基于脑模型控制器的红外背景预测算法

在分析云背景红外图像空间分布上存在混沌现象的基础上,提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点,对云背景图像进行预测,并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明,该算法能有效地提高云背景的预测准确度,预测残差符合白噪音特性,对云背景杂波具有良好的抑制效果,能显著提高目标的信杂比,从而改善目标的检测性能.     

基于非参数背景抑制的弱小目标管线法检测

介绍了一种红外图像背景抑制的非参数方法(E_kernel)。提出了一种弱小目标的管线检测算法。E_kernel方法不同于传统的线性或非线性背景预测,它对背景杂波分布的统计特性不敏感,受其影响较小,具有非参数特性。管线检测算法对序列图像做若干相同的顺序处理,采用并行分布式计算,处理时间短。仿真试验表明,该算法能有效地检测出低信噪比红外序列图像中的弱小目标的运动轨迹,具有较高的实时性。     

基于波原子变换的红外复杂背景杂波抑制算法

针对红外图像弱小目标检测技术中复杂背景杂波干扰问题,提出了一种基于波原子变换的红外图像背景抑制算法。首先,采用波原子变换对图像进行多尺度和多方向分解,获得原始图像的多尺度和多方向细节特征;然后,根据目标和背景杂波信号的差异,通过频域变换设计的系数调整函数修正经波原子变换后各子带系数,再经波原子逆变换重构得到估计的背景图像;最后,将其与原始图像相减获得背景杂波抑制后的图像。用真实的红外图像序列进行实验,结果显示,与最大中值和小波变换两种算法相比,该算法能有效地抑制红外弱小目标复杂背景杂波,突出目标信号,提高信杂比,具有良好的背景抑制性能。     

最大化背景模型用于检测红外图像中的弱小目标

提出一种基于最大化背景模型的背景预测算法,用于红外弱小目标检测.算法通过"区域最大化背景模型",来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的.算法适用于强对比度云层的空背景、具有人造干扰物的背景和空地背景的红外图像中,具有较强的抗噪音特性,是背景预测算法的一个重要扩展.针对实际红外图像的试验仿真表明,提出的算法是有效的.     

红外小目标图像的背景杂波量化方法

分析了背景杂波对红外小目标检测的影响,研究了一种针对红外小目标图像的背景杂波定量描述方法.提出了背景杂波定量描述方法需要满足的三个条件:与主观判断的结果一致、对于不同的红外图像具有适应性和能够辅助改进目标检测算法.综合考虑了目标与背景的特征,融合了4种特征,提出了一种新的红外背景杂波量化方法.首先采用支持向量机对背景杂...     

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.     

红外装甲目标检测中背景抑制技术研究

鉴于红外装甲目标检测中红外图像对比度低、背景复杂,导致图像的信噪比低而难于进行目标的检测,提出一种基于小波和改进的分形理论相结合的背景抑制方法。针对红外图像呈现的相关性强的特点,利用小波分析将图像中的低频缓变背景滤除,得到包含目标和强边缘杂波的图像;又由于目标分形维数对尺度的敏感程度高于边缘杂波的分形维数,提出通过计算图像在不同尺度内不规则因子的变化率来进一步抑制背景中的边缘杂波。实验表明:该算法能显著提高图像的信噪比(信噪比增益在2左右),对背景边缘有很好的抑制效果。     

基于多分辨率双边滤波的红外场景杂波抑制

背景杂波是影响红外搜索跟踪系统探测性能的主要因素,针对这一问题,根据红外场景中目标和背景特性,提出了一种基于多分辨率双边滤波的红外场景杂波抑制新方法.首先采用非下采样轮廓波对红外场景图像进行多尺度、多方向分解,提取红外原始场景图像在不同尺度和方向上的细节特征,然后,根据目标和背景信号子带分布特性之差异,通过应用双边滤波调整分解后的各子带系数,最后重构各子带就可将红外场景中目标信号和背景杂波分离,可有效地将背景杂波剔除掉.将本文提出的方法应用于实际的红外场景,实验结果显示,与经典的二维最小均方误差方法相比较,该方法具有更好的杂波抑制能力.     

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。     

基于最小一乘和混沌遗传算法检测红外小目标

提出了一种基于最小一乘估计和混沌遗传算法进行背景预测检测红外小目标的方法.在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,利用混沌序列内在的伪随机性,将混沌引入到遗传算法得到混沌遗传优化算法,以此解决最小一乘估计中极值的选取问题.将原始图像与预测图像相减得到预测残差图像后,利用基于二维指数熵的图像阈值选取快速算法进行分割.给出了实验结果与分析,并与基于遗传算法的最小一乘预测、最小二乘背景预测的检测算法作了比较.实验结果表明,提出的算法具有更高的检测概率和更好的检测结果.