基于侧窗滤波与时空正则化相关滤波的红外弱小目标跟踪

当目标远离红外系统,其在成像图像上的尺寸较小且信息量较少,使得小目标的持续精确定位成为一项有挑战性的问题。针对这一问题,在相关滤波跟踪框架上,引入能够区分红外弱小目标边缘信息与杂波噪声的侧窗图像滤波方法,提出了一种弱小目标跟踪算法。具体来说,首先利用时空正则化的相关滤波跟踪模型,对目标位置附近更大范围的背景进行考虑。然后,利用侧窗滤波对当前局部搜索区域进行侧窗滤波处理,达到了保留边缘效果的同时剔除了图像噪声。最后,通过原始图像与滤波后图像作差,降低了背景边缘对目标定位错误的影响,并实现小目标状态估计。为验证本文所提算法性能,采用六组红外真实弱小目标图像序列进行实验,并与核相关滤波、空间正则化的相关滤波,以及时空正则化的相关滤波等经典算法作比较。实验结果表明,所提算法在多组复杂背景的图像序列上,获得了较高的跟踪精度,验证了所提算法能有效应对红外弱小目标跟踪任务中的快速运动、低分辨率和强背景杂波等问题。     

基于引导滤波与时空上下文的红外弱小目标跟踪

由于传统的跟踪算法没有充分利用目标与其局部背景的时空相关性,使其不能有效地区分背景边缘和红外弱小目标,从而在跟踪过程中产生偏移现象.针对这一问题,本文在时空上下文学习跟踪的原理基础上,分析了跟踪偏移的原因,并引入图像引导滤波方法,提出了一种引导滤波结合时空上下文的红外弱小目标跟踪算法.该算法首先采用引导滤波对上下文区域进行处理,在保留上下文区域云层边缘的同时剔除目标及噪声,再将其与滤波结果作差.最后利用小目标的"置信图"检测出目标.为了验证该方法的有效性,采用五组红外小目标序列图像进行实验,并与经典时空滤波、改进的模板匹配和移动管道滤波等方法作比较.实验结果表明本文提出的方法在主观视觉和客观评价指标方面均优于其它三种经典方法,且具有更高的目标跟踪精度与较好的实时性.     

复杂天空背景下的红外弱小目标跟踪

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标,从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因,引入高斯曲率滤波,提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理,在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声,从而获得准确的红外弱小目标置信图,利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验,并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明,算法在主观视觉和客观评价指标方面均优于其他三种算法,具有更高的目标跟踪精度与较好的实时性,可以实现对复杂天空背景下红外弱小目标的有效跟踪。     

基于时空联合滤波技术的缓慢运动红外弱小目标检测算法

针对天空云层杂波与噪音背景下红外弱小目标的检测和跟踪问题,提出了一种基于时域和空域联合滤波的检测算法.首先对所获取的红外图像序列进行标准化预处理,再用时域滤波算法对预处理后的图像序列进行滤波,然后采用目标增强算法,对残留的云层杂波和噪音做进一步抑制.最后,通过实验对所提出的算法进行检验,结果证明了算法的有效性.     

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.     

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.     

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。     

基于改进的剪切波变换和引导滤波的红外弱小目标背景抑制方法

由于传统的背景抑制方法没有充分利用信号的方向信息,使其不能有效区分背景边缘和红外弱小目标,从而造成背景抑制结果中有较多的背景泄露.针对上述问题,本文利用改进的剪切波变换和引导滤波,提出了一种新的背景抑制方法.首先,采用改进的剪切波变换对红外弱小目标图像进行多尺度和多方向分解,将图像分解得到不同的高频子带系数和低频子带系数;其次,利用目标信号与边缘在方向上的差异,采用自适应引导滤波对高频子带系数进行处理;再次,对分解后的低频子带系数和处理后的高频子带系数进行改进的剪切波逆变换,得到预测的背景图像;最后,将原图像与背景预测图像相减获得背景抑制且目标增强的红外图像.为了验证本文方法的有效性,采用多组实验对其进行验证,并与经典的Max-Median、TDLMS和Top-hat等方法作比较.多组实验结果均表明本文方法在主观视觉和客观评价指标方面均优于其它三种经典方法,可有效提高红外搜索跟踪系统对红外弱小目标的探测概率.     

