一种海空背景下红外小目标检测新算法

针对海空背景下红外小目标图像信噪比低、难以检测的情况以及传统检测方法需要图像帧数多、实时性差等缺点,基于Donoho的小波变换阈值化方法,提出了一种更加适合海空背景下红外小目标检测的新算法.该算法采用一种新的阈值求取方法以及更加简单的硬阈值化函数对图像进行处理.通过仿真实验将新算法与传统检测算法进行比较,实验结果表明,无论在处理效果还是实时性上,新算法都优于传统算法.     

层次卷积滤波红外弱小目标检测方法

针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题,提出了一种层次卷积滤波检测算法。主要分为两个部分：第一,根据红外小目标特性,设计一种层次卷积滤波的算子,对图像进行滤波处理,实现图像中小目标的增效和背景抑制的效果;第二,采用基于最大值的自适应阈值方法,对图像进行二值化操作,过滤背景杂波,最终提取到待检测的目标。在大量不同背景红外图像中进行实验,论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果,且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian,LoG）滤波算法的30.42%。通过实验对比,表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。     

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%。     

基于对称差分和光流估计的红外弱小目标检测

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。     

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.     

一种有效的红外小目标检测方法

提出了一种基于中值滤波与梯度法的红外小目标检测方法.该方法首先通过中值滤波对红外图像进行平滑处理,接着采用背景差分技术将原始图像与经过中值滤波后的图像进行差分对消.在此基础上,再使用梯度锐化法对残差图像进行边缘信息的增强.最后,利用二值化处理凸显出目标点.该方法通过中值滤波与梯度法的互补效应实现了红外小目标的有效检测,仿真实验结果证明了该算法的有效性.     

基于多滤波算法融合的红外小目标检测

针对海天背景下红外视频图像序列中小目标检测的精度问题,提出一种基于多滤波融合的算法。通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器相结合,有效抑制背景、突显目标;采用自适应阈值分割提取候选目标,并使用Unger平滑滤波以及多目标关联滤波剔除噪声和伪目标。多组红外小目标图像序列的检测实验结果表明,提出的算法平均检测率高达99%,在不同场景下均有较高的检测精度。     

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。     

多量级多向梯度海空复杂背景红外弱点目标检测

由于红外图像一般带有较大的噪声，采用传统的目标检测方法效果不理想。本文提出了一种新的海空背景下受强杂波和噪声污染的红外图像弱点目标检测算法。用多个量级梯度对图像目标进行检测，并对检测的结果进行了表决融合。结果表明，基于表决融合的多量级多向梯度检测消除了云层、海浪和海天线等背景干扰，在实现高检测概率的同时，不仅可以达到较低的虚警概率，而且可检测信杂比为1的点目标。     

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.     

基于动目标检测的夜间视频实时增强技术

为了在普通PC环境中实现夜间视频的实时增强,对Ardely提出的DADPEQU夜间图像增强方法进行了改进,取得了更适合夜间图像增强的算法。设计了基于动目标检测的夜间视频实时增强策略,通过背景模板的使用,大大减少了增强处理的计算量,大幅提高了处理速度。将改进后的算法与增强策略结合,对夜间视频图像实时增强进行了实验,结果证明该算法既能取得较好的增强效果,又能满足实时处理的速度要求。     

高光谱图像中基于端元提取的小目标检测算法

针对高光谱图像中小目标检测问题,提出了一种基于端元提取的目标检测算法。该算法利用主成分分析的变换矩阵来构造投影算子,把原始图像投影到该算子构成的正交子空间后,大概率的背景信息得到抑制,从而突出了小概率的目标;在完成背景信息抑制的基础上,利用迭代误差分析方法进行端元的自动提取;根据所提取出的目标端元的光谱,结合光谱角度匹配技术完成目标物的检测。为了验证新方法的有效性,利用高光谱数据进行了实验研究,并与经典的RX算法的检测结果相比较。实验结果表明提出的基于端元提取的算法不需要目标的任何先验知识就能达到比较好的目标探测效果,对RX算法检测效果不太理想的小目标也能准确识别。     

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.     

