基于深度卷积神经网络的红外船只目标检测方法

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果。分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验。结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标。     

基于多滤波算法融合的红外小目标检测

针对海天背景下红外视频图像序列中小目标检测的精度问题,提出一种基于多滤波融合的算法。通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器相结合,有效抑制背景、突显目标;采用自适应阈值分割提取候选目标,并使用Unger平滑滤波以及多目标关联滤波剔除噪声和伪目标。多组红外小目标图像序列的检测实验结果表明,提出的算法平均检测率高达99%,在不同场景下均有较高的检测精度。     

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。从自顶向下的机制出发,结合生物侧抑制理论与余弦相似度,提出了软竞争模糊自适应共振网络,并设计一个特征集对目标进行描述。最后,使用网络训练所得模型完成对候选目标的识别。实验结果表明:与5种代表性基于人类视觉系统的方法相比,本文方法具有更高的检测概率和更快的检测速度,且在不同场景的性能更具稳定性。     

一种云天背景下单帧红外弱小目标检测新方法

针对复杂背景下单帧红外图像中的弱小目标检测问题,提出了一种级联的改进Asymmetric AdaBoost算法。该算法通过提取红外小目标梯度对比度、邻域灰度分布等多个有效特征,充分利用多个红外特征的互补作用,对Asym-metric AdaBoost在仿真中出现的问题进行了相应的改进。通过对实测数据进行仿真,结果表明该方法达到了高检测概率和低虚警率,能有效地检测红外弱小目标。     

基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测

针对低信噪比灰度图像中弱小目标检测的难题,分析了红外弱小目标成像的特点,提出了基于多结构元素形态滤波与自适应阈值分割相结合的目标检测算法.利用目标运动的连续性、规律性和噪音产生的随机性,结合数学形态学结构元素的特点,研究了一种多结构元素形态滤波的管道滤波方法,通过流水线管道检测目标运动轨迹.实验结果表明,该算法应用于复杂背景下低信噪比的红外弱小目标图像能够得到较理想的结果,并且目标检测概率高,速度快,虚警率低.     

基于稳健主成分分析和多点恒虚警的红外弱小目标检测

针对红外图像中由复杂背景和目标多形态带来的单帧检测暗弱小目标比较困难的问题,提出了一种先进行阈值分割粗提取,后进行多点信噪比精检测的算法。在粗提取阶段,提出了改进的基于稳健主成分分析(RPCA)的阈值分割算法,利用邻域稀疏度均值与整幅稀疏图像均值的比值进行阈值分割,从而进一步剔除孤立噪点和背景云层边缘的杂波。在精检测阶段,提出了基于统计特性的多点恒虚警检测算法,统计候选点在邻域内每个像元的信噪比,利用虚警率门限和统计数量阈值筛选目标点,从而克服由小目标能量弥散带来的多形态特征问题。实验结果表明,所提算法在复杂背景下的探测率达到95.6%,与利用单像元和邻域像元均值计算信噪比的方法相比,虚警率分别降低了56.1%和47.1%。     

多波段红外图像的海面舰船目标检测

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1-5分别为3.7～4.8,3.7～4.1,4.4～4.8,3.7～3.9和4.65～4.75 μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。     

基于灰度变换的红外图像实时分割算法

针对高灰度等级红外数字图像提出了一种基于灰度变换的实时分割算法.通过实时分析原始图像中几个小区域的灰度直方图,自动确定分割阈值,将原始图像通过灰度变换实时转换为低灰度等级图像.该算法能够将高灰度等级的红外数字图像实时显示在普通显示器上,并且能够有效抑制背景并保留目标灰度信息.由于变换后的图像灰度等级较低而且背景及噪音信息较弱,极大地提高了红外跟踪器的性能.     

基于局部端元光谱表征的地表水体遥感自适应提取

精确的光谱表征是遥感专题地物信息提取的重要前提。针对不同水体光谱之间特征差异性,给水体信息全局光谱表征带来不确定性,提出了基于局部端元光谱表征的各类水体自适应提取方法。首先通过全局光谱指数计算实现水体的初步识别;然后,建立局部专题地物目标区,进行PPI计算提取局部水体端元;第三,通过计算局部区域内水体端元光谱相似度,统计光谱相似度直方图;最后,分析直方图分布特征,选择初始分割阈值,通过逐步迭代自动调整阈值达到最佳阈值选择,实现局部水体单元的自适应高精度提取。通过不同类型湖泊水体提取实验表明,该方法要优于传统的全局水体光谱指数阈值分割法,能够准确、 自动地提取遥感影像上水体分布信息,几乎不受水体光谱特征差异的影响。     

红外图像掠海小目标的检测算法研究

针对红外图像掠海小目标信噪比低，且易受到水天线和背景杂波干扰的特点，提出了一种红外掠海小目标的提取与检测算法。该方法的特点是：首先采用中值滤波来减小噪声，并提出了差方和算法，用以抑制背景噪声并对目标增强；再采用了图像行扫描法有效地滤除水天线；最后通过弱化背景边缘和阈值分割等综合算法得到候选小目标。仿真结果表明，该算法达到了较好的效果。     

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.     