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明。该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。     

层次卷积滤波红外弱小目标检测方法

针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题,提出了一种层次卷积滤波检测算法。主要分为两个部分：第一,根据红外小目标特性,设计一种层次卷积滤波的算子,对图像进行滤波处理,实现图像中小目标的增效和背景抑制的效果;第二,采用基于最大值的自适应阈值方法,对图像进行二值化操作,过滤背景杂波,最终提取到待检测的目标。在大量不同背景红外图像中进行实验,论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果,且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian,LoG）滤波算法的30.42%。通过实验对比,表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。     

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.     

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.     

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.     

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.     

基于分块速度域改进迭代运动目标检测算法的红外弱小目标检测

提出一种基于分块速度域的迭代红外运动目标检测算法来解决传统算法计算量巨大这一难题.首先,采用二维最小均方差滤波器对红外序列图像进行滤波,获得包含弱小目标以及残差的红外序列图像.然后,通过在序列图像块的速度域上应用改进的迭代运动目标检测算法进行能量累积,从而将弱小目标的运动速度在速度域进行累积增强,达到检测弱小运动目标的目的.最后在解算出的速度值附近进行搜索,得到弱小目标运动的精确速度.利用此速度进行空域能量累积,得到叠加图像,在此图上进行目标检测.与传统方法相比较,几组实验结果显示,本文提出的方法大大缩短了检测的时间,而且本文方法的检测效果也较好.     

多尺度各向异性扩散方程的红外弱小目标检测算法

针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果.     

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...     

基于背景最佳滤波尺度的红外图像复杂度评价准则

提出一种基于背景最佳滤波尺度的红外图像复杂度评价准则来解决传统方法评价背景效果较差的问题. 同时, 这种方法还可以为红外图像滤波提供最佳高通滤波尺度信息, 从而对红外图像进行性能最佳滤波. 首先, 生成高斯仿真目标并与红外图像进行融合, 获得包含仿真目标及真实红外背景的图像. 然后, 在不同高斯滤波尺度下对图像滤波, 并计算滤波后仿真目标的信噪比. 最后, 取滤波后目标信噪比最大时的滤波尺度作为背景最佳滤波尺度, 使用该尺度可评价红外图像的复杂度. 另外, 本文还使用数学模型推导了红外图像最佳滤波尺度, 得出最佳滤波尺度的数学表达式. 大量实验表明: 1) 本文推导的最佳滤波尺度数学表达式与实验曲线吻合. 2) 这种方法在评价红外图像复杂度方面比传统的基于信息熵的方法效果要好很多. 并且这种方法获取的红外背景复杂度为滤波最佳尺度, 可以直接利用这项指标对图像进行最佳滤波从而更好地检测弱小目标. 3) 仿真目标尺度越大, 最佳滤波尺度也会相应增大. 因此, 在评价图像复杂度时, 应使用相同尺度的仿真目标, 不同图像之间才具备可比性. 同时, 最佳滤波尺度与仿真目标的强度无关. 4) 本文算法使用的滤波器宜用高斯及Butterworth高通滤波器实现. 5) 本文提出的方法不仅可以有效分析红外视频的复杂度, 并且可以通过复杂度的变化分析图像内容的突变.     

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。     

红外弱小目标检测中的特征选择性滤波方法

针对红外图像弱小目标检测中的预处理问题,提出了一种特征选择性滤波方法(CSF),该方法创造性地将各向异性滤波应用到图像空域,通过分析红外图像中不同特征区域的特性,改进了系数分布函数,使CSF在消除背景、平滑边缘的同时,增强目标信号.最后给出了该方法的滤波特性分析和实验结果,并与其他滤波方法做了比较.实验结果表明该方法具有良好的背景抑制和目标增强性能,且结构简单,有利于实时实现.