基于空时联合稀疏重构的红外小弱运动目标检测方法

提出了一种基于空时联合稀疏重构的红外小弱运动目标检测算法。通过学习序列图像内容而构建的空时联合字典能同时刻画目标或背景的形态特征和运动信息;利用多元高斯运动模式从空时联合字典中提取出目标空时字典和背景空时字典,目标空时过完备字典描述移动的目标,背景空时过完备字典表征背景噪声。将连续多帧图像在空时联合字典上进行稀疏分解,然后分别利用目标空时字典和背景空时字典中的最大稀疏系数及其空时原子重构信号,获取重构残余能量差异来区分目标和背景。试验结果表明,由同源的空时字典重构的残余能量小,而由异构的空时字典恢复的残余能量大,该方法不仅能提高序列信号表示的稀疏度,还能有效提高小运动目标的探测能力。     

基于多特征融合的微弱红外运动目标跟踪方法

利用红外跟踪测量系统能够同时获取目标运动信息(包括方位角、俯仰角以及角速度)、目标信号幅度及其成像面积等.提出了一种基于多特征融合的弱红外运动目标跟踪方法.分析了红外成像系统中目标信号特点,得到目标的运动、幅度和面积具有一致性和连续性,符合高斯分布;采用概率数据关联滤波推导量测各特征的关联概率,并根据特征的波动状况确定...     

基于时频分析的成像小弱运动目标检测方法

 针对传统空时域滤波器难以剔除杂波(尤其是杂波边缘)的缺点,提出了一种基于时频分析的弱小运动目标检测方法。理论分析表明,目标经过处的时频是一个小波包,波包的幅度与目标的幅度一致,而宽度则与目标速度成反比关系;杂波边缘经过处的时频则是一个上坡或者下坡。采用两级滤波方法检测运动目标,即首先采用恒虚警率准则过滤噪声,然后再利用目标出现处存在的波包,分别统计主瓣与旁瓣能量及其能量比,去除杂波,检测出运动目标。云背景下弱小目标检测试验结果证明了该方法的有效性。     

基于似然比检验的红外小弱目标快速航迹起始方法

利用红外测量跟踪系统获取目标信号幅度信息,提出了一种基于序列似然比检验的小弱运动目标航迹快速起始方法。用动态2维分配算法关联量测-航迹,采用序列似然比检验衡量航迹质量,一旦似然函数比达到阈值则确认目标航迹。该方法可根据目标信噪比不同采取不同帧数来起始、确认目标航迹,做到信噪比越大起始帧数越少,目标航迹检测概率越高,而信噪比越小则起始帧数越多。理论分析和试验结果表明,该方法既能提高航迹起始速度,又能提高目标航迹检测概率,避免和解决了M/N逻辑法需要固定扫描帧数才能确认航迹的局限性。     

基于假设检验的小弱运动目标航迹起始

根据目标与噪音(或虚警)在时域和空域上所表现出的不同特性,提出了一种基于空域邻域聚类和时域轨迹连续性相结合的假设检验方法,以建立小弱运动目标航迹起始,并对其性能进行了详细分析.基本出发点是:空域上,小目标是占有少量像素且幅度均匀的小块,聚集度较高,而噪音点是独立、不相关的,聚集度较低;时域上,运动目标将以较大概率出现在由轨迹连续性决定的预测点邻域内,而虚警是杂乱无章,连续多次出现在该邻域内的几率较小.理论分析和实验结果表明,本文方法能较为有效地建立目标初始航迹.     

基于均值偏移的灰度图像分割方法

针对灰度图像分割往往存在的过分割或欠分割问题，提出了一种基于均值偏移的图像分割方法．该方法通过联合像素的空间位置和灰度特征，建立图像的特征矢量，构造基于像素的位置和灰度的改进核函数直方图．采用均值偏移算法搜索图像的特征模式，并以此对图像进行平滑滤波和分割．对以地物为背景的图像分割结果表明，该方法既能抑制具有纹理的大片背景，又能提取出面积较小且轮廓清晰的物体，分割的物体完整且符合人眼视觉，较有效地避免了图像过分割和欠分割的问题．     

基于稀疏先验的空间目标图像盲反演方法

针对图像盲反演算法未考虑空间目标图像自身特性,致使对空间目标图像细节信息恢复不理想、重构图像中易产生边界伪像等不足之处,提出了一种基于稀疏表示的联合稀疏先验约束盲反演算法.首先,结合空间目标图像梯度的稀疏特性,采用图像梯度的L 0范数提取有利于模糊核估计的图像显著边缘信息;其次,采用L p范数和L 0范数对图像的梯度分布和空间域进行稀疏约束,以保证反演图像的像素点间具有显著的对比度,同时保证图像中包含边缘和纹理等细节信息;最后,采用拉普拉斯分布先验对模糊核进行约束,以保证模糊核的稀疏特性.采取交替迭代策略对所提出的模型进行优化求解,从而得到模糊核和空间目标图像的估计值.实验结果表明,相比于几种具有代表性的盲反演算法,提出的方法能估计出更准确的模糊核,对图像边缘和纹理等细节信息具有更好的恢复能力,在主观评价和客观评价方面均取得了较好的反演性能.     

粒子区别性稀疏表征的小弱运动目标跟踪算法

评估每个粒子的重要性是确保粒子滤波法跟踪目标准确性的重要因素。针对背景杂波和噪声干扰形成的大量虚警导致小弱目标跟踪识别的随机性和不确定性问题, 提出了一种基于粒子区别性稀疏表征的小弱目标跟踪方法。该方法根据红外图像信号自适应构建分类超完备字典, 即反映目标信号特征的目标字典和表示背景杂波的背景字典, 有利于突出目标粒子和背景粒子在联合分类字典的稀疏表征差异程度;建立基于目标粒子和背景粒子稀疏重构残差差异性的粒子滤波观测模型, 采用随机估计法对字典子空间进行在线更新, 实现对目标状态估计与跟踪。理论分析和试验结果表明, 该方法增强了随机粒子的状态估计能力, 提升了粒子稀疏表征对小弱运动目标的适应能力和跟踪识别准确度。