基于多小波变换的红外目标探测与识别

针对光电联合变换相关器目标识别的实际应用,对待测红外目标图片进行多小波变换,并利用模极大值法提取其边缘.通过获取更多的轮廓信息,从而提高对目标的识别能力.计算机模拟了常用于红外目标处理的多小波GHM和SA4,实验结果表明:基于GHM多小波提取的边缘能获取大量的图像轮廓信息.其识别结果明显优于SA4多小波.将目标原图的光...     

基于小波变换的航空红外图像目标检测的预处理

提出了一种基于高斯小波变换的航空红外图像的目标边缘自动提取的新方法。该方法利用小波变换良好的噪声抑制能力及完备的边缘保持能力 ,能够有效的对红外图像进行目标边缘提取、目标增强及噪声抑制等预处理工作。结果表明 ,该方法对红外航空图片的边缘提取能做到快捷、准确、有效     

基于光学小波微分预处理的联合变换相关目标识别

提出了一种基于光学小波变换微分预处理的光电混合联合变换相关系统,该系统利用同一光路可实时实现对输入图象的小波变换微分预处理和联合变换相关识别.实验结果表明:该系统能得到很尖锐的互相关峰,可显著提高联合变换相关器的识别能力.     

利用小波变换进行海上目标识别研究

对海面舰船目标类型的识别,通常采用目视判读的方法。由于目视判读的方法不利于大面积侦察任务的快速识别,所以根据海上目标所具有的背景单一、结构复杂的特点,提出了利用小波变换所具有的多分辩率、易于消除噪声、运算方便的特点来提取舰船边缘特征,建立舰船结构特征数据库,实现舰船目标类型的自动判读。试验证明效果很好。     

红外点目标检测的小波变换方法研究

在对红外图像目标特性及背景特性分析的基础上,提出了基于小波变换高频子图像处理算法及基于小波变换的区域相关算法,着重解决当目标距离成像系统较远时的点目标检测问题.实验结果表明:将区域相关算法和图像局部区域阈值的自适应滤波检测技术相结合,可显著提高红外点目标检测概率,实现较远距离的点目标检测.     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

基于张量的平稳小波变换红外图像去噪

提出了一种基于张量的平稳小波变换红外图像去噪方法.采用平稳小波对噪声红外图像进行分解,保持低频近似图像不变,将所有尺度上的水平、垂直和对角方向的高频细节图像组合为一个立方体,形成三阶张量,通过多线性代数方法估计信号小波系数,这种处理方式没有破坏小波系数之间的固有空间关系,同时考虑到了尺度问和尺度内小波系数的相关性,优于传统的基于线性最小均方误差的信号小波系数估计算法,最后由低频近似图像与估计的高频细节图像通过平稳小波逆变换得到去噪图像.实验结果表明,该方法在性能指标和视觉质量上优于传统的平稳小波域最小均方误差去噪算法,为小波系数的较准确估计提供了一种全新思路.     

基于小波多尺度积的目标识别

光学相关探测就是利用光学相关的方法,从混乱的图像中找出需要的目标,达到识别的目的.把小波变换应用于光电混含联合变换相关器,突破了传统的傅里叶变换的局限性,实现了对探测目标不同区域、不同尺度的分析.为了充分利用小波不同尺度的特性,采用小波多尺度积的方法提取出目标图像的边缘,兼顾了图像的细节与轮廓特征,将目标图像不同层次的轮廓信息和细节信息相结合,解决了复杂背景下目标图像的识别问题.光学实验结果表明,该方法有效增强了复杂背景目标的相关点强度,成功实现了目标的探测,具有良好的应用前景.     

光学小波变换

首先讨论了常规傅里叶变换的缺点,导入短时傅里叶变换及小波变换,分析了小波变换的特点和实现小波变换的光学方案,在空域和频域中详细分析了利用高斯－哈尔小波变换进行边缘探测的特征,介绍了小波变换图形识别的结果     

一种基于小波变换的红外小目标去噪算法

研究了复杂背景下红外小目标图像的去噪问题,鉴于小波阈值法去噪的缺点,结合小波变换的去相关性和能量紧支性,提出一种新的去噪方法。考虑到实际中的复杂背景和大量干扰,弱小目标通常占有很少像素,首先对红外小目标图像进行二级小波变换,然后根据新的算法对变换所得小波细节系数进行邻域运算,最后通过小波逆变换得到处理后的图像。 实验中采用Db3小波基函数,分别对两帧低信噪比原始图像进行仿真。仿真结果表明,该算法能很好地保存小目标的形状特征,抑制背景,达到较好的去噪效果。     

基于光谱探测与图像识别的反伪装目标系统研究

为了在野外环境中快速有效地识别敌方伪装的机动目标,设计了基于光谱探测与视频图像目标识别方法联用的目标识别系统。采用视频图像识别技术获取被测区域的二维影像,再通过光谱探测技术识别目标,最终将目标重建在图像相应位置上从而实现目标识别的可视化。理论推导得到了系统可识别目标的函数关系式,根据该函数关系进行了目标识别的量化实验。实验采用汽车模拟被测机动目标,在不同距离上分别以平坦荒地、灌木丛和废弃建筑物为背景,对明显目标、涂覆迷彩色的目标以及遮挡伪装物的目标分别进行光谱探测。实验结果显示,测试背景对光谱探测效果有一定影响,背景的连续性有利于目标识别;伪装方式以伪装物遮挡最难识别,且随着目标与系统的距离增大而信噪比随之降低。综上所述,采用光谱探测技术克服了传统图像目标识别无法识别伪装目标的缺点,可以实现对伪装目标的有效识别。     

