红外图像序列小目标检测预处理技术

文中就如何复杂背景条件下低信噪比的小目标检测概率问题展开了讨论，提出了用空间高通滤的方法改善图像质量，达以抑制背景噪声，增强小目标的目的，并交坑通滤波和中值滤波做了一个简单的比较，随后采用分层投票表决法对目标进行检测，取得了良好效果。     

红外图像序列运动小目标检测的预处理算法研究

讨论了复杂背景下低信噪比的运动小目标的检测,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,然后采用领域判决法实现运动目标的进一步分离,用图像流分法进行目标的最终检测。实验结果表明：该算法能够对小目标甚至是点目标的运动进行可靠地检测。     

强起伏云背景下的小目标图像预处理算法

强起伏云背景下的小目标分割是图像处理中的重点和难点之一.本文将高通滤波和数学形态学图像处理算法相结合,提出一种新的预处理方法.首先,利用高通滤波器作为背景抑制滤波器,消除强起伏云背景对图像分割的影响;其次,利用阈值算法将背景抑制后的图像转化为二值图像;最后,应用形态学方法消除噪声得到最终的小目标分割结果.仿真试验表明,该算法具有较好的预处理效果.     

基于红外背景复杂程度描述的小目标检测算法

提出了关于红外“背景复杂程度”的基本概念,发现并论述了一种有效的红外背景复杂程度定量描述方法。此外,提出了一种基于红外背景复杂程度描述的自适应Butterworth高通滤波方法,实现了具备一定普适性的红外图像预处理。在小目标检测问题的研究中,构造并实现了一种更具实用性的先检测后跟踪小目标检测算法,此算法在一个完整的框架下实现了红外图像预处理过程和小目标检测过程的自适应统一。     

基于高通滤波和图像增强的红外小目标检测方法

提出了一种准确、快速的红外小目标单帧检测方法.该方法基于高通滤波和图像增强技术,先通过高通滤波去除背景及部分干扰,然后使用图像增强技术在突显小目标的同时实现对噪声和干扰的进一步抑制.计算机仿真结果表明,所提出的方法能很好的检测出小目标,与帧间差分法以及背景减法相比,优势明显,不仅为小目标保留了较多的像素点,并使小目标灰度有了很大增强,不存在虚警点,且能较好地克服天空背景的云层干扰问题.     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。     

红外图像中的小目标的处理方法

本文寻求一种合适的算法以完成对红外图像中运动小目标的提取、识别以及跟踪工作。该算法可以满足运算量小、实时性强和硬件实现容易的要求。经过归纳总结,有以下几种方法可供进一步研究、选择。     

基于复杂背景的红外小目标图像预处理方法

复杂背景下红外小目标的检测是红外热成像系统的核心技术之一,不同的背景和目标特征对检测算法的要求各有差别.为了降低系统运算量、提高小目标检测的实时性,针对扫描型红外预警系统,在分析红外小目标图像特征的基础上,提出了根据固定邻域内种子像素的属性来分割图像,并结合前景和背景之间的对比度关系,进行噪声抑制和对比度增强的图像预处...     

舰船目标红外图像预处理

对海上舰船目标红外图像,采取了邻域平均和伪中值滤波的方法进行预处理仿真研究,从实验结果得出了海上舰船目标红外图像进行平滑处理时,选用伪中值滤波法比较有效,并对工程实现中的一些问题进行了分析研究.     

基于相位保持的红外图像预处理方法

噪声及灰度分布不均匀性的存在严重影响红外图像的质量,限制了红外图像的应用.针对这一问题,提出一种简单有效的红外图像预处理方法,将基于高通滤波的非均匀性校正与基于相位保持的去噪方法结合,融合二者的特点,在抑制红外图像灰度分布的不均匀性的同时,滤除噪声的影响,得到比较清晰的红外图像.实验结果表明,通过该方法对红外图像进行处理,可以有效地校正图像灰度分布的非均匀性,同时提高红外图像的峰值信噪比,从视觉效果上和定量指标上达到提高红外图像质量的目的.     

基于局部熵参考预处理的RPCA红外小目标检测

以图像非局部相似性为基础,利用图像分块重组以获得低秩块图像,是将鲁棒主成分分析算法（robust principal component analysis,RPCA）应用到单帧图像红外小目标检测的基本方法。本文介绍了RPCA算法在单帧图像红外小目标检测的应用流程,分析了不同图像背景下各种分块方法的影响。为解决复杂背景下图像分块窗口和滑动步长难以选择的问题,提出了以图像分块最小局部熵的较大值为参考的选择方法。实验结果表明,通过计算图像的分块局部熵,以最小局部熵的较大值为参考,选择RPCA算法预处理方案,能使单帧红外图像小目标检测达到更好的效果,弥补了工程人员缺少RPCA算法应用经验的不足。     

Criterion to Evaluate the Quality of Infrared Small Target Images

In this paper, we propose a new criterion to estimate the quality of infrared small target images. To describe the criterion quantitatively, two indicators are defined. One is the “degree of target being confused” that represents the ability of infrared small target image to provide fake targets. The other one is the “degree of target being shielded”, which reflects the contribution of the image to shield the target. Experimental results reveal that this criterion is more robust than the traditional method (Signal-to-Noise Ratio). It is not only valid to infrared small target images which Signal-to-Noise Ratio could correctly describe, but also to the images that the traditional criterion could not accurately estimate. In addition, the results of this criterion can provide information about the cause of background interfering with target detection.     

