基于运动模糊复原技术的红外弱小目标检测方法EI北大核心CSCD

在红外对空探测系统中,由于探测器时刻处于运动状态使得目标图像产生剧烈的运动模糊,给红外小目标检测造成困难。为了解决运动模糊条件下红外小目标检测的问题,提出将运动模糊复原技术和图像增强技术引入红外探测系统。先将探测器采集到的原始图像经过维纳滤波,对运动模糊进行处理并抑制噪声干扰,再利用梯度法对处理后的图像做锐化处理,增强目标边缘。实验验证和仿真分析结果都表明,该方法运动模糊复原效果明显,并在一定程度上抑制了噪声,提高了目标对比度,使目标在背景中更加凸显,并且能够显著提高目标图像质量。引入的评价参数峰值信噪比和均方差表现良好,该方法可以增强探测系统的使用性能。     

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.     

红外目标前期发现与检测处理实验

红外探测系统尽早发现并检测出目标主要涉及两大关键技术：红外成像系统和信号检测处理。这里着重对红外小目标信号的检测进行了研究。红外图像主要由目标、背景、噪声3部分组成。目标检测系统的基本任务是对给定的图像，发现目标并给出目标的基本信息，检测模型如图1所示。     

基于小波高频距离像的红外小目标检测

针对远距离复杂背景下红外小目标检测问题,本文提出了一种基于小波高频距离像的方法。该方法首先将处理空间变换到小波域,通过分析残留背景、目标和噪声系数在高频子带的差异,定义基于邻域均值的子带系数表达形式,构造高频子带系数的中心向量,对小波高频图像进行综合形成距离像,得到红外复杂背景的抑制结果。在此基础上,利用恒虚警率算法将单帧背景抑制图像分割成候选目标、残留背景和噪声像素点。最后,在时间域基于目标运动的相关性,利用管道滤波实现红外小目标的最终检测。仿真实验结果表明,相对于经典算法,本文方法可以实现对红外复杂背景的有效抑制,增强目标信号的强度,准确稳定的从红外复杂背景中检测出小目标。     

海天复杂背景下红外目标的检测跟踪算法

在分析海天复杂背景下红外目标图像特征的基础上,提出适合该环境的红外目标检测算法.该算法采用行均值相减的方法抑制海平面非线性温度场的影响,并进行中值滤波处理.对于更加复杂的环境,选用数学形态滤波法抑制背景中的大面积云团或海浪,从而确定出目标区域来进行目标图像的分割及增强.同时,综合使用图像捕获区域指定、运动目标检测法、弱目标的增强提取、记忆外推功能、数据融合加权跟踪方法,来保证在海天复杂背景下红外目标的可靠跟踪.实验表明,该算法能较好地处理海天复杂背景下红外目标的检测,且算法易于硬件实现,提高目标检测的实时效率.     

低空监控系统的红外小目标检测方法

无人机遥感系统在检测复杂背景下红外小目标时存在虚警过高的问题,结合卷积神经网络提出一种两阶段的无人机遥感系统红外小目标检测模型。第一阶段利用Unet神经网络学习红外图像中目标的深度语义特征与浅层位置特征,同时增强红外小目标信号,并抑制背景信号。第二阶段利用Faster R-CNN对第一阶段输出的图像进行分析,检测图中红外小目标的位置与边框。在公开的无人机遥感系统红外小目标检测数据集上完成了验证实验,结果表明该模型将三个复杂背景数据集下红外小目标的检测精度分别提高了13.2、9.8与13个百分点,每秒处理的帧数分别增加了11、14与13。     

红外背景抑制与弱小目标的检测算法

强噪声背景下红外图像中弱小目标的检测一直是研究的重点和难点。根据弱小目标、背景干扰和噪声在红外图像中的差异,研究了三种低信噪比条件下红外图像中弱小目标的检测算法:小波变换、数学形态学、Top—hat算子,分别给出了处理的图像和相应的数据。仿真实验表明:这三种检测算法能十分有效地提高信噪比、增强目标、抑制背景杂波和去除噪声干扰,对信噪比约为2的弱小目标检测能得到很好的结果。三种算法所得结果一致,而且处理速度快,适合于实时图像处理和目标探测。     

