基于分类的红外云层背景弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法.根据红外成像的特点,将红外云层背景弱小目标图像分为三类:边缘类、净空及云中类、弱小目标类;对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量;根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测.实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测.     

基于改进SSD的车辆小目标检测方法

地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标。围绕地面小尺寸目标精准检测的问题,从目标特征提取的角度提出了一种特征融合的子网络。该子网络引入了重要的局部细节信息,有效地提升了小目标检测效果。针对尺度、角度等的变换问题,设计了基于融合层的扩展层预测子网络,在扩展层的多个尺度空间内匹配目标,生成目标预测框对目标定位。在车辆小目标VEDAI(vehicle detection in aerial imagery)数据集上的实验表明,算法保留传统SSD(single-shot multibox detector)检测速度优势的同时,在精度方面有了明显提升,大幅提升了算法的实用性。     

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.     

基于非参数背景抑制的弱小目标管线法检测

介绍了一种红外图像背景抑制的非参数方法(E_kernel)。提出了一种弱小目标的管线检测算法。E_kernel方法不同于传统的线性或非线性背景预测,它对背景杂波分布的统计特性不敏感,受其影响较小,具有非参数特性。管线检测算法对序列图像做若干相同的顺序处理,采用并行分布式计算,处理时间短。仿真试验表明,该算法能有效地检测出低信噪比红外序列图像中的弱小目标的运动轨迹,具有较高的实时性。     

基于全变差的弱小目标背景抑制

结构化背景抑制是红外弱小目标检测技术的一个难题。根据红外图像中目标和背景信号的特性,在定义Gabor函数为点扩展函数的基础上,提出了一种基于全变差滤波的背景抑制算法,该算法将图像的背景抑制转化为求解全变差滤波模型最小化,以便最终实现对红外图像的背景抑制。对真实的红外图像序列进行实验,并与小波域滤波算法进行了比较。几组实验结果表明,对在结构化背景下的红外弱小目标背景来说,从主观视觉和数值指标来看,该算法具有良好的抑制效果,且运算量较小,便于实时实现。     

基于灰度特性的海天背景小目标检测

针对复杂海天背景下的小目标检测存在海浪、云层干扰等问题,提出了先提取海天线,然后利用一维最大熵阈值分割法对出现在天空、海面或者海天线附近特定区域的目标进行检测的算法。该算法主要利用天空海面行灰度均值特性,结合梯度运算和形态学运算在海天线的潜在位置中检测边缘,进而用强鲁棒性的Hough变换直线检测法拟合海天线,实现对海天线的准确定位。实验处理分辨率为：256pixel×256pixel的位图时,定位海天线需时4．1ms,检测到目标需时5．3ms,完全满足高帧频图像处理的实时性要求。实验结果表明,该算法能够快速、准确地检测出小目标,大大降低了虚警率。     

图像局部熵用于小目标检测研究

分析了局部熵用于小目标检测时造成目标范围扩散等问题的原因,并提出了熵增长方法.该方法用于点目标检测可避免发生目标范围扩散现象.由于边缘纹理和点目标在熵增长处理过程中表现出截然相反的属性,故可避免边缘纹理对于小目标检测产生的严重干扰.该方法也可用于不受噪声干扰的边缘检测.针对相同信噪比目标在不同背景亮度中具有不同熵值和增长量的问题,提出用方差增长替代熵增长,使相同信噪比目标在不同背景亮度中表现出相同的增长量值,降低了后续目标分割的难度.试验表明,熵增长方法和方差增长方法能够有效检测1或2像素大小的点目标,并不受背景中边缘纹理的干扰.对算法的复杂度进行了分析,并提出采用双通道并行流水线方式实现工程化的设计思路.     

