微波增强红外成像地下目标探测技术

在分析已有的几种地下目标探测技术特点的基础上,重点介绍了微波增强红外成像探测技术,分析了其技术特点和基本工作原理,讨论了其中关键技术,概述了其目前的发展状况,讨论了该技术未来的研究重点.     

天空背景下一维红外小目标检测技术研究

针对小波去噪法在处理天空背景下一维红外小目标时不能有效去除包含在近似系数中的高频噪声的问题,提出了首先通过Top-Hat算法对近似系数进行背景对消,然后采用改进阈值函数对细节系数进行量化的检测方法。数字仿真结果表明,新方法能有效地去除噪声干扰,提高信噪比。     

沙漠背景下红外偏振图像目标检测方法

红外偏振成像探测同时探测目标的强度辐射与反射偏振态,可以获取传统光学无法获取的目标。偏振探测获取的偏振度、偏振角等信息反映不同的物理特性,与强度图像有较强的互补性。针对该特性,提出一种沙漠背景目标红外偏振图像检测方法。使用一种改进的核模糊聚类算法对红外图像和偏振图像进行聚类处理;利用稀疏融合方法将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,以达到目标检测的目的。实验表明,提出的检测方法相对小波融合和拉普拉斯金字塔融合结果噪声更低、细节更清晰。     

基于独立成分分析的多时相遥感图像变化检测

变化检测是通过分析多时相遥感图像间的差异实现地物变化信息的提取,而消除多时相遥感图像中的相关性是提取变化信息的一种有效途径。独立成分分析(ICA)作为近年出现的盲源分离技术,能够有效地消除多源信号间的二阶和高阶相关,经其变换的各分量之间相互独立。该文提出一种应用ICA变换实现多时相遥感图像变化检测的算法,首先对多时相多光谱遥感图像进行独立成分分析,得到彼此没有相关信息的独立成分,并且各独立成分图像中的变化信息得到增强;然后通过分析变换后的独立成分实现地物的变化检测。实验结果显示该算法比传统的方法具有更好的性能。     

多视角红外图像目标识别方法

随着红外传感器的性能提升和应用普及,获取同一场景下同一目标的多视角图像成为可能。为此,提出联合多视角红外图像的目标识别方法。首先对多视角红外图像进行聚类分析,获取多个视角子集。在每个视角子集中,红外图像具有较强的相关性。对于不同的视角子集,它们相对独立。为充分利用这种相关性和独立性,采用联合稀疏表示（JSR）对单个视角子集进行决策。特别地,对于只包含一个视角的子集,则直接采用经典的稀疏表示分类（SRC）进行处理。对于不同视角子集获取的决策结果,基于线性加权的思想进行融合处理,并根据融合后的决策变量判决多视角红外图像所属的目标类别。因此,所提方法在分析多视角红外图像内在关联性的基础上,分别对局部相关性和整体的独立性进行考察,并通过决策层的融合将两者融为一体,提高了最终决策的可靠性。实验中,在采集的多类交通车辆红外图像上进行识别,分别在原始图像、加噪声图像以及部分遮挡图像上对方法进行测试和验证,经过对比分析验证了提出方法的有效性。     

基于ICA和FCM的多时相SAR图像变化检测

针对多时相合成孔径雷达(Synthetic Aperture Radar,SAR)图像提出了一种非监督的变化检测方法,首先利用独立成分分析(Independent Component Analysis,ICA)抑制相干斑噪声和减少混合像元,提高图像的分类性能.然后对独立分量图像构造差值图像进行非监督的变化检测,最后采用加入空间邻域信息的模糊C-均值聚类(Fuzzy C-Means)方法把差异图像分为变化类和非变化类,以此克服需要选择统计模型的影响.实验结果证实了该算法能有效抑制了变化检测中的虚警.     

基于补体免疫聚类的电力设备红外图像目标提取算法

针对电力设备红外检测中,由于背景复杂,痕迹重叠而难以有效提取目标电力设备这一问题,提出一种补体免疫聚类目标提取算法。算法参考免疫系统中补体系统作用机理,建立多个电力设备模板图像库,通过模板与图像的匹配度来确定目标区域的轮廓和位置。对图像进行k-means聚类处理,给每一个像素点赋予新的特征值,重新确定聚类中心,完成对目标区域图像的提取,并证明该算法的收敛性。通过对实验结果的定性定量分析进一步证实该算法的有效性。     

一种新的红外目标提取算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种结合图像统计特征和模糊聚类的红外图像目标提取方法对红外图像进行迭代分块,通过计算统计特征度量函数的极值来确定种子区域,进而获得红外目标约束区域。利用模糊聚类对该约束区域进行有效的聚类划分,最终实现红外图像目标提取。实验结果表明,该方法能够准确的对红外目标进行提取,便于下一步的红外目标识别与跟踪。     