自动对靶喷雾靶标红外探测研究

农林作物一般非连续种植,喷在农林作物靶标之间的药液造成巨大浪费和严重环境污染,因此探讨利用红外线探测技术实现靶标的自动探测, 对靶精准喷施意义重大。红外线可有效防止可见光的干扰,响应速度快,可实现无接触探测,由此建立的红外光电探测系统可靠性好、成本低。红外发光管发射出红外光照射到被探测物体上,反射的红外线被光电探测器接收,触发控制信号,实现自动对靶施药。系统中不同探测器组采用不同编码的调制脉冲红外信号,可消除组间光路干扰及其他光信号的干扰。实验结果表明所建立的红外靶标自动探测装置可对农林作物靶标进行自动探测,光波波长为850 nm,探测距离为0.1～6 m可调,靶标最小识别间距小于0.3 m。     

Target recognition in clutter scene based on wavelet transform

Edge extraction based on wavelet for optical correlation detection is presented. Optical experiments with joint transform correlator (JTC) show that there is a bright application prospect in the field of optical correlation detection by extracting the edge features of input image with the method of wavelet transform. In the course of processing, the multi-scale character of wavelet is used sufficiently. The energy of correlation peaks and the detection ratio of various targets are greatly enhanced by the approach. To demonstrate the feasibility of edges extraction based on WT, small targets and targets in clutter scene are successfully detected.     

一种利用十字窗口识别红外弱小目标的新方法

为有效地识别红外图像中的弱小目标,在分析传统识别方法的基础上,提出了一种利用十字窗口识别红外弱小目标的新方法.该方法在待识别点上、下、左、右四个方向以目标大小选取四个参考点构造十字形识别窗口,根据待识别点与参考点之间的灰度梯度识别该像素点是否为目标像素.该方法无需预测背景,可以在低信噪比、强度变化剧烈的图像中获得较高的识别率与较低的虚警率.实验结果表明了该算法的有效性.     

基于双层局部对比度的红外弱小目标检测方法

针对传统基于人类视觉系统的检测方法在复杂背景下容易造成检测虚警的问题,提出一种基于双层局部对比度的红外弱小目标检测方法.首先,通过双层对角灰度差对比度分析机制,充分利用小目标局部对比度的先验信息,提高目标对比度的同时抑制背景杂波及噪声;之后,利用自适应阈值分割法获取待检测的真实目标.实验结果表明,与主流基于人类视觉系统的检测方法相比,所提方法的背景抑制因子平均提高9.3倍以上,信杂比率增益平均提高7.8倍以上,在不同的复杂场景下均具有更好的检测性能.     

一种边缘和过渡区域相结合的红外目标提取方法

传统的基于过渡区域提取的目标分割算法存在噪声敏感问题,从而会影响到过渡区域提取的准确性。与可见光图像相比,红外图像特别是红外光谱图像,受到探测器无法消除的热噪声影响,传统的目标提取算法准确率普遍降低。此外,虽然通过边缘能够精确定位目标,但是无法获取目标完整边缘。而过渡区域的灰度分布特点是可以解决基于边缘的目标提取难题。因此为了提高目标提取的抗噪性和准确性,提出了一种将过渡区域提取与边缘检测结合的自适应红外目标提取方法。首先利用像元空间邻域信息构造密度,以此有效降低噪声影响和获取图像边缘信息。然后基于像元密度信息最大分离目标边缘与背景,得到有效边缘和过渡区域,进而以此生长出目标。将边缘与过渡区域结合,可以很好地抑制噪声,多幅复杂场景实验评估了该方法的抗噪性能,结果显示,提出的方法在噪声的干扰下能较好的提取目标。     

基于多特征的快速红外弱小目标检测算法

为了从全向红外搜索和跟踪系统采集的海量大视场高分辨率红外图像中快速准确地检测出红外弱小目标,本文提出了一种基于由粗到细的分阶段检测策略和时空域特征融合的红外弱小目标检测算法.首先,通过引入基于频域的快速显著性检测算法预先检测出目标可能存在的候选区域;其次,对候选区域进行角点检测以判定是否存在候选目标;最后,通过结合帧间时空域特征对候选目标进行进一步判定,以提取真实目标、删除虚假目标.多种实际场景的实验结果表明,该目标检测算法不仅运算量小而且探测概率高、虚警率低,是一种工程实用性能很好的红外弱小目标检测算法.     

Infrared Small Target Detection Using PPCA

Probabilistic PCA (PPCA) is an extension of PCA which reformulated PCA in a probabilistic framework. In this paper we propose a infrared small target detection algorithm using PPCA analogous to the face detection scheme using PCA, or known as “eigenface”. By computing the parameters of PPCA, we map the input vector from the image onto a subspace. After reconstructing the vector, the distance between the original vector and the reconstructed one will indicate the possibility of the input being a target. Experimental results show the effectiveness of this algorithm compared with other methods.     

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.