融合视觉显著性和局部熵的红外弱小目标检测

针对红外图像中弱小目标检测虚警率高、实时性差的问题,提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法.该方法将红外弱小目标的检测问题由粗到精分步实现,首先利用融合局部熵的方法提取包含目标的感兴趣区域,对红外弱小目标实现粗定位.然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度,获得感兴趣区域的显著图.最...     

基于双目视觉的显著性目标检测方法

针对现有的显著性目标检测算法在受到相似背景干扰时,易出现目标检测准确度低、稳定性差的问题,提出一种基于双目视觉的显著性目标检测方法。受人眼视觉特性启发,将双目视觉模型感知的深度信息作为显著性特征与多特征聚类分割结果进行协同处理,定量分析图像区域级的深度显著性,再将全局显著性与区域深度显著性进行加权融合,突出目标区域,根据融合结果的区域分布进行背景抑制,完成显著性目标的检测。实验结果表明,与现有的显著性目标检测算法相比,该算法有效地抑制了相似背景的干扰,并且准确度高、稳定性好。     

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....     

局部对比度结合区域显著性红外弱小目标检测

为了解决局部对比度方法的计算效率低,以及在某些红外场景中易出现虚警的问题,将其与图像区域显著性相结合,提出一种改进的局部对比度算法——区域局部对比度算法,仅在图像的显著性区域中进行局部对比度计算,而非遍历整幅图像。首先进行基于图像信息熵和局部相似性的红外图像区域显著性度量,经二值化得到单帧图像显著性区域;接下来在该区域中进行局部对比度数值计算,得到区域局部对比度图像,最后经过自适应阈值分割,得到弱小目标检测结果。实验结果表明,区域局部对比度算法可以极大提高红外弱小目标的信噪比,检测结果准确,虚警率低,与原始的局部对比度算法相比,检测效率有明显提升,可以更好地保持弱小目标的形状。     

局部对比度结合区域显著性红外弱小目标检测

为了解决局部对比度方法的计算效率低,以及在某些红外场景中易出现虚警的问题,将其与图像区域显著性相结合,提出一种改进的局部对比度算法区域局部对比度算法,仅在图像的显著性区域中进行局部对比度计算,而非遍历整幅图像。首先进行基于图像信息熵和局部相似性的红外图像区域显著性度量,经二值化得到单帧图像显著性区域;接下来在该区域中进行局部对比度数值计算,得到区域局部对比度图像,最后经过自适应阈值分割,得到弱小目标检测结果。实验结果表明,区域局部对比度算法可以极大提高红外弱小目标的信噪比,检测结果准确,虚警率低,与原始的局部对比度算法相比,检测效率有明显提升,可以更好地保持弱小目标的形状。     

基于差异梯度直方图与显著性映射的红外弱小目标检测算法

为了提高复杂环境下的红外弱小目标的探测能力,基于人类视觉注意机制,设计了差异直方图耦合显著性映射的弱小目标检测算法。考虑真实目标与其邻域之间的强度差异,通过采用DFT变换来计算红外图像的幅度与相位频谱,以计算二者之间的频谱残差,并联合高斯滤波方法,输出显著性映射,从而有效突出显著区域。分析目标与背景区域的梯度幅度和梯度方向之间的差异,计算红外图像的差异直方图,以充分抑制背景杂波和噪声。联合显著性映射与差异直方图,形成图像对应的融合特征映射。最后,引入自适应阈值分割方法,从融合特征映射中准确定位真实目标。多组测试数据表明,较已有的红外目标检测技术而言,所提算法能够更好地定位出弱小目标,呈现出理想的ROC曲线。     

凝视观测图像空间弱小目标检测方法

针对凝视观测模式下光测图像中弱小目标的检测问题,提出一种多帧频域特征累积的目标检测方法。利用恒星匹配、临帧差分等方法消除背景变化的影响,通过图像时频域特征分析,推导出递归形式频域特征累积方程,并由此检测图像中的弱小目标。实验结果表明采用多帧频域特征累积方法能将图像信噪比提高3倍以上,有利于检测出弱小目标。     

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.     

基于结构张量分析的弱小目标单帧检测

针对复杂场景图像由于背景边缘干扰和噪声导致弱小目标检测困难的问题,提出了一种基于结构张量分析的弱小目标单帧检测方法.利用结构张量对不同局部结构的表示特性,通过计算结构张量特征值矩阵和均值滤波得到点状和矩形状目标的结构张量响应图;采用高斯差分带通滤波器计算灰度差分图;通过归一化融合处理得到最终响应图;采用自适应阈值分割得到目标位置.采用该方法对天空、海面等多种场景的红外图像和可见光图像进行实验,并与典型方法对比,结果表明该方法能够有效地抑制背景干扰和噪声、快速且准确地检测目标.     