基于双边滤波的弱小目标背景抑制

为解决红外弱小目标检测技术中结构化背景抑制的难题,利用双边滤波集成了图像几何、光度和局部结构相似性等信息并以非迭代、局部操作的优点,提出了一种基于双边滤波的红外弱小目标背景抑制算法,并引入了局部梯度的统计特性来抑制背景细节、增强目标信息,从而达到更好抑制图像中的背景,突出目标图像,提高图像整体对比度、信噪比的目的。实验结果显示,与小波滤波算法比较,该算法对含有弱小目标的复杂背景从主观视觉和数值指标都具有良好抑制效果。     

基于双边滤波的弱小目标背景抑制

 为解决红外弱小目标检测技术中结构化背景抑制的难题,利用双边滤波集成了图像几何、光度和局部结构相似性等信息并以非迭代、局部操作的优点,提出了一种基于双边滤波的红外弱小目标背景抑制算法,并引入了局部梯度的统计特性来抑制背景细节、增强目标信息,从而达到更好抑制图像中的背景,突出目标图像,提高图像整体对比度、信噪比的目的。实验结果显示,与小波滤波算法比较,该算法对含有弱小目标的复杂背景从主观视觉和数值指标都具有良好抑制效果。     

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.     

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...     

基于区域奇异性滤波的小目标检测

针对复杂背景下红外运动小目标的检测和跟踪存在的难点,提出了基于SUSAN检测思想的滤波方法。该方法是通过构建局部区域的奇异性函数来计算奇异度的,并借鉴Wiener滤波的思想,由最小绝对差确定出灰度差阈值。该滤波方法达到了抑制背景、提高信噪比的目的。     

深空背景弱小运动目标检测算法研究

在深入分析监测设备CCD图像特点的基础上,提出了一种深空背景弱小运动目标检测新方法。该算法使用列高通滤波器进行背景抑制;采用序列图像多帧累加增强目标与恒星的对比度,用交叉投影法确定星点区域,提取局部星图,利用局部星图匹配剔除恒星干扰;结合候选目标的特征,采用基于逻辑的最近邻关联方法完成目标检测。结果表明,该算法可满足深空背景弱小运动目标实时检测的要求。     

自适应背景对消法在小目标检测中的应用

在小目标跟踪过程中，如何把目标从复杂背景中提取出来是实现跟踪的前题，根据运动背景下运动小目标的特点，提出自适应背景对消滤波法，该方法利用图像序列的相关性来检测目标。     

利用相邻相关像素进行噪音抑制的模糊小目标检测算法

提出了一种利用相邻相关像素对红外数字图像中的可疑小目标进行检测的算法. 该算法首先利用自适应全局阈值检测图像中的亮像素,并借助相邻相关像素信息滤除结果中的亮噪音点;然后依据亮像素的相关性,对剩余的亮像素进行加强,并再次抑制噪音,获得可观的信噪比增益.相对于传统的Top-Hat变换,该算法能够在有效提高待检测目标信号强度的同时很好地抑制噪音,有效地保留了目标图像的边缘细节.     

利用相邻相关像素进行噪音抑制的模糊小目标检测算法

提出了一种利用相邻相关像素对红外数字图像中的可疑小目标进行检测的算法.该算法首先利用自适应全局阈值检测图像中的亮像素,并借助相邻相关像素信息滤除结果中的亮噪音点;然后依据亮像素的相关性,对剩余的亮像素进行加强,并再次抑制噪音,获得可观的信噪比增益.相对于传统的Top-Hat变换,该算法能够在有效提高待检测目标信号强度的同时很好地抑制噪音,有效地保留了目标图像的边缘细节.     

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。     

一种复杂海空背景下的红外小目标检测跟踪算法

复杂海空背景下红外小目标检测和跟踪算法决定了光电跟踪设备的探测性能。为了解决复杂海空背景下的红外小目标检测跟踪难题,提出了一种复杂海空背景下的红外小目标抗干扰检测跟踪算法。在检测阶段,为了抑制不同区域中各类杂波,该算法利用不同的分类器分别区分不同区域的杂波和小目标;在跟踪阶段,为了进一步剔除孤立噪声和杂波干扰,采用高斯混合概率假设密度滤波器进行目标航迹维持。在仿真视频上进行的目标检测跟踪实验表明,所提算法相比以往的跟踪算法,正确跟踪率提升了约10%,平均跟踪精度提升了约50%。该算法具有较好的工程可行性。     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.