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。     

纹理高阶分形特征在海面舰船目标检测中的应用

针对复杂海面环境下的舰船目标检测，分析了高阶分形特征缝隙在纹理分类中的应用，提出了一种基于分形维与缝隙的目标检测新方法，并利用该方法对海面舰船目标进行了检测。实验结果表明利用纹理分形维与缝隙特征进行海面舰船目标检测，可以取得较单一分形维检测更高的准确率。     

红外偏振图像的舰船目标检测

红外成像系统作为探测舰船目标的一种重要方式,在军事侦察中起着至关重要的作用,面对复杂背景、恶劣天气环境等情况时,目标与背景局部对比度较低导致红外系统的探测准确率、查全率等性能指标受到严重影响,针对上述问题,开展了基于红外偏振图像的舰船目标检测方法研究。通过8～12μm长波波段红外偏振图像采集系统实际采集86组4个偏振方向(0°, 45°, 90°, 135°)的红外偏振图像,样本中舰船目标309个。对同场景下不同偏振方向的红外偏振图像及红外强度/偏振度图像的目标与背景局部对比度计算,发现海面与舰船目标偏振特征差异能够有效提高目标与背景局部对比度。在前视红外图像中,舰船目标通常位于海天线附近或下方,但复杂背景及天气等因素干扰对红外图像中检测海天线影响较大,为此提出红外偏振图像海天线检测方法,对红外偏振图像直方图进行高斯滤波消除局部极值,依据海面与背景的偏振特征差异,利用双峰法阈值分割检测海天线,最后利用霍夫变换检测海天线,分割出海面作为目标候选区域。针对红外偏振图像受到海杂波严重干扰的问题,提出海杂波背景抑制算法,采取背景抑制,距离加权方法抑制偏振图像中杂乱的海杂波背景。最后,利用MSER算法检测舰船目标,根据舰船目标特性约束条件剔除非目标区域。对86组红外偏振图像进行舰船目标检测实验,所提出的方法能够有效克服复杂背景和海杂波等因素的干扰准确检测海天线,通过海杂波背景抑制及舰船特征约束的方法消除海杂波及海岸对舰船检测所带来的干扰,检测准确率、查全率分别为93.2%和95.7%,优于红外舰船目标检测方法,特别在红外图像对比度低的场景下检测效果提升明显,检测准确率、查全率分别提高了46.5%和16.4%。表明充分考虑红外偏振图像中舰船目标与背景的偏振特征差异能够有效提高目标与背景的局部对比度,有利于准确检测海天线,提高舰船检测准确率和查全率,对复杂背景及恶劣天气有较强的适应性,在军事应用中具有极大应用价值,对红外波段舰船目标检测技术的发展有着极为重要的意义。     

不同条件下海面Kelvin尾迹的红外仿真

针对舰船在海上航行时形成的尾迹包含多类信息,利用Kelvin尾迹模型得到舰船速度为5 m/s、10 m/s和15 m/s的尾迹最大波高分别为0.5 m、1.5 m和2.5 m。通过海浪Pierson Moscowitz谱模型描述海面风速分别为5 m/s、8 m/s和10 m/s下的复杂海面背景模型。基于海面背景和尾迹区域的几何差异,建立了Kelvin尾迹的红外发射模型,得到不同海面风速、不同舰船航速和不同探测天顶角下的红外特征仿真图像。仿真结果表明,红外图像的灰度极大值位于尾迹波峰处,海面风速由5 m/s增加到10 m/s时,尾迹区域与海面背景平均灰度差值由100逐渐减小,直至无差异。相同海面风速下,舰船速度由5 m/s增加到15 m/s,尾迹波长由10 m增加到40 m,红外特征明显。改变探测器天顶角分别为0和30时,红外图像差异较小,当天顶角增大到60时,尾迹区域灰度值接近海面背景,差值小于30,尾迹的辨识难度增加。     