基于包围盒约束光谱聚类的红外目标识别算法

在红外成像过程中,目标边缘模糊化是影响红外目标识别效果的关键因素,也是红外目标识别算法的研究重点,故在光谱图像中合理补偿目标几何特征信息成为研究热点之一。结合包含目标几何特征信息的包围盒作为约束条件,对红外光谱图像进行分层限定滤波,降低原有图像数据中目标几何外形数据的丢失,提高目标可识别性。设计了在包围盒约束条件下的光谱聚类算法,设置参数η表征待测军用车辆目标的几何信息,设置参数m表征待测军用车辆目标的光谱特征信息。实验采用TEL-1000-MW型红外成像光谱仪获取多光谱图像,通过改变m和η值调整光谱特征值个数与包围盒范围,从而获得不同的目标识别图像。并与传统方法对同一幅红外目标图像的识别效果相比较,结果发现采用包围盒约束的待测目标图像几何边界信息保留效果明显优于传统方法,当m=10、η=0.7时,红外图像的目标识别效果最好,同时算法收敛速度也最优。由此可见,该算法在提高红外目标识别能力、避免误判伪目标和漏检目标方面具有很高的实用价值。     

核Fukunaga-Koontz变换检测红外小目标

Fukunnga-Koontz变换作为一种两类模武识别工具,源自主成分分析,只能提取图像的二阶统计特征,没有考虑图像的高阶统计特征,用于红外小目标检测时难以达到满意效果.为了提高目标检测性能,本研究首先将Fuku-naga-Koontz变换推广到高维核特征空间,成为核Fukunaga-Koontz交换,以提取图像的高阶统计特征,从而利用核Fukunnga-Koontz变换来检测红外小目标.     

基于背景自适应预测的红外弱小运动目标检测

介绍了一种检测背景杂波中弱小红外目标的新方法．该方法根据背景红外辐射空间分布上的相关性,采用ＬＭＳ自适应空间预测滤波技术对背景空间红外辐射分布进行预测,并根据预测误差检测红外运动目标．本文还介绍了改进预测效果的方法,并以实际录取图像的处理结果,说明了上述方法的有效性     

基于平稳多小波变换的红外图像噪声抑制方法

提出了一种平稳多小波变换方法,该方法结合多小波和平稳小波变换在信号去噪方面的优点,给出了二维图像平稳多小波变换的mallat分解重构算法,并对红外图像的平稳多小波变换系数进行阚值处理实现图像去噪,仿真结果表明,相对于平稳标量小波变换和多小波的噪声抑制方法,此方法对噪声有更好的抑制作用,并尽可能多的保持目标的特征和细节．     

基于多传感器融合的红外图像序列检测性能分析

针对红外图像目标检测性能问题,从多传感器融合算法的典型流程出发,推导单帧检测性能、多帧检测性能和多传感器融合性能的关系,并从理论上对单个因素的影响进行定量分析.分析结果表明,多传感器融合的性能比单帧检测性能和多帧检测性能更优越.     

基于K—L变换的红外图像弱小目标检测与分析

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点,利用正交变换去相关特性,提出了一种改进的K－L变换和广义K－L变换的红外弱小目标检测与描述方法,从而实现低信噪比条件下红外弱小目标的检测。     

基于Contourlet变换的红外图像序列小目标检测技术

Contourlet变换具有多尺度,多方向性的特征,是小波的一种扩展.本文提出了一种基于Contourlet变换的红外小目标检测算法.首先对图像进行Contourlet分解;然后利用能量法提取其局部纹理特征,并计算各点的特征向量与中心向量问的距离,得到一个相关的多尺度距离像;最后根据该距离像进行直方图统计,从而实现目标的检测.文中给出了实验结果,并与基于小波变换的红外小目标检测算法进行了比较,结果表明,本方法能较精确地检测出红外小目标,优于基于小波变换的方法.     

基于可见/近红外光谱技术的茄子叶片灰霉病早期检测研究

应用可见/近红外光谱技术对茄子叶片进行灰霉病害还未在叶片表面出现病症时的早期检测.采用化学计量学方法建立早期检测模型.主成分分析用于对光谱数据进行降维,得到若干个最重要的主成分.但直接从聚类图中无法进行是否染病的鉴别.因而将其作为变量输入BP神经网络,从而减少了计算量,提高了建模精度.检测结果显示,模型具有良好的检测效果,能够达到100%的识别率,正确率也能达到88%.说明运用可见/近红外光谱技术能够实现当病症还未在叶片表面出现时的快速准确的早期检测,为灰霉病早期检测提供了新的途径.     

海面船目标红外图像的计算机模拟

在海面船目标独立红外图像理论模拟研究的基础上，探索了船目标与海天背景合成的红外图像计算机模拟原理和方法。理论模拟采用将大气海面组成的背景与船目标分离成像，然后进行图像合成技术方案。讨论了相关的原理和计算方法，用编制的计算和显示软件对典型实例进行了计算。     

基于Cauchy分布的红外视频运动目标检测

基于柯西分布统计模型和梯度信息,提出了一种用于热成像(红外)图像序列中行人目标检测的统计背景剔除方法.它不依赖传统红外行人检测方法的"热场"(hot-spot)假设(即认为人体区域总比周围环境热),而是用一种快速动态背景的重建方法建立初始化背景Gaussian模型,简化了Cauchy分布的参数估计问题.基于Gauchy分布的背景剔除被首先用来识别局部兴趣区域(Regions-Of-Interest,ROI).在每个兴趣区域将当前图像和背景图像的梯度信息组合成一个梯度图.对梯度图进行各向异性滤波和运用最大类间方差法进行自适应阈值处理后获得行人目标区域.经多组实验及与其他方法比较,结果表明提出的方法对热成像红外视频人体目标的位置和形状实现了较精确的检测,对环境、时间变化、极性翻转、"晕轮"效应等产生的影响,以及背景中杂波的干扰具有较好的鲁棒性.