基于改进SUSAN算法的箭环目标跟踪与测量

针对发射场火箭初始段漂移量的测量，提出一种带灰度梯度方向的SUSAN算子，实现了基于该算子与变模板相关跟踪算法的目标跟踪测量方法.首先在SUSAN特征检测原则的基础上，将对角点的检测转化为对边缘的检测，同时记录梯度方向，在剔除了图像噪音点之后，由具有特定方向信息的边缘像素点精确定位角点的坐标.该方法克服了标准SUSAN算法准确度低的弊病，使得对目标的提取准确度可以达到亚像素级，并增强了抗噪性能，实验证明该算法提取准确性高，运算量小，易于实现.     

基于蚁群优化与神经网络的坦克目标识别算法

为了对成像引信探测得到的变形严重的图像进行识别,提出了基于蚁群优化与人工神经网络相结合的坦克目标识别算法.采用SUSAN特征检测原则提取目标图像的角点特征,作为神经网络模式分类器的输入.针对BP网络收敛速度慢,易于陷入局部极小点等问题,利用蚁群优化算法训练网络权值,可兼有ANN的广泛映射能力和蚁群算法的全局收敛以及启发式学习等特点.仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度.     

天空背景下飞行器结构特征提取的新方法

针对天空背景下低信噪比的飞行器,提出了一种基于SUSAN算法、灰色系统理论和数学形态学相结合的飞行器结构特征提取的新方法。在Visual C++6.0平台下,首先利用SUSAN算法从背景中提取飞行器的结构边缘信息,并与原图像相加实现目标增强;然后用灰色系统理论检测出飞行器的结构特征边缘;最后利用条件膨胀和重构算法,实现云层的抑制,并重构出飞行器目标。实验结果表明:该方法对于实现飞行器的跟踪、结构特征提取以及事后判读有重要的意义,同时验证了该方法的可行性。     

一种复杂海天背景下红外弱小目标检测算法

红外弱小目标的检测是红外搜索跟踪系统(IRST)中的一项关键技术,常用的目标检测算法存在受海杂波严重、虚警率较高等问题,分析了海天背景下红外图像的背景、小目标的特征,提出了一种海杂波背景下的红外小目标检测算法。首先统计图像的行均值和梯度,用最小二乘法拟合出海天线,然后利用形态学算子抑制图像背景,并采用自适应阈值将图像二值化,最后分析图像的梯度特征,抑制海杂波和云层的干扰。实验结果表明,该方法能精确地提取海天线,稳定地提取海天背景下的弱小目标,虚警率低于5%,目标检测概率超过97%。     

扫描型红外预警系统中弱小目标的检测算法

提出一种基于面阵探测器的全方位红外预警系统的运动弱小目标检测算法.该算法主要基于灰度形态学滤波和目标概率分布函数匹配两种技术.灰度形态学的高帽变换可以有效地检测出红外图像中的特定目标,但没有考虑目标强度分布特征,检测结果的虚警率较高.本文采用了均值偏移算法常用的概率分布函数匹配技术,对检测出的小目标进行二次确认.试验结果表明,该方法能够有效地抑制背景杂波干扰,降低虚警率.     

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。     

红外运动小目标的检测

通过分析天空背景下红外运动小目标、噪音以及背景的特征,提出一种检测方法·首先利用向量小波变换对运动图像进行预处理;其次采用图像差分进行目标的粗检测,提取出候选目标;最后可根据运动目标和噪音的特征对候选目标进行识别,检测出真实的运动小目标·实验证明,该方法可有效检测天空背景下红外运动小目标·     

基于非局部均值和SUSAN算子的混合噪声滤除

为了更好地滤除图像中脉冲噪声和高斯噪声组成的混合噪声,提出了一种基于非局部均值和Small Univalue Segment Assimilating Nucleus(SUSAN)算子的混合噪声滤除方法.该方法首先根据脉冲噪声点与角点之间吸收核同值区形状特征的不同,采用SUSAN算子检测出大量的特征点,特征点主要是脉冲噪声点,也可能含有小部分角点.将特征点进行排序,出现频次最高两位的点为脉冲噪声点.然后采用改进的均值滤波法计算脉冲噪声点邻域中非脉冲噪声点的均值,以此替换脉冲噪声点灰度值.最后针对已滤除脉冲噪声的图像,采用考虑了图像块信息的非局部均值方法滤除剩余的高斯噪声.去噪实验结果表明:与自适应中值和加权均值结合的方法、中值滤波与小波结合的方法、脉冲耦合神经网络与中值滤波结合的方法相比,本文方法主观视觉效果更好,能够更好地保留图像中的边缘细节,客观评价指标峰值信噪比有较大的提高,滤除混合噪声的优势明显.     

基于图像区域Lyapunov指数的海面舰船目标检测

为了检测海面背景中的舰船目标,分析了目标存在时背景信号混沌特征的变化,提出了一种基于图像区域Lyapunov指数的目标检测新方法. 新方法定义了图像灰度距离的概念,基于改进的Wolf方法将一维信号Lyapunov指数提取方法扩展到图像信号,利用图像区域最大灰度距离Lyapunov指数的变化检测淹没在混沌背景信号中的目标信号. 实验结果表明海面背景图像信号具有一定的混沌特征,利用新方法能有效检测出海面背景下的舰船目标,检测结果优于基于统计分析的方法. 关键词： Lyapunov指数 灰度距离 混沌特征 目标检测     

基于背景粗糙度估计的红外目标检测算法

在分析海天背景下目标红外图像特征的基础上,提出了一种基于背景粗糙度估计的红外目标自适应检测算法.该算法利用LOG算子进行目标基本轮廓检测,将目标的中心点作为区域生长的种子点,通过背景粗糙度估计自适应确定LOG算子参量,完成目标图像分割.与传统检测方法比较,采用该处理方法进行小目标检测及识别过程的预处理,可以有效地减少运算量,提高检测速度,抑制对不必要的种子点进行区域生长,提高了目标的检测概率.     