多波段前视红外图像融合的海面杂乱背景平滑方法

为了有效地克服单波段前视红外图像中存在的点状杂波、条状波浪以及局部高亮区域等随机杂乱背景的影响,开展了基于多波段前视红外图像融合的海面杂乱背景平滑方法的研究。充分利用多波段前视红外图像之间的互补性和差异性,通过融合多波段红外图像的信息,旨在平滑抑制海面杂乱背景并保持舰船目标的特征信息,为舰船目标检测提供一幅优质的图像。首先利用离散小波变换将多波段源图像分解为低频子带和高频子带,其中,高频子带主要包含了图像中背景以及舰船目标的细节信息,低频子带主要包含了图像的亮度以及对比度信息;对于高频子带,在基于高频系数取绝对值最大法得到高频融合图像后,计算每个像素的区域能量来对高频融合图像进行调制以抑制图像背景的细节信息而保留舰船目标的细节信息;对于低频子带,通过平均法融合低频子带并利用导向滤波对低频融合图像进行平滑滤波处理;最后对高频融合图像和低频融合图像进行小波逆变换得到的重构图像即为融合图像。对实际采集的多波段前视红外图像进行仿真实验,将该方法与双边滤波、导向滤波、梯度最小化、相对全变分、双边纹理滤波和滚动滤波共6种图像平滑滤波方法进行对比。结果表明:所提出的方法通过有效地融合多波段图像的信息,将空间域的平滑处理转换到频率域中进行,能够很好地平滑海面随机杂乱背景并较好地保持舰船目标的结构、灰度以及对比度信息,大大增强了舰船目标的可分离性,其图像平滑性能优于作为对比的6种方法。     

试用Lyapunov指数探讨气候突变及其前兆信号

Lyapunov 指数是标志一个系统做规则运动还是混沌运动的一个重要物理量.鉴于此, 本文利用Lyapunov指数研究系统的混沌特性, 研究气候的突变.计算结果表明, 定义法求得的Lyapunov指数是一种可靠的突变检测方法, 无论是理想序列还是实际存在突变的序列, 利用该方法都能准确地找出突变位置; 而利用非线性局部Lyapunov指数的可预报期限从理论上佐证了基于临界慢化现象的气候突变前兆信号的可靠性, 通过计算各个时间段的最大Lyapunov指数能够反映系统的内在性质、研究其混沌特性. 研究结果为该方法在实际观测资料中的广泛应用提供了理论基础. 关键词： Lyapunov指数 气候突变 前兆信号     

一种快速的近岸红外目标检测

近岸红外目标检测由于背景复杂和实时性的要求,是当前研究的一个难点。基于上下文的视觉注意机制是解决这一难题的有效途径。首先根据近岸红外目标存在于海面这一先验知识,利用灰度、纹理特征及位置关系,分割出海面;其次利用基于相位谱的视觉注意机制定位显著区域;最后综合海面和显著区域位置,便可检测出近岸红外目标。实验证明,这种算法高效、准确,能够满足目标检测阶段的实时性要求。     

基于多特征差异检测与联合控制映射的红外图像选择加密算法

为了实现对红外图像的选择性加密,提出了基于多特征差异检测与联合控制映射的红外图像选择算法。引入分段正弦变换,将输出图像分割为3个不同的区域,对每个区域完成不同的拉伸变换,完成初始红外图像的增强,凸显真实红外目标;再利用增强图像中目标与背景的灰度差异,从而设计目标决策因子,并分割Top-Hat变换的结构元素,构建红外背景抑制机制,过滤杂波与噪声;利用灰度水平、对比度与相似度,建立多特征差异检测模型,提取包含真实目标与可疑目标的感兴趣区域;以Logistic映射为控制条件,综合Tent映射与Chebyshev映射,设计联合控制混沌映射,利用其输出的混合随机序列对感兴趣区域进行置乱;引入引力模型,对混淆的感兴趣区域内的像素进行扩散,完成红外目标选择加密。实验结果显示:与已有的图像局部加密机制相比,该文算法输出密文信息熵值达到了7.982 6,能够更好地用于红外图像局部选择性加密。     

含噪光学遥感图像海面弱小舰船目标检测

海面舰船目标的检测与识别对于海面监测与目标打击具有重要意义,弱小舰船目标由于缺少纹理信息且易受到海面阴影、噪声等因素的影响,使得目前常用的检测方法效果较差。基于通道分离与负值扩展对比敏感函数提出了的海面弱小舰船目标检测方法。该方法首先构建像素强度通道与噪声-边缘通道的多分辨图像尺度金字塔;之后,构建不同尺度空间下的负值扩展对比敏感度函数,调制对应各位置的权重;最后,利用各空间尺度系数加权获得两通道视觉显著性图像,通过通道差分处理实现了含噪图像中弱小舰船目标的快速检测。实验结果表明:与其他5种算法相比较,提出的方法具有较高的检测准确率(97.30%)、召回率(84.71%)及综合评价指标(94.49%),同时具备较强的抗噪声能力,适用于含噪海面光学遥感图像中弱小舰船的检测。     

