基于光流估计和自适应背景抑制的弱小目标检测

针对复杂云背景下的弱小目标探测,提出了一种基于光流估计和自适应背景抑制相结合的弱小目标检测算法.首先根据红外图像中云的移动规律,对云背景下的红外图像进行光流分析,提取运动云区.在光流场的计算中结合了云运动的特点以及光流方程的两个约束条件,对传统的基于梯度的光流法予以改进.同时发现移动云区对目标探测的影响较大,为了抑制移动云区对弱小目标的干扰,提出了自适应抑制复杂背景的算法,在光流场分析提取的移动云区中,利用代表背景复杂程度的背景因子,自适应调整分割阈值,抑制复杂背景的干扰.这样只在容易引起虚警的移动云区进行背景抑制处理,简化了计算量,降低了云区对弱小目标的干扰,减少了虚警和误判.实验结果表明该算法可以显著减少云区造成的虚警,并且能够探测出弱小目标.     

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.     

基于结构张量分析的弱小目标单帧检测

针对复杂场景图像由于背景边缘干扰和噪声导致弱小目标检测困难的问题,提出了一种基于结构张量分析的弱小目标单帧检测方法.利用结构张量对不同局部结构的表示特性,通过计算结构张量特征值矩阵和均值滤波得到点状和矩形状目标的结构张量响应图;采用高斯差分带通滤波器计算灰度差分图;通过归一化融合处理得到最终响应图;采用自适应阈值分割得到目标位置.采用该方法对天空、海面等多种场景的红外图像和可见光图像进行实验,并与典型方法对比,结果表明该方法能够有效地抑制背景干扰和噪声、快速且准确地检测目标.     

基于光流估计和自适应背景抑制的弱小目标检测

针对复杂云背景下的弱小目标探测,提出了一种基于光流估计和自适应背景抑制相结合的弱小目标检测算法.首先根据红外图像中云的移动规律,对云背景下的红外图像进行光流分析,提取运动云区.在光流场的计算中结合了云运动的特点以及光流方程的两个约束条件,对传统的基于梯度的光流法予以改进.同时发现移动云区对目标探测的影响较大,为了抑制移...     

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。     

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。     

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。     

一种红外搜索系统中弱小目标自适应检测算法

为解决红外搜索系统中场景起伏造成的背景预测不准确这一问题,提出了一种自适应调整的空间滤波方法。该算法在估计背景的同时,对背景残差进行计算,根据残差值调整滤波参数,使背景残差趋于最小,以适应背景的起伏。当背景包含较多复杂因素时,不利于目标提取,多尺度形态学算子通过不同尺度不同形态的结构体参与计算,可以全面地估计背景,进一步抑制背景残差,再通过计算图像全局阈值,自适应分割出潜在目标。采用并行运算,可将算法实现于现场可编程器件(FPGA)上。试验结果表明:即使当场景较复杂,场景信噪比较低时,依然可以使处理后的图像信噪比大于3,从而可显著提高红外搜索系统的检测概率,实现弱小目标的检测。     

复杂背景下红外弱小多目标跟踪系统

针对复杂天空背景条件下低信噪比的红外弱小目标跟踪问题,设计了一种多目标跟踪系统.首先计算红外图像的光流场,结合阈值分割和形态学滤波等数学方法检测出目标;在该结果的基础上,结合目标运动的连续性,运用邻域轨迹预测的方法滤除检测过程中产生的噪声;随后运用卡尔曼滤波轨迹预测的方法解决在跟踪过程中目标丢失的问题,并解决当多目标轨迹出现交联时如何辨识出各个目标轨迹的问题.该系统充分运用了目标的运动特性避免了噪声的干扰和目标轨迹混淆.使用长波红外热像仪采集的红外序列图像对系统进行了验证,实验结果及相应理论分析表明该系统可有效实现复杂背景下的红外弱小目标跟踪.     