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。     

Corner detection and matching for infrared image based on double ring mask and adaptive SUSAN algorithm

Infrared (IR) image fusion is designed to fuse several IR images into a comprehensive image to boost imaging quality and reduce redundancy information, and image matching is an indispensable step. However, Conventional matching techniques are susceptible to the noise and fuzzy edges in IR images and it is therefore very desirable to have a matching algorithm that is tolerant to them. This paper presents a method for infrared image matching based on the SUSAN corner detection. To solve the problems of the traditional SUSAN algorithm including the fixed threshold of gray value difference and the failed detection of symmetry corners, an adaptive threshold extraction method is raised in this study. Furthermore, an attached double ring mask is used to improve the complex corner detection capability. A constraint condition and a principle of gravity are adopted to filtrate the candidate corners. The proposed method is qualitatively and quantitatively evaluated on IR images in the experiments. In comparison with other methods, better performance has been achieved.     

Detection method for small and dim targets from a time series of images observed by a space-based optical detection system

To revisit cataloged space targets, a space-based optical detection system normally observes space targets continuously in a target tracking mode. In the time series of images produced by continuous observation, there are not only the target but also complicated background clutter (a mass of stars) and noises. The existing method only can detect the target with an signal-to-noise ratio (SNR) greater than 6 from these images. This paper presents a detection method for the target with an SNR less than 6. The proposed method consists of an SNR enhancement algorithm and an adaptive background and noise suppression algorithm. Simulation and analytical results show the proposed method detects the target submerged in noise and background clutter when SNR is equal to 3 and the detection probability and the false alarm probability both reach very high performance. This proposed method can help solve the problem of revisiting some weak cataloged space targets.     

激光主动探测中回波信号的小波去噪方法

在分析激光主动探测中回波信号的噪声特性和小波变换去噪原理的基础上，提出了一种基于最大信噪比准则的小渡阈值去噪方法。首先用最大信噪比准则对小波变换系数进行阈值选取，然后采用软阂值方法对小波系数进行量化处理后再重构。仿真结果表明最大信噪比准则小波去噪方法改善信噪比效果十分显著，检测下限达到-16．2dB。证明了该方法在激光主动探测系统回波信号检测中的有效性。     

推扫式多挡增益光谱成像模拟及噪声分析

综合性遥感监测对载荷的灵敏度和动态范围都有较高的要求,为此提出一种基于逐像元多挡增益切换的光谱成像方法。不同于帧增益或者行列增益切换的成像方式,该方法利用4T-APS CMOS探测器无破坏读出的特点,可以进行像元级的增益优化。这种方式可以兼顾水体、植被、云层等多要素的成像需求,极大地提高了载荷的研制效益。其基本原理为探测器先进行全局曝光,然后根据多级积分电容的饱和判断,选取不饱和的最高增益信号以增益码加信号的形式下传。地面根据增益码对应的定标系数反推出像元真实辐射值。由于谱段多且为分段响应,为保证系统的定量化应用,建立多挡增益光谱成像模型并进行噪声分析具有重要意义。通过对噪声类型的分析,建立了多挡增益下的泊松-高斯噪声模型。基于该模型计算了像元受噪声影响以低增益读出的概率。结果表明,虽然噪声会影响读出增益的变化,但影响区间极小,入瞳辐亮度在5 mW·cm-2·μm-1·sr-1以内,信号比增益挡位辐亮度分界值小0.05 mW·cm-2·μm-1·sr-1即可保证正常读出的概率大于99.6%。随着信号增强,光子噪声增大,增益减小,影响区间扩大。根据多挡增益信噪比模型,分析得出光谱模式与合并通道模式下的信噪比变化。最后,利用宽波段成像光谱仪（WIS）数据作为入瞳辐亮度进行了四挡增益的推扫式光谱成像模拟,分析了多挡增益光谱图像的固有特点。根据噪声模型对中心波长为0.443 μm的光谱图像添加1~3σ的随机噪声,分析了噪声对地物目标所处增益的影响。结果显示,在满足信噪比指标的前提下,该系统的单挡动态范围为74 dB,总动态范围可达114 dB。该方法不但提高了水体等弱信号的信噪比,而且可以保证建筑、云层等亮目标不饱和。成像模拟及噪声分析不仅有利于该载荷的后续研制,也可以为同类光谱仪器的设计提供参考。     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

基于自适应模板的低信噪比运动目标的自动定位算法

从目标相对于邻域背景区的信噪比出发,分析了其低信噪比运动小目标特性对自动目标识别所带来的困难.基于部分Hausdorff距离在模板匹配相似性度量中可以有效抑制背景与噪声干扰的优点,提出了用自适应模板实现自动目标识别的方法.然后,综合目标区像素灰度自适应二值化处理和形心算法,实现了图像序列中目标自动定位的功能.实验结果证明：该基于自适应模板的低信噪比运动目标的自动定位算法具有快速,稳定和实用等优点.     

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明：与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.