基于二次引导滤波的红外图像增强算法及其FPGA实现

针对红外图像细节模糊、对比度低等问题，提出了一种基于二次引导滤波的红外图像增强算法。首先，将原始红外图像作为引导图像，使用引导滤波提取出红外图像的细节信息；其次，将得到的细节信息再进行一次引导滤波处理提取出噪声更低的细节信息；最后，将原始红外图像和两部分的细节信息进行加权求和，实现红外图像增强。该算法能够提高红外图像对比度，增强红外图像细节信息。实验结果表明：相比于其他增强算法，本文算法增强之后的红外图像平均对比度提高了123%～246%，平均梯度提升了56%～101%，视觉效果获得明显改善，更能突显细节特征。基于可编程逻辑门阵列(field programmable gate array, FPGA)实现该算法时，占用资源低，处理640×512像素分辨率的单帧红外图像所需时间可达10.12 ms，能满足红外探测系统的实时性要求，具有一定的实用价值。     

基于FLS-SVM背景预测的红外弱小目标检测

提出了一种基于模糊最小二乘支持向量机(FLS-SVM)进行背景预测、利用模糊Tsallis-Havrda-Charvat熵实现阈值分割的红外弱小目标检测方法。首先采用FLS-SVM对训练样本进行学习得到回归函数,并以此预测红外图像中的背景;然后将原始图像与预测图像相减得到残差图像,并提出基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法分割残差图像,将小目标和噪声从残差背景中分割出来;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果及分析,并与基于最小二乘支持向量机(LS-SVM)以及基于最小二乘的背景预测方法的检测结果进行了比较。结果表明,该方法具有更高的检测概率和信噪比增益,优于上述基于背景预测的红外小目标检测方法。     

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.     

移位帧累积技术中的移位参数检测研究

移位帧累积技术在抑制图像噪声的同时,避免了运动图像直接帧累积所带来的边缘模糊,从而有效地提高了运动图像的像质。准确判定目标在图像中的运动方向及移位量是移位帧累积技术的关键。提出了一种适用于运动图像序列的目标移位参数快速检测方法。该方法通过相应算法产生包含特征像素的帧差图像,并通过对特征像素的统计进行目标运动方向的判别及移位量的计算,从而实现对目标运动参数的自动检测。实验结果表明移位量的检测值与实际值具有良好的一致性。     

一种新的运动模糊图像超分辨力盲复原算法

研究了具有深度运动模糊效果的图像的复原算法.采用对运动模糊图像的傅里叶频谱进行Radon变换来估计运动模糊方向,在此方向上计算运动模糊图像的自相关来估计运动模糊长度,再以运动模糊方向和运动模糊长度为参量结合超分辨力图像复原处理算法对比较严重的运动模糊图像进行复原.结果表明,该综合性算法能够较为精确地估算出运动模糊图像的模糊参量并取得较好的复原效果.     

基于互补梯度增强的红外线列扫描图像小目标检测

针对红外弱小目标难以识别、存在虚警的问题,根据红外线列探测器的噪声特性与小目标的梯度对称性,提出一种通过在图像梯度空间下构建多尺度堆叠增强重积分图(MSERI)来检测红外小目标的方法.估计不同的小目标尺寸,从多个方向计算图像的单向梯度图,利用估计尺寸寻找单向梯度图中各梯度值的互补梯度,对图像进行增强,之后对增强后的单向梯度图进行积分以还原图像并堆叠不同方向的积分图像,综合不同估计尺寸的堆叠图以获得增强结果.最后根据增强结果中的图像像素邻域的杂波峰-峰值计算自适应调节阈值,分割得到红外小目标.实验表明,所提方法在多种场景下均具有较好的检测能力与较低的虚警率,且运行速度优于其他性能类似的算法.     