基于最大化背景预测的图像预处理技术研究

提出一种改进的基于最大化背景模型的背景预测算法.此方法通过区域最大化背景模型,来减小起伏背景边缘对背景预测的影响,实现对背景更好的抑制,提高了目标的信噪比,达到了抑制干扰和增强目标的双重目的,取得了很好的预处理效果.     

基于小波变换的海面红外小目标检测

本文提出了一种基于小波多尺度分析的海面红外目标自动检测方法.在分析海空场景图像特征的基础上,利用小波多分辨率分析和小波变换良好的局部分析特性,研究了图像预处理和目标检测的小波分析方法.通过实验证明本文提出的检测算法在各种复杂的海空背景以及不同环境干扰下有较好的检测效果.     

基于单帧图像的红外弱小目标检测技术研究综述

红外探测系统以其隐蔽性好、穿透能力强等优点广泛应用于航空航天、军事侦察等领域。但该系统的观测距离较远,且目标往往呈现弱小状态,所以针对单帧图像的红外弱小目标检测一直是红外探测领域的难点和研究热点。基于滤波、视觉显著性、图像数据结构和深度学习四个方面,对当前单帧红外弱小目标检测算法进行了详细综述,最后对红外弱小目标检测技术进行了总结与展望。     

复杂纹理背景下的红外图像目标提取

纹理特征是红外图像中的重要因素之一.提出了一种复杂纹理背景下的红外目标提取算法.由于均值漂移算法是一种非参数密度估计算法,在图像分割中得到了广泛应用,所以首先通过均值漂移算法对红外图像进行平滑处理,以消除噪声对图像质量的影响;然后对平滑后的红外图像的像素进行均值漂移图像分割,并结合8邻域差值聚类法提取出红外目标前景信息.与传统的纹理处理方法相比,该算法可剔除纹理背景而保留非纹理目标,无监督性和适应性较好,在军事领域具有一定的应用价值.     

复杂背景下红外点目标检测的预处理

研究了复杂背景下红外点目标检测的预处理方法,首先给出了红外点目标的场景图象模型,定义了信噪比,然后给出了点目标增强和背景抑制的方法,分别是去图象局部均值和白化处理,最后是预处理的实验结果和方法的性能分析。     

Infrared Small Target Detection Using PPCA

Probabilistic PCA (PPCA) is an extension of PCA which reformulated PCA in a probabilistic framework. In this paper we propose a infrared small target detection algorithm using PPCA analogous to the face detection scheme using PCA, or known as “eigenface”. By computing the parameters of PPCA, we map the input vector from the image onto a subspace. After reconstructing the vector, the distance between the original vector and the reconstructed one will indicate the possibility of the input being a target. Experimental results show the effectiveness of this algorithm compared with other methods.     

红外图像中小目标检测研究

在获得的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。本文对小目标检测系统的背景抑制和目标检测算法和方案进行了调研。采用背景抑制算法以获得更高的信噪比,利用NP准则对图像进行分割,然后用识别算法对目标进行跟踪和识别。计算结果显示,抑制杂波后,采用序贯图像检测能够很好地增加探测概率。     

融合多尺度分形注意力的红外小目标检测模型

为提高红外图像小目标检测的性能,融合传统方法的先验知识和深度学习方法的特征学习能力,该文设计了一种融合多尺度分形注意力的红外小目标端到端检测模型。首先,在对适用于红外图像弱小目标检测的多尺度分形特征分析基础上,给出了基于深度学习算子对其进行加速计算的过程。其次,设计卷积神经网络(CNN)学习度量得到目标显著性分布图,结合特征金字塔注意力模块和金字塔池化下采样模块,提出了一种基于多尺度分形特征的注意力模块。将其嵌入到红外目标语义分割模型时,采用非对称上下文融合机制提高浅层特征和深层特征的融合效果,并利用非对称金字塔非局部模块获取全局注意力,以提高红外小目标检测性能。最后,采用单帧红外小目标(SIRST)数据集验证提出算法的性能,所提模型交并比(IoU)和归一化交并比(nIoU)分别达到了77.4%和76.1%,优于目前已知方法的性能。同时通过迁移实验进一步验证了提出模型的有效性。由于有效地融合了传统方法和深度学习方法的优势,所提模型适用于复杂环境下的红外小目标检测。