基于相关滤波器的红外弱小目标检测算法EI北大核心CSCD

针对复杂背景下红外图像中低信噪比弱小目标实时检测问题,提出一种基于相关滤波器的红外弱小目标检测算法。该算法将红外目标检测转化为模式分类问题,在离线训练阶段,利用二维高斯模型构造红外小目标训练集,在此基础上训练得到对目标背景具有区分能力的相关滤波器,在线检测阶段,利用滤波器对图像分块进行滤波操作,目标和背景的滤波响应有着显著的差异,最后生成整幅图像的滤波响应置信图以此来判断图像中是否包含目标及其具体位置。在单帧单目标图像、序列图像多目标检测实验结果表明,与经典检测算法相比,所提方法不仅具有更高检测性能,有效降低了虚警概率,而且具有较好的实时性,适用于复杂背景条件下弱小目标的实时检测。     

融合视觉显著性和局部熵的红外弱小目标检测

针对红外图像中弱小目标检测虚警率高、实时性差的问题,提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法.该方法将红外弱小目标的检测问题由粗到精分步实现,首先利用融合局部熵的方法提取包含目标的感兴趣区域,对红外弱小目标实现粗定位.然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度,获得感兴趣区域的显著图.最...     

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.     

基于视觉注意机制的红外弱小目标检测

为了提升基于人类视觉系统检测方法的检测率、检测速度和场景适应能力,构建了一个多场景红外弱小目标数据集,提出了一种基于视觉注意机制的红外弱小目标检测算法.从自底向上的机制出发,提出多尺度灰度-方差估计,快速计算显著图并估计出最优目标尺寸,使用基于加速分割测试特征的角点检测算法快速提取候选目标,并引入非极大值抑制去除冗余....     

基于多特征融合的复杂背景下弱小多目标检测和跟踪算法

针对红外弱小多目标的检测和跟踪难题,提出一种基于多特征融合的复杂背景下弱小多目标检测和跟踪算法.融合红外弱小运动目标的灰度特征、梯度特征、运动特征等多个典型特性,进行复杂背景下弱小多目标的检测和跟踪.实验证明:该算法应用于复杂背景下低信噪比的红外弱小多目标图像序列能得到较理想的结果,算法检测概率高、检测速度快、具有较强鲁棒性.     

数学形态学在红外多弱小目标提取中的应用

应用了高帽和低帽变换对图像进行对比度增强、采用基于流域变换的粘连目标分割的方法把图像中粘连目标分割开来,进而采用了自适应的阈值把图像二值化.通过这一系列的处理后,从红外图像中提取出了弱小目标信息.这种方法在红外弱小目标的判别中对目标的提取效果较佳,也给后续处理提供了方便.     

各向异性SUSAN滤波红外弱小目标检测

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题,采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值,从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中,实验结果表明：各向异性SUSAN滤波器能够很好地保留图像中的边缘信息,使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高,目标大小得到较好的保留,虚警率下降。     

各向异性SUSAN滤波红外弱小目标检测

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题,采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值,从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中,实验结果表明:各向异性SUSAN滤波器能够很好地保留图像中的边缘信息,使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高,目标大小得到较好的保留,虚警率下降。     

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.     

一种无人值守设备的红外弱小多目标自动判读方法

提出了一种实用的适用于无人值守设备的红外弱小多目标自动判读方法。通过判别图像序列段累积信号量的变化进行目标段自动定位,对定位后的目标段运用轨迹预测关联的方法进行目标识别。给出了目标图像序列的处理结果,证明该自动判读方法可以在保证目标识别率的同时大大缩短图像判读时间,能够满足光电测量中快速提供测量结果的需求。     

基于多步长梯度特征的红外弱小目标检测算法

针对低信噪比红外图像中弱小目标检测难的问题,在分析红外弱小目标各向梯度特征的基础上,提出了一种新的红外弱小目标检测算法.该算法基于红外弱小目标各向梯度均快速下降的特征,首先根据目标大小在待检测点上、下、左、右选取4个参考点,根据多步长下待检测点与参考点之间的最大梯度特征,判定潜在目标;然后通过连续3帧检测信息的融合,确...     

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.     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

基于小波变换和数据融合技术的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标，提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声，运用数据融合技术，先对图像进行小波多分辨率分解，然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证，实验图像取256×256像素点阵大小，其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标，为后续的跟踪作了很好的铺垫。     

基于小波变换和数据融合技术的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标,提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声,运用数据融合技术,先对图像进行小波多分辨率分解,然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证,实验图像取256×256像素点阵大小,其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标,为后续的跟踪作了很好的铺垫。     

基于小波变换和数据融合技术的弱小目标检测

 鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标，提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声，运用数据融合技术，先对图像进行小波多分辨率分解，然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证，实验图像取256×256像素点阵大小，其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标，为后续的跟踪作了很好的铺垫。     

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.     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

基于嵌入式GPU的红外弱小目标检测算法

红外弱小目标的目标像素少,目标对比度低,成像帧率高,图像数据量大,检测实时性强。针对红外弱小目标检测算法适合于GPU并行计算的特点,对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在检测算法设计、内存访问、调试优化3个方面进行了优化设计。实验结果表明,对640×480像素分辨率的红外视频,并行优化后的目标检测算法能够在10 ms内完成计算,满足实时处理需求。     

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明：与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.