基于复滤波器组的红外弱小目标检测算法

 为了有效抑制复杂背景的干扰,降低复杂背景所带来的虚警,提高目标检测的信噪比,提出了一种基于复滤波器组的红外弱小目标检测算法。分析了复杂背景下带有弱小目标的红外图像中复杂背景和弱小目标图像各自的频谱特性,并引入了分频段处理的思想。比较了各种滤波器的性能,并选用了基于复小波的滤波器组,用该滤波器组将红外弱小目标图像分解到各个子频域;对分解后的各频段图像分别进行基于罗宾逊滤波的目标检测处理,提取各频段图像中的奇异点;根据目标图像和背景图像的频谱特性的定量分析结果,选取合适的权值,将各频段检测的结果进行加权融合,得到最终的处理效果。实验结果表明:弱小目标检测方法较之于传统的不分频段的高通滤波处理方式可以获得更高的信噪比,目标得到明显的增强,背景杂波得到更有效的抑制,各项探测指标均更优。     

结合PCNN分割和模糊集理论的红外图像增强

为了克服天空背景对红外图像增强处理的干扰、更好地凸显图像中的目标,提出了一种结合脉冲耦合神经网络(PCNN)分割和模糊集理论的红外图像增强方法。利用PCNN将图像分割成天空背景区域和目标区域,之后对目标区域利用变分Retinex处理以获得反射图像,并对该反射图像进行基于岭型分布的自适应模糊增强,将自适应增强后的反射图像与照射图像进行融合,将融合后的目标区域的局部均值赋值给天空背景区域,重构得到增强后的图像。实验结果证明,该方法解决了已有算法中出现的天空区域噪声放大问题,增强后的图像具有更高的对比度和更好的视觉效果。     

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.     

多帧融合处理技术在运动模糊图像复原中的应用

运动模糊图像是电视监控中常见的退化图像 ,也是图像处理和检验工作中的难题。针对电视摄像的特点 ,多帧融合处理技术从图像时间序列中提取景物的运动信息 ,构造复原滤波器 ,通过频率域反转滤波方式复原模糊图像。这项技术能够有效地增强电视监控中存在的运动模糊图像 ,并且适用于数字视频图像处理     

基于DDE技术分析的红外图像细节增强算法

在光电设备中,高位宽红外探测器由于具有高灵敏度、低噪声的特点而得到广泛应用。而通常的显示设备或快速处理只要求8位数据宽度,所以需要将高位宽的图像数据压缩至8位位宽。但是如果压缩方法处理不当,可能会造成原有信息丢失,在显示图像中表现为图像细节的损失。通过对FLIR公司数字图像细节增强（DDE）技术的分析,比较了DDE技术与以往常用红外图像动态范围压缩算法的区别,总结并提出了符合DDE思想的红外图像动态范围压缩细节增强算法,该算法在全面增强图像细节的同时能够抑制图像背景中的杂波,增强弱小目标,既满足图像显示的视觉效果,又有利于在图像上进行目标提取。     

基于CdZnTe像素阵列探测技术的伽玛源成像

根据高能射线针孔成像理论,采用CdZnTe像素阵列探测器建立了直接成像探测模式的伽玛源针孔探测系统。测试分析了CdZnTe像素阵列探测器的能量分辨力及峰值效率,讨论研究了针孔成像探测系统的调制传递函数和附加噪声特性,测试获得直径5mm137Cs源的探测图像,采用Lucy-Richardson迭代算法得到了137Cs源的复原图像。实验结果表明:CdZnTe探测器对662keV137Cs源的能量分辨力为6.25%～7.50%,峰值效率65.0%～72.5%;成像系统探测图像存在一定扩散现象,所采用的Lucy-Richardson迭代复原算法能较好地修正图像扩散,提高探测图像中心区域细节分辨力;估算所得137Cs源尺寸误差约0.5mm,所建立的CdZnTe针孔成像探测系统能有效得到小尺寸伽玛源的辐照强度分布及尺寸信息。     

红外小目标与背景辐射对比度的研究

红外目标与背景的对比度特征是红外探测系统检测的重要特征。研究了目标和背景在探测器上的辐射照度,提出了一种红外小目标与背景的辐射对比度,分析了该目标与背景对比度的相关因素。