红外小目标检测的快速并行算法

利用平均灰度绝对差最大测度（ＡＧＡＤＭ）估计目标背景的不相似性,提出了一种红外小目标检测算法,分析了预处理前后图像信噪比增益与目标大小的关系,进而建立了检测概率和信噪比增益的关系,理论上证明了该算法具有优越的性能。接着,在分析了ＭＰＰ并行计算机体系结构的基础上,提出了两种基于ＭＰＰ的小目标检测并行快速实现算法。理论分析表明,基于ＭＰＰ的ＡＧＡＤＭ小目标检测并行快速实现算法运算时间复杂性为Ｏ（Ｌ２ｉ／Ｎ）。     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。     

基于自适应对比度增强的红外小目标检测网络

红外探测系统需要尽早发现目标以便及时拦截,但是红外图像上的小目标检测是一个挑战十足的任务。为了提高检测准确率,提出一种基于自适应对比度增强的红外小目标检测方法。为了利用自注意力机制和卷积各自的优势,设计了一个高效的特征提取网络和一个面向小目标的检测头。同时为了解决实际应用中出现的弱目标,在检测子网络前添加了一个图像预处理子网络,该模块可以自适应地调节图像对比度。在红外空中小目标数据集上的实验表明,提出的方法能达到93.76%的检测精度,与经典的检测方法相比,能够更好地平衡检测精度和召回率,证明了方法的巨大应用潜力。     

基于粗糙集理论的红外小目标检测

红外图像处理中的点目标检测技术是近年来信息处理研究的热点和难点之一,而粗集是一种用于处理含糊和不确定性问题的新的数学工具。本文提出了基于粗集理论的红外小目标检测算法,该检测算法可按红外图像模型的频域属性、灰度值属性和相关性属性,把目标从背景中分离出来。实践结果表明,该算法能够对小目标进行可靠的检测。     

基于自适应Wiener滤波的红外小目标检测方法

在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法.采用连续采集的红外图像序列进行了实验,仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析.结果表明,算法能够从信噪比大于2.0的图像序列中检测出目标轨迹.     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容.为解决红外起伏背景下的小目标检测问题,提出了一种自适应的背景抑制方法,并对抑制背景后的图像进行了目标分割,最后用邻域法判决目标位置.实验结果表明,该算法能够从信噪比大于2.0的图像序列中检测出目标.     

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     

基于自适应Gabor滤波的红外弱小目标检测

针对复杂背景下的红外弱小目标检测,本文提出了一种改进的Gabor滤波的红外弱小目标检测方法.该方法在背景预测算法的基础上,通过构造Gabor核函数来自适应确定背景预测系数.该方法利用了更多的图像局部特性信息,使用对比度尺度模型和强度尺度传播模型分别确定Gabor核函数的两个轴,解决了Gabor滤波算子不能自适应调整滤波系数的问题.通过与传统的小目标检测方法的比较实验结果表明,本文方法能有效保留图像的边缘信息,能有效地突出目标,抑制背景杂波,提高了对红外弱小目标的检测能力,效果明显优于传统方法.     

基于深度学习的红外小目标检测算法综述北大核心CSCD

红外检测技术具有受环境负面影响小、抗外界干扰能力强等优势,在众多领域皆有极为重要的应用价值。然而,由于红外小目标存在缺少明显的可用信息、边界模糊等问题,对其检测的难度较大,因而成为目标检测领域的研究热点与难点。本文通过分析困扰红外小目标检测研究发展的难题所在,首先就目前针对其检测的传统算法原理进行简要说明。其次,详细阐述了基于深度学习的多类型红外小目标检测算法,并对相关算法的分类、评估指标、相关数据集等多方面内容进行了介绍,随之以实例说明对当前算法改进的有效方式。最后,归纳总结现有检测算法的优缺点,探讨了红外小目标检测研究领域的未来发展趋势,即向高精度、高实时性、强鲁棒性、低复杂度的算法方面深入研究。     

基于Harris算法的自适应双极性红外舰船目标检测

红外舰船目标检测是舰船目标自动识别与跟踪的关键技术之一。针对现有方法在舰船目标成像灰度呈现"双极性"(舰船亮度高于或低于背景)或多极性(舰船目标灰度分布不均匀)的情况下适应能力不足,提出了一种新的红外舰船目标检测方法。为抑制海空杂波干扰提高检测概率,对图像进行均值漂移滤波,利用行垂直方向梯度投影获得感兴趣区域,通过检测区域内目标角点实现舰船目标的自动检测。实验结果表明,该算法能够克服传统算法基于舰船亮度高于背景的假设,在舰船灰度呈现双极性或多级性的情况下获得较好的检测结果。     

