红外序列图像中运动弱小目标检测

为检测红外序列图像中的运动弱小目标,分析了目标在序列图像中的运动特性和概率分布特性,以及目标和噪声在序列中的能量分布特性。提出连续M帧高阶累积方法来增强运动弱目标能量,用假设检验对目标和背景进行分割,通过搜寻序列运动能量中心来实现目标的多帧关联检测。通过仿真实验证明了算法对红外弱小目标检测有效性。     

基于引导滤波和分块自适应阈值的单帧红外弱小目标检测

为了在有效地检测复杂场景下红外弱小目标的同时保持较低虚警率,在满足算法实现实时性的前提下,提出一种基于引导滤波和分块自适应阈值的单帧红外弱小目标检测。首先,为缓解边缘杂波干扰,采用具有保边特性的引导滤波对图像进行背景估计;然后,利用弱小目标具备的局部灰度最大特性,提出基于软阈值非极大值抑制的九宫格滤波计算目标的概率。通过加权的方式进一步剔除背景,抑制结果中不满足目标特性的区域;最后,针对复杂场景目标检测虚警率和漏检率高的问题,提出一种分块自适应阈值分割方法提取候选目标。实验结果表明,在公开数据集上与Top-Hat、LCM和Max-Median等经典方法相比,所提方法性能优于其他方法,恒虚警下不同复杂度场景的召回率分别达到87.97%、84.93%和86.22%,可有效抑制背景,增强目标信号,提高红外弱小目标检测的召回率,且具有更好的场景鲁棒性。     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明：该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明:该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

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.     

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。     

强杂波背景红外弱小目标检测算法

针对强杂波背景远距离红外弱小信号目标的特点,提出了一种基于自适应滤波的红外弱小信号检测方法。算法首先对图像进行消噪声处理,其次运用自适应滤波方式消除背景增强目标信号,最后进行基于点源目标（试验采集）成像信号特性的判决法则删除虚假目标,算法有效解决了光电探测设备高检测概率与低虚警率的矛盾。实验结果表明：该方法能够在单帧图像上有效提取出小区域信噪比为4的弱小信号目标,检测概率不低于0.75,虚警率不高于1次/100帧。     

强杂波背景红外弱小目标检测算法

针对强杂波背景远距离红外弱小信号目标的特点,提出了一种基于自适应滤波的红外弱小信号检测方法。算法首先对图像进行消噪声处理,其次运用自适应滤波方式消除背景增强目标信号,最后进行基于点源目标(试验采集)成像信号特性的判决法则删除虚假目标,算法有效解决了光电探测设备高检测概率与低虚警率的矛盾。实验结果表明:该方法能够在单帧图像上有效提取出小区域信噪比为4的弱小信号目标,检测概率不低于0.75,虚警率不高于1次/100帧。     

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。     

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...     

The moving target detection algorithm based on the improved visual background extraction

This paper presents a moving target detection algorithm based on the improved visual background extraction. Traditional VIBE (Visual Background Extractor) algorithm is one of the powerful background subtraction algorithm. It can quickly, accurately and integrally detect moving target. However, sometimes it will falsely determine background as foreground and impact detection results. In this paper, we improve the traditional VIBE algorithm by joining TOM (Time of map) mechanism in the process of detection, so it can not only use the pixel’s spatial domain information, but also make full use of the pixel’s time domain information. Experiments detailed in this paper show the algorithm presented in this paper has better detection effect than the traditional VIBE algorithm.     

一种基于小波分析的小目标检测算法

红外小目标检测技术由于其重要的军事意义成为研究热点。根据目标、噪声和背景边缘在小波域的不同特点,提出一种基于小波分析的红外小目标检测算法。该算法利用小波对奇异信号强有力的分析能力,消除了噪声和背景边缘对小目标检测的干扰,实现目标的检出。仿真实验证明该方法对红外图像中的小目标有比较理想的检测效果。     