多维特征点空间的红外弱小目标检测方法

将人工智能算法引入目标检测,空间红外弱小目标的检测也可归为模糊检测的二分类问题。依据空中红外弱小目标的探测模型,建立了信号电压比光谱模型,仿真分析表明电压比变化趋势与目标的速度、姿态和两机态势有关,可用以检测目标。采用动态特征构建理论,构建了红外弱小目标的双色比特征空间,基于该特征空间,优化最小二乘分类算法,用于从光谱信号层级检测目标。该方法不仅缩小了样本数据量,而且防止了高斯核函数参数选择引起的“过拟合”现象,既保证了分类精度,又使分类速率提高近1倍,为人工智能算法用于红外弱小目标检测提供了参考依据。     

基于纹理显著性的微光图像目标检测

微光图像对比度较低,目标显著性不明显,目标自动探测难度大.针对此问题,本文提出一种噪声鲁棒性较好的图像局部纹理粗糙度算法,并给出一种适用于微光图像显著分析的纹理显著性算法.首先,提出一种新的局部纹理粗糙度算法,该算法利用最佳尺寸计算局部纹理粗糙度,对纹理图像进行加噪实验,与基于局部分形维的粗糙度方法相比,本文局部纹理粗糙度算法表现出较好的噪声鲁棒性;其次,在提取图像粗糙度特征图的基础上,给出一种针对纹理的显著性度量算法;最后,将纹理显著性算法应用于微光图像目标检测,实验结果证明了该算法的有效性.     

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。     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

基于相关滤波器的红外弱小目标检测算法

针对复杂背景下红外图像中低信噪比弱小目标实时检测问题,提出一种基于相关滤波器的红外弱小目标检测算法。该算法将红外目标检测转化为模式分类问题,在离线训练阶段,利用二维高斯模型构造红外小目标训练集,在此基础上训练得到对目标背景具有区分能力的相关滤波器,在线检测阶段,利用滤波器对图像分块进行滤波操作,目标和背景的滤波响应有着显著的差异,最后生成整幅图像的滤波响应置信图以此来判断图像中是否包含目标及其具体位置。在单帧单目标图像、序列图像多目标检测实验结果表明,与经典检测算法相比,所提方法不仅具有更高检测性能,有效降低了虚警概率,而且具有较好的实时性,适用于复杂背景条件下弱小目标的实时检测。     

基于改进视觉背景提取的运动目标检测算法

针对视觉背景提取算法(ViBe)中出现的鬼影问题、不能很好适应背景高频扰动和摄像机抖动问题以及由于采用空间邻域扩散机制引起背景更新错误问题,提出一种改进的视觉背景提取算法。该算法结合视觉显著性判断背景模型中存在的鬼影目标,通过判断背景模型中每个像素点的鬼影程度,结合模糊准则自适应改变时间子采样因子,加快消除鬼影的速度;通过建立一个闪烁程度矩阵,判断背景高频扰动程度来设置自适应匹配阈值,加入小目标丢弃和空洞填充策略;统计前景像素24邻域区域的像素点个数,判断前景像素点是否为摄像机抖动或者背景更新错误引起的噪点,提高算法的稳健性。结果表明,改进后的算法可以很好地弥补经典ViBe算法的不足,准确率与识别率等指标均大大提升。     

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。     

基于局部峰值的红外弱小目标快速检测

针对红外图像的小目标检测问题,提出了一种基于局部尖峰特性的检测方法.首先分析红外小目标的局部灰度特性,提出了一种红外目标的峰值特性判据;然后依据目标的峰值特性判据和时域特性,设计了一种目标检测的快速算法,算法先基于子块预选出局部极大值点,把后续运算限于各极大值点处以减少运算量,再根据极大点值在各方向上的灰度下降判断其尖峰特性;最后利用帧间的连续性滤去噪音引起的伪目标.实验表明本文的算法具有很快的处理速度,且能有效滤去图像中的随机噪音.     

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。     

基于生物视觉特征和视觉心理学的视频显著性检测算法

提出了一种空域和时域相结合的视频显著性检测算法.对单帧图像,受视觉皮层层次化感知特性和Gestalt视觉心理学的启发,提出了一种层次化的静态显著图检测方法.在底层,通过符合生物视觉特性的特征图像（双对立颜色特征及亮度特征图像）的非线性简化模型来合成特征图像,形成多个候选显著区域;在中层,根据矩阵的最小Frobenius-范数（F-范数）性质选取竞争力最强的候选显著区域作为局部显著区域;在高层,利用Gestalt视觉心理学的核心理论,对在中层得到的局部显著区域进行整合,得到具有整体感知的空域显著图.对序列帧图像,基于运动目标在位置、运动幅度和运动方向一致性的假设,对Lucas-Kanade算法检测出的光流点进行二分类,排除噪声点的干扰,并利用光流点的运动幅度来衡量运动目标运动显著性.最后,基于人类视觉对动态信息与静态信息敏感度的差异提出了一种空域和时域显著图融合的通用模型.实验结果表明,该方法能够抑制视频背景中的噪声并且解决了运动目标稀疏等问题,能够较好地从复杂场景中检测出视频中的显著区域.