基于自适应频域滤波的红外弱小目标检测技术

研究复杂背景下弱小目标检测问题对提高靶场光电设备探测能力具有重要意义.根据红外图像的背景复杂程度,提出一种自适应高斯高通滤波算法.该算法利用改进中值滤波器对图像进行降噪,采用图像方差加权熵,定量描述红外图像背景复杂程度,根据图像背景复杂程度自动调整滤波器截止频率,实现不同背景下红外弱小目标自动检测,并利用靶场实测光电图像对算法进行了验证.实验结果表明该算法能够有效地在不同图像背景下检测到弱小目标.     

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。     

一种基于背景预测及小波变换的红外弱小目标检测方法

提出了一种新的红外弱小目标检测方法,在对红外图像进行背景预测的基础上,对残差图像采用小波变换方法增加对弱小目标的检测率,有效地提高了检测算法对低信噪比红外图像中弱小目标的检测性能。通过实测的星图数据与传统方法进行了对比和分析,证明了该方法适用于非平稳背景中低信噪比目标的检测。     

基于相关滤波器的红外弱小目标检测算法EI北大核心CSCD

针对复杂背景下红外图像中低信噪比弱小目标实时检测问题,提出一种基于相关滤波器的红外弱小目标检测算法。该算法将红外目标检测转化为模式分类问题,在离线训练阶段,利用二维高斯模型构造红外小目标训练集,在此基础上训练得到对目标背景具有区分能力的相关滤波器,在线检测阶段,利用滤波器对图像分块进行滤波操作,目标和背景的滤波响应有着显著的差异,最后生成整幅图像的滤波响应置信图以此来判断图像中是否包含目标及其具体位置。在单帧单目标图像、序列图像多目标检测实验结果表明,与经典检测算法相比,所提方法不仅具有更高检测性能,有效降低了虚警概率,而且具有较好的实时性,适用于复杂背景条件下弱小目标的实时检测。     

一种云天背景下单帧红外弱小目标检测新方法

针对复杂背景下单帧红外图像中的弱小目标检测问题,提出了一种级联的改进Asymmetric AdaBoost算法。该算法通过提取红外小目标梯度对比度、邻域灰度分布等多个有效特征,充分利用多个红外特征的互补作用,对Asym-metric AdaBoost在仿真中出现的问题进行了相应的改进。通过对实测数据进行仿真,结果表明该方法达到了高检测概率和低虚警率,能有效地检测红外弱小目标。     

基于相关滤波器的红外弱小目标检测算法

针对复杂背景下红外图像中低信噪比弱小目标实时检测问题,提出一种基于相关滤波器的红外弱小目标检测算法。该算法将红外目标检测转化为模式分类问题,在离线训练阶段,利用二维高斯模型构造红外小目标训练集,在此基础上训练得到对目标背景具有区分能力的相关滤波器,在线检测阶段,利用滤波器对图像分块进行滤波操作,目标和背景的滤波响应有着显著的差异,最后生成整幅图像的滤波响应置信图以此来判断图像中是否包含目标及其具体位置。在单帧单目标图像、序列图像多目标检测实验结果表明,与经典检测算法相比,所提方法不仅具有更高检测性能,有效降低了虚警概率,而且具有较好的实时性,适用于复杂背景条件下弱小目标的实时检测。     

基于分块速度域改进迭代运动目标检测算法的红外弱小目标检测

提出一种基于分块速度域的迭代红外运动目标检测算法来解决传统算法计算量巨大这一难题.首先,采用二维最小均方差滤波器对红外序列图像进行滤波,获得包含弱小目标以及残差的红外序列图像.然后,通过在序列图像块的速度域上应用改进的迭代运动目标检测算法进行能量累积,从而将弱小目标的运动速度在速度域进行累积增强,达到检测弱小运动目标的目的.最后在解算出的速度值附近进行搜索,得到弱小目标运动的精确速度.利用此速度进行空域能量累积,得到叠加图像,在此图上进行目标检测.与传统方法相比较,几组实验结果显示,本文提出的方法大大缩短了检测的时间,而且本文方法的检测效果也较好.     