基于视觉认知的红外目标分割算法

研究了红外图像中目标分割算法,针对基于灰度分割算法存在的过分割或分割不足,以及对低灰度目标的不敏感问题,提出了一种基于视觉认知的红外目标分割算法。将红外图像的灰度信息转换为图像方差信息;运用单边切比雪夫不等式理论,获取目标数据分布与其k倍标准差之间的非线性关系,完成目标边缘的预分割;由形态学填充运算,得到用于目标分割的二值掩膜图像。实验表明,该算法能够有效的分割出红外图像中处于不同灰度等级下的目标信息,且误分率较低。     

基于FLS-SVM背景预测的红外弱小目标检测

提出了一种基于模糊最小二乘支持向量机(FLS-SVM)进行背景预测、利用模糊Tsallis-Havrda-Charvat熵实现阈值分割的红外弱小目标检测方法。首先采用FLS-SVM对训练样本进行学习得到回归函数,并以此预测红外图像中的背景;然后将原始图像与预测图像相减得到残差图像,并提出基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法分割残差图像,将小目标和噪声从残差背景中分割出来;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果及分析,并与基于最小二乘支持向量机(LS-SVM)以及基于最小二乘的背景预测方法的检测结果进行了比较。结果表明,该方法具有更高的检测概率和信噪比增益,优于上述基于背景预测的红外小目标检测方法。     

基于轻量级残差网络的红外遥感船只检测

针对红外遥感船只检测领域存在的硬件存储资源和功耗的限制,以及目标检测输出边界矩形框形式结果不够精细的问题,提出了一种轻量化且具有像素级输出的分割网络TRS-Net。将图像分割的编码-解码结构用于船只检测,以获得像素级的输出;将32 bit的浮点型参数二值化(目的是压缩网络模型的大小),提出了BS-Net;针对BS-Net带来的检测精度低的问题,引入残差连接,提出了BRS-Net;根据神经网络稀疏性特点引入参数三元化,提出了TS-Net;为进一步提升检测效果,将TS-Net改进成TRS-Net。采用实验室自主研制的长波红外相机进行成像实验,获取红外船只图片并制作数据集,对4种网络的结果进行对比分析。结果表明:TRS-Net检测的精确率为88.73%,召回率为83.34%,F_(1-score)为85.95%,交并比为75.36%,模型大小压缩为原先的1/16。TRS-Net对红外船只的实时检测具有一定的工程应用价值。     

基于对称差分和光流估计的红外弱小目标检测

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。     

提高激光板形仪图像检测系统抗背景热噪声干扰的能力

介绍一种在激光热轧带钢板形测量系统中使用的图像检测系统。针对在生产中当带钢纵向温度辐射波动较大时，会造成被测图像大面积背景灰度的变化，影响图像分割与光斑提取，导致系统无法在线稳定测量的问题，提出了所谓门限化阈值跟踪的方法。该方法根据仪器设计的自适应原则，在线分析局部图像的直方图，预报图像分割所需的阈值，补偿带钢纵向温度的波动对图像灰度分布的影响，提高了检测系统的自适应性能。     

基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测

针对低信噪比灰度图像中弱小目标检测的难题,分析了红外弱小目标成像的特点,提出了基于多结构元素形态滤波与自适应阈值分割相结合的目标检测算法.利用目标运动的连续性、规律性和噪音产生的随机性,结合数学形态学结构元素的特点,研究了一种多结构元素形态滤波的管道滤波方法,通过流水线管道检测目标运动轨迹.实验结果表明,该算法应用于复...     

基于多特征融合与ROI预测的红外目标跟踪算法

针对当前红外目标检测与跟踪算法存在场景自适应能力弱、专用性强,以及在大视场条件下,首帧图像中小目标误检率高的问题,提出一种红外序列图像目标自适应阈值分割、检测与跟踪方法.选取目标移动速度、目标轮廓的面积和周长、以及自适应分割阈值与感兴趣区域位置为动态变量,建立动态决策准则.采用首帧目标检测算法计算出序列图像的第一帧图像目标的静态变量和部分动态变量,再采用改进的局部自适应阈值分割算法分割后续帧图像,然后利用静态与动态决策准则筛选出分割后的真实目标,最后计算并更新动态决策准则.红外靶标测试结果表明:该方法对不同场景具有较好的适应性,四个场景平均跟踪准确率为95.81%,微机平台平均每帧处理时间为10.93ms,嵌入式平台为26.79ms.     

红外搜索系统中弱小目标检测算法研究

 复杂背景下低信噪比弱小目标的检测是红外搜索系统中的重点和难点,为解决红外搜索系统中杂波干扰多、目标信噪比低等问题,提出一种模板匹配滤波的目标检测方法。该算法在预测背景的同时,通过对图像背景灰度值进行动态的阈值处理,自适应地进行背景抑制。当背景包含较多复杂因素时,采用模板匹配滤波的目标检测方法,消除背景抑制后的残留杂波,实现弱小目标的提取。试验结果表明：当场景较复杂且图像信噪比较低时,使用该算法处理后可使图像信噪比达到4 dB以上,从而提高了弱小目标的检测概率。