基于向量机的红外小目标检测技术研究

针对红外序列图像中弱小目标检测问题,提出了用最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,实现目标的粗定位。真正的目标取决于中心点的灰度是否高于其邻域的平均灰度。并以径向基核函数为例推导出了极值点估计所需的二阶方向导数算子。对模拟和实际图像进行了小目标检测的实验验证。结果表明,基于支持向量机的小目标检测算法具有较强的适应性。     

Generalised-structure-tensor-based infrared small target detection

Infrared (IR) small target detection is a key technique in areas like space surveillance systems, early-warning systems and missile tracking systems etc. It is a challenging task to detect IR small targets under complex sky background because of cloud clutter. The conventional methods are usually based on clutter suppression, such as the 2D least mean square (TDLMS) adaptive filter [1], the 2D normalised LMS (TDNLMS) filter [2], the median subtraction filter [3], etc. In this Letter, we use the second conjugate symmetry derivative of a 2D Gaussian (SCSDTDG) to model the small target pattern based on the generalised structure tensor (GST). Experiments show that the proposed method is robust.     

基于带通滤波的红外小目标捕获算法研究

分析了红外点目标的成像特性，介绍了带通滤波的特点和设计方法，并在对数据进行滤波处理后采用基于位置和灰度相关算法对目标进行确认，引入了海天线的计算模型。该方法适应性强，处理效果好，对海背景干扰和天空去云层干扰具有较高的抑制作用。通过卷积实现的带通滤波算法计算简明，且容易由硬件实现，对运动小目标的检测具有较强的应用价值。实验结果表明该算法能够检测出海天背景下帧间移动的低信噪比的红外小目标。     

利用自适应模糊推理PMHT算法的红外小目标跟踪与检测

提出了一种基于自适应模糊推理PMHT算法对红外序列图像的小目标进行跟踪和检测.对红外序列图像进行中值滤波、边缘提取、海天线识别与对消等预处理后,可以提取出若干个备选小目标,通过PMHT与模糊自适应相结合算法来实现对备选目标的跟踪和数据关联,最后,根据先验知识和检测条件实现小目标检测.算法通过模糊自适应来调整系统噪声方差,经过多次迭代,从而实现数据关联以及目标模型实时检测.另外,在多目标跟踪中存在目标重叠的现象,运用"记忆和填充"方法来解决多目标的合并和分裂问题,算法易于硬件实现.通过对实际的红外序列图像进行小目标检测,验证了所提方法的可行性和有效性.     

基于海天线提取的红外小目标检测方法

通过对海上红外图像进行分析,提出了一种基于海天线提取的红外小目标检测方法。该算法的基本思路是根据所需提取目标的特点,首先选择感兴趣的灰度区域,然后运用Canny算子进行边缘检测,接着对图像进行Hough变换检测海天线,最后对海天线以下且符合目标特征的连通域进行标记从而来确定目标的位置。实验结果表明,该方法能较好地检测出海上红外小目标。     

基于深度学习的红外弱小目标检测算法研究综述

目标检测技术是安防监控、预警探测、遥感成像等装备的核心要素,也是当前深度学习研究领域的热点之一。红外探测系统通过被动接收物体发射的红外电磁波进行成像,具备温度灵敏度高、探测距离远、被动探测隐蔽性强等优点,在目标探测领域有广泛的应用。文中从红外弱小目标图像的特点出发,针对基于深度学习的视觉图像目标检测算法进行分类描述,并对深度学习在红外弱小目标检测中的有效手段进行总结,最后对未来的发展趋势做出展望。     

基于红外偏振的特征提取与小目标检测方法

针对红外目标探测所面临的杂波干扰问题,提出了一种基于红外偏振的特征提取与小目标检测方法。首先,利用人工目标和自然背景偏振特性的差异,建立了目标与背景的红外偏振信息模型,分析了其中强度信息和偏振信息的构成以及目标偏振信息的提取与增强办法。然后,将斯托克斯矢量、部分偏振光分解、变偏振理论相结合实现了目标偏振特征的提取与背景杂波抑制及随机噪声消除,进而实现了红外小目标的检测。仿真数据实验结果及与现有方法的对比证明了该方法的有效性和可靠性。该方法可用于对抗红外伪装隐身及红外诱饵技术,提升红外目标的探测能力,富有应用价值。