复杂天空背景下的红外弱小目标检测算法研究

为了提高单帧红外图像的检测概率,稳定检测到图像序列中的弱小目标,基于改进的双边滤波与多项式拟合,提出了一种复杂天空背景下的红外弱小目标检测算法。在传统双边滤波算法的权值系数中引入背景相关度因子,有效降低了背景抑制时目标点的影响,提高了目标区域的信噪比以及单帧图像的检测率。为了进一步剔除虚假目标,基于融合目标运动特征,对目标点进行多帧确认。针对序列检测中目标闪烁造成的目标漏检,引入多项式拟合算法对下一帧目标位置进行预测,有效避免了目标轨迹截断的问题。实验结果表明,在信噪比小于2的情况下,该算法能够稳定检测到复杂天空背景下的弱小目标轨迹。     

基于多特征融合的复杂背景下弱小多目标检测和跟踪算法

针对红外弱小多目标的检测和跟踪难题,提出一种基于多特征融合的复杂背景下弱小多目标检测和跟踪算法.融合红外弱小运动目标的灰度特征、梯度特征、运动特征等多个典型特性,进行复杂背景下弱小多目标的检测和跟踪.实验证明:该算法应用于复杂背景下低信噪比的红外弱小多目标图像序列能得到较理想的结果,算法检测概率高、检测速度快、具有较强鲁棒性.     

复杂天空背景下的红外弱小目标跟踪

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标,从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因,引入高斯曲率滤波,提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理,在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声,从而获得准确的红外弱小目标置信图,利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验,并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明,算法在主观视觉和客观评价指标方面均优于其他三种算法,具有更高的目标跟踪精度与较好的实时性,可以实现对复杂天空背景下红外弱小目标的有效跟踪。     

Infrared dim small target enhancement using toggle contrast operator

A new infrared dim small target enhancement algorithm based on toggle contrast operator is proposed. Toggle contrast operator is modified and used to construct operators using the image features derived from dilation and erosion operators. Then, based on the constructed operators, the operators which could be used to estimate the clutter background of the original infrared dim small target image are proposed using the same strategy as the definition of opening. Finally, the infrared dim small target is well enhanced through subtracting the estimated background from the original image. Experimental results on infrared images with different types of targets verified that the proposed method could effectively enhance infrared dim small target, which would be very useful for infrared dim small target detection and tracking.     

一种复杂背景下红外小目标检测算法

为了解决复杂背景下小目标的识别,提高检测速度的问题,提出了一种改进的中值滤波方法.用其进行背景抑制,保护了图像细节,提高了处理的实时性.在分析小目标图像特点的基础上,提出了采用击中击不中变换对图像进行分割,达到探测目标的目的.仿真结果验证了该算法是一种实时有效,且易于实现的目标探测方法.     

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。     

Infrared dim target detection based on fractal dimension and third-order characterization

We propose an improved algorithm based on fractal dimension and third-order characterization to detect dim target with cluttered background in an infrared （IR） image. We also illustrate the performance and efficiency comparisons between the presented algorithm and the traditional fractal detection method on real IR images. The experimental results show that the proposed algorithm is robust and efficient for IR dim target detection.     

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.     

基于区域奇异性滤波的小目标检测

针对复杂背景下红外运动小目标的检测和跟踪存在的难点,提出了基于SUSAN检测思想的滤波方法。该方法是通过构建局部区域的奇异性函数来计算奇异度的,并借鉴Wiener滤波的思想,由最小绝对差确定出灰度差阈值。该滤波方法达到了抑制背景、提高信噪比的目的。     

一种背景自适应调整的弱点目标探测算法

针对因复杂背景导致低信噪比的弱点目标探测率降低的问题,首先分析了从红外图像中探测弱点目标时,由于复杂和缓变背景下潜在目标探测率不同,而导致目标探测率降低的理论依据;并在该分析的基础上,提出了一种基于背景自适应调整的红外点目标探测算法。该方法利用鲁宾逊(Robinson)保护滤波器从经过预处理的图像中提取潜在目标;通过复杂背景模糊隶属度函数将图像映射到模糊特征平面,并由该特征平面计算背景调整因子,以对提取的潜在目标进行加权调整,从而降低了复杂背景的影响。实验结果表明,该算法可以显著提高复杂背景下红外点目标的检测概率,并且能够探测出信噪比为1的目标。     

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。     

An improved infrared dim and small target detection algorithm based on the contrast mechanism of human visual system

To achieve higher detection rate and lower false alarm rate in dim and small target detection, this paper proposed an improved algorithm based on the contrast mechanism of human visual system (HVS) for infrared small target detection in an image with complicated background. According to the contrast mechanism of HVS, Laplacian of Gaussian (LoG) filter is exploited to deal with the input image, which can not only suppress the background noise and clutter but also enhances the target intensity significantly. As a result it increases the contrast ratio between target and background. To further eliminate residual clutter, we process the filtered image with morphological method in all directions. True target is finally obtained by applying local thresholding segmentation to the pre-processed image. Experimental results demonstrate its superior and reliable detection performance by high detection rate and low false alarm rate.