深空大视场弱小目标的实时检测方法

根据深空背景的特点,提出了采用最大中值滤波降噪,基于USAN原则,即吸收同值核区(Univalue Seg-ment Assimilating Nucleus)原则进行弱小目标检测的算法。其中分析了USAN滤波模板大小对检测性能的影响,探讨了灰度差门限的自适应选取方法,并根据目标和背景杂波在灰度分布上的差异,进一步剔除背景杂波的残留。结合候选目标的特征,采用基于逻辑的最近邻关联方法提取目标航迹。     

基于分组时延预处理的时域波束形成方法*

对于不等强度多目标情况下的弱目标检测问题,依据波束形成归一化指向性函数在目标方向上输出值为1、在非目标方向上输出值为小于1的特性,提出一种基于分组时延预处理的时域波束形成方法。该方法首先对线列阵接收数据进行分组处理;然后,按搜索角度对各组数据进行时延预处理,并对各组预处理结果进行相加,得到一组新数据;最后,对该组新数据按时域波束形成进行处理,得到该搜索角度对应波束值。理论推导、数值仿真和试验数据处理结果均表明：相比常规时域波束形成,该方法所得波束形成指向性函数发生了变化,旁瓣级得到了13dB以上的改善,降低了强目标旁瓣级对弱目标检测的影响。     

一种改进的时变转移概率AIMM跟踪算法

针对矢量线阵跟踪目标低频线谱提取问题,提出了一种矢量线阵低频线谱提取方法,其中利用拉平后线谱的均方差乘一比例因子设为门限的方法,可以有效提取线谱成分;并且研究了利用互谱中高信噪比线谱测向剔除干扰线谱方法,准确提取出目标特征线谱,可较有效解决矢量线阵左右舷目标低频线谱特征相互干扰问题。上述矢量线阵低频线谱提取方法,得到了海试数据的初步验证。     

改进的K均值聚类红外目标检测方法

利用图像方差能很好地反映目标边缘信息的特点,提出一种基于方差的K均值聚类红外目标检测算法。利用形态学方法对红外图像进行预处理,运用相应的模板计算得到红外图像的方差图像,利用K均值聚类算法对方差图像进行聚类,从而分离出目标类别和背景类别。实验表明,该算法提取的红外图像中目标信息的兰德指数最高,说明该算法能有效地提取红外图像中目标信息,从而达到目标检测的目的。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

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FPGA的运动目标实时检测跟踪算法及其实现技术

运动目标检测跟踪有关的算法及其基于PC平台的实现已经比较成熟,但实时性较差。将采集的彩色视频流分成灰度和彩色两个数据流,灰度视频用于目标检测,彩色视频流用于跟踪显示。以经典的帧间差分法和背景差分法为基础,根据现场可编程门阵列(FPGA)的特点及片外同步动态存储器的存取控制要求,对这两个算法用FPGA逻辑单元进行了设计和实现。对原始彩色视频流和转换后的灰度视频流的存取使用乒乓操作,在滤波和形态学处理时使用了并行的流水线操作,极大地提高了算法的实时处理能力。在FPGA开发板上构建了一个彩色视频图像中运动目标检测跟踪系统,对系统性能进行了测试。实验结果表明,系统可在多种分辨率和帧率下进行运动目标进行实时检测跟踪;固定背景差分法对目标运动速度无限制,但当使用帧差法对快速运动目标进行有效的检测时,应使目标的帧差间距大于3.2像素。     

An improved edge detection algorithm for depth map inpainting

Three-dimensional (3D) measurement technology has been widely used in many scientific and engineering areas. The emergence of Kinect sensor makes 3D measurement much easier. However the depth map captured by Kinect sensor has some invalid regions, especially at object boundaries. These missing regions should be filled firstly. This paper proposes a depth-assisted edge detection algorithm and improves existing depth map inpainting algorithm using extracted edges. In the proposed algorithm, both color image and raw depth data are used to extract initial edges. Then the edges are optimized and are utilized to assist depth map inpainting. Comparative experiments demonstrate that the proposed edge detection algorithm can extract object boundaries and inhibit non-boundary edges caused by textures on object surfaces. The proposed depth inpainting algorithm can predict missing depth values successfully and has better performance than existing algorithm around object boundaries.