基于差异梯度直方图与显著性映射的红外弱小目标检测算法

为了提高复杂环境下的红外弱小目标的探测能力,基于人类视觉注意机制,设计了差异直方图耦合显著性映射的弱小目标检测算法。考虑真实目标与其邻域之间的强度差异,通过采用DFT变换来计算红外图像的幅度与相位频谱,以计算二者之间的频谱残差,并联合高斯滤波方法,输出显著性映射,从而有效突出显著区域。分析目标与背景区域的梯度幅度和梯度方向之间的差异,计算红外图像的差异直方图,以充分抑制背景杂波和噪声。联合显著性映射与差异直方图,形成图像对应的融合特征映射。最后,引入自适应阈值分割方法,从融合特征映射中准确定位真实目标。多组测试数据表明,较已有的红外目标检测技术而言,所提算法能够更好地定位出弱小目标,呈现出理想的ROC曲线。     

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.     

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。     

局部对比度结合区域显著性红外弱小目标检测

为了解决局部对比度方法的计算效率低,以及在某些红外场景中易出现虚警的问题,将其与图像区域显著性相结合,提出一种改进的局部对比度算法——区域局部对比度算法,仅在图像的显著性区域中进行局部对比度计算,而非遍历整幅图像。首先进行基于图像信息熵和局部相似性的红外图像区域显著性度量,经二值化得到单帧图像显著性区域;接下来在该区域中进行局部对比度数值计算,得到区域局部对比度图像,最后经过自适应阈值分割,得到弱小目标检测结果。实验结果表明,区域局部对比度算法可以极大提高红外弱小目标的信噪比,检测结果准确,虚警率低,与原始的局部对比度算法相比,检测效率有明显提升,可以更好地保持弱小目标的形状。     

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。     

快速无参数背景建模的红外目标检测方法研究

针对复杂背景红外图像序列目标检测的难题,给出了一种用于红外监控系统中入侵目标检测的背景建模方法。应用特征样本集为每一个像素建立统计无参数样本集模型,根据核函数估计计算每一个像素值对模型的符合概率。使用双阈值进行目标检测和模型更新,将图像分为三类:可靠背景、感兴趣区域和不可靠背景。通过不可靠背景类提供的信息进一步将感兴趣区域细分为入侵目标和错误检测。对几种红外图像序列仿真实验表明,该算法不仅可以比较精确的检测显著入侵目标,对于容易淹没在噪声中的弱小入侵目标也可以实现准确地检测。     

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.     

融合全卷积神经网络和视觉显著性的红外小目标检测

为提高复杂背景和噪声干扰下红外小目标检测性能,提出了融合深度神经网络和视觉目标显著性的单阶段红外小目标检测算法.首先设计了基于编码器-解码器架构的轻量级全卷积神经网络对红外图像进行分割,实现背景抑制和目标增强;然后利用红外小目标的显著性特征进一步抑制虚警;最后采用自适应阈值法分离出小目标.网络结构中通过引入多个下采样层降低计算量并增大感受野;通过引入多尺度特征提升背景抑制能力;通过引入注意力机制提升模型训练效果.在真实红外图像上的测试表明,本文算法在检测率、虚警率和运算时间等方面都优于典型红外小目标检测算法,适合进行复杂背景下的红外小目标检测.     

基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测

针对低信噪比灰度图像中弱小目标检测的难题,分析了红外弱小目标成像的特点,提出了基于多结构元素形态滤波与自适应阈值分割相结合的目标检测算法.利用目标运动的连续性、规律性和噪音产生的随机性,结合数学形态学结构元素的特点,研究了一种多结构元素形态滤波的管道滤波方法,通过流水线管道检测目标运动轨迹.实验结果表明,该算法应用于复杂背景下低信噪比的红外弱小目标图像能够得到较理想的结果,并且目标检测概率高,速度快,虚警率低.     

红外序列图像弱小动目标检测的研究

针对云天背景下的红外运动弱小目标,提出了一种融合检测的方法。根据视觉的固视微动特性进行单帧图像的目标增强,利用帧差分方法检测多帧图像的动目标,最后将这两种处理结果进行基于调制的融合,并经过图像分割,从而达到动目标检测的目的。仿真结果表明该检测方法能够有效地实现复杂背景下的弱小动目标检测。     

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。