Small Target Detection Using Two-Dimensional Least Mean Square (TDLMS) Filter Based on Neighborhood Analysis

TDLMS is a general adaptive filter algorithm and when applied to infrared small target detection, traditional structure and implementation of TDLMS may cause some problems in this field. This paper presents a new TDLMS filter structure and implementation incorporating neighborhood analysis and data fusion, which is capable of acquiring and analyzing more information from the vicinity of the target, leading to a more prominent detection result. This enables TDLMS filter to perform better and become more suitable in the field of small target detection. Experiments showed the efficiency of the proposed algorithm.     

应用于微靶装配的显微视觉检测技术

针对如何实现微小尺度（μm～mm）靶零件装配过程中的在线检测，研制了应用于微靶装配的显微视觉检测系统，并对系统的构成与显微成像、图像预处理、特征检测等关键图像处理技术进行了详细论述。提出了针对微靶零件的新型多重滤波除噪算法和几何特征检测算法，并以铝台阶、柱腔等微靶零件为应用实例开展了实验研究。结果表明，该系统采用的算法能有效、快速、准确地对靶零件进行几何特征和实时位置检测，在检测视场为3mm时，其检测精度≤3μm，角度检测精度≤0．1°，适用于ICF微靶等微型器件的微装配。     

基于DETR的道路环境下双目测量系统

DETR(detection transformer)算法是一个基于Transformer的目标检测算法,具有检测速度快、检测效果好的优势。介绍了一种利用DETR算法及双目视觉原理对道路环境下的人、车、自行车、信号灯等目标进行构建的测量系统。分析了双目测距、相机标定、目标检测以及目标匹配的原理,并以此为基础构建了测量系统。采用目标检测算法检测视野中的目标,利用双目视觉原理对检测到的目标进行测距,同时分析了测量系统中测量误差的来源,并计算其对结果的影响。该算法在KITTI数据集及现实环境中进行测试,测量系统基线为45 cm,对15 m～80 m的指定目标检出率高于90.6%,测距误差小于5.8%,在RTX 2080Ti平台上能够实时运行。     

基于背景特征参数的激光雷达目标检测

激光雷达的弱小目标检测是激光雷达的关键技术, 其主要研究难点之一是在低信噪比下, 可用于区分目标与背景噪声的特征少。研究的对象是激光雷达的远距离目标回波, 主要指空中飞机目标。根据试验得到的数据, 发现目标点在背景中往往是一些孤立的点, 与背景的相关性较小。而背景中的任一点与前后背景点相关性较强, 可以用周围的点进行线形或非线性表示。为解决低信噪比下激光雷达的目标检测问题, 提出了基于背景特征参数的目标检测算法。运用高阶统计量作为背景特征值对杂波数据进行处理。在一个小区域内, 背景的高阶统计量不会有很大的起伏, 而目标在它所在的区域内具有相对突出的变化。信噪比得以提高, 然后通过恒虚警检测和多帧相关检测, 获取真正的目标。试验结果表明该方法非常有效, 实时性强, 具有较高的实用价值。     

A new infrared small and dim target detection algorithm based on multi-directional composite window

This work presents a new method based on gray characteristic analysis for infrared dim small target detection under complex backgrounds. Firstly, an improved detection window with eight directions and three layers is introduced to investigate the gray distribution characteristic of different structure in an infrared image. Secondly, we adopt a pretreatment process based on morphology filter and mean filter to reduce the running time and propose a detection rule on characteristic analysis for infrared targets. Meanwhile a new parameter optimization algorithm based on fuzzy control theory is employed so that the detection rule could be independent of the initial parameters. Finally, experimental results indicate that the proposed method can effectively detect the dim small targets and has better tracking performance.