合相结合的方法实现了背景杂波的抑制,最后引入Otsu算法进行阈值分割分离出红外弱小目标。通过与同类弱小目标检测算法的对比实验,验证了该方法的有效性。     

基于局部纹理分析的红外小目标检测及其DSP实现

在红外小目标图像中,目标具有与其邻域背景明显不同的纹理和频率特征,在不同尺度和不同频率通道上有不同的表现,利用小波的多尺度分析理论,可将小目标与其邻域背景区分开。采用适合在低信噪比下小目标检测的局部纹理分析方法实现了小目标检测。为了满足红外小目标检测的实时性要求,采用TI公司的高性能数字多媒体DSP芯片实现了小目标检测系统。通过软件程序的优化设计来进一步提高程序运行速度与流水效率,具有良好的软硬件体系结构。通过对实测红外序列图像进行实验表明,所设计的系统能实时地、稳定地检测复杂背景下的1~3个像素的运动小目标。     

基于多小波分析和数据拟合的小目标跟踪方法

针对红外序列图像弱小目标的跟踪问题,提出了将多小波分析与数据拟合结合起来的小目标跟踪方法。利用对多小波分析进行目标奇异性的检测,得到了可能的点目标利用数据拟合方法在连续多帧内对每组可能点数据进行拟合,根据运动目标轨迹特性判断出真实目标,进而进行跟踪。仿真试验表明,该方法能有效地实现低信噪比下的小目标稳定跟踪.     

基于光流直方图的云背景下低帧频小目标探测方法

对低帧频、云层背景下,低信噪比的弱点目标探测率降低的问题.提出了光流直方图(OFH)的定义.并且给出了OFH的性质.分析了低帧频下红外图像探测弱点目标时探测率降低的原凶,提出了一种基于OFH背景补偿的红外点目标探测算法.利用OFH得到背景的运动欠量.进行运动背景补偿;然后利用目标与云层运动差异性,得到帧间比较结果,并对比较结果通过Robinson滤波器进一步滤除残留的边缘,达到降低虚警的目的.实验结果表明,该算法中以显著提高往复杂背景下红外点目标检测概率,并凡能够探测出信噪比为1的目标.