基于统计特性与边缘特性融合的阴影检测方法

针对视频监视系统中的阴影检测问题,提出了一种基于灰度比值统计与边缘特征分析相融合的阴影检测方法.根据阴影的面积和灰度特征,采用灰度统计和正态分布曲线拟合的方法估计出阴影灰度的分布区域,实现对阴影的初分割.利用熵判据对初分割的结果进行判断,对于过分割的情况,依据目标与阴影间的位置关系,利用阴影的边缘特性进行目标重构.不同光照环境下的视频监控图像测试结果表明,该方法可以用于灰度图像和彩色图像,能够有效检测出阴影区域并保持目标的完整性.     

复杂背景灰度图像下的多特征融合运动目标跟踪

为解决低对比度、低信噪比、目标旋转、缩放等非理想状态给跟踪算法的研究带来的诸多困难,本文提出灰度图像多特征融合目标跟踪算法,保证在满足工程实践需要的条件下,能够对目标进行稳定的跟踪。算法首先对灰度图像利用Sobel算子求出梯度特征,将X、Y双方向的梯度特征与灰度特征相融合得到新特征,新特征在核密度函数下对低对比度,目标轮廓形状变化较大的情况有较高的适应性和稳定性,再利用背景建模的方法对提取的运动目标区域进行加权,降低非跟踪目标的权值,最后对融合后的加权特征目标利用改进MeanShift算法进行跟踪。通过大量的实验表明,该算法适应目标和背景的复杂变化,并且具有较强的鲁棒性,基本满足在复杂背景灰度图像下目标跟踪的工程实际需求。     

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.     

Motion detection in moving background using a novel algorithm based on image features guiding self-adaptive Sequential Similarity Detection Algorithm

A novel efficient algorithm for motion detection in dynamic background was proposed. In image registration step, a feature-based and self-adaptive Sequential Similarity Detection Algorithm (SSDA) algorithm was proposed, which searches for matching position under constraints induced by image features with variational threshold. Then perform change detection by calculating and classifying the Mean Absolute Difference (MAD) around detected features in the middle frames of three consecutive images. Moving objects position was determined according to the rule that the feature from moving regions shows a lager MAD. Experiments on data sets of four typical scenes show that the improved registration algorithm is accurate and costs less than 0.4 s in computation, much faster compared with other four methods, and the proposed Dual Maximum Mean Absolute Difference Algorithm (DMMADA) can obtain a robust set of moving object features. Our algorithm can be used for fast detection of moving targets in dynamic background as well as change detection.     

基于Hilbert变换及间歇混沌的水声微弱信号检测方法研究

利用Duffing振 子从混沌到间歇混沌的相变及其对策动力和待检测信号频差较小的周期信号的敏感性, 研究了强海洋背景噪声下微弱周期信号的检测. 通过构造混沌振子列的方法对频率未知信号进行扫频, 从而提取待检测信号的频率范围, 最后利用希尔伯特变换, 实现对间歇混沌的包络检测, 并计算出待检测信号的频率. 计算机仿真与实测水声信号处理结果表明, 利用基于希尔伯特变换的间歇混沌振子对水声微弱信号检测, 其检测信噪比比一般的间歇混沌振子提高了至少4.4 dB, 验证了所提方法的有效性.     

基于灰度特性的海天背景小目标检测

针对复杂海天背景下的小目标检测存在海浪、云层干扰等问题,提出了先提取海天线,然后利用一维最大熵阈值分割法对出现在天空、海面或者海天线附近特定区域的目标进行检测的算法。该算法主要利用天空海面行灰度均值特性,结合梯度运算和形态学运算在海天线的潜在位置中检测边缘,进而用强鲁棒性的Hough变换直线检测法拟合海天线,实现对海天线的准确定位。实验处理分辨率为：256pixel×256pixel的位图时,定位海天线需时4．1ms,检测到目标需时5．3ms,完全满足高帧频图像处理的实时性要求。实验结果表明,该算法能够快速、准确地检测出小目标,大大降低了虚警率。     

亚像素多重分形方法在图像处理中的应用

提出了一种用亚像素多重分形原理求取图像奇异性的新型算法,降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律,利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合,对应着从边缘到纹理各层面的图像内容。模拟计算了投影小波中心点改变单位距离对边缘测度的影响程度,得出亚像素分割梯度的方法可以增加计算结果鲁棒性的结论。此方法用于标准图像的分割中,选用5×5亚像素数目提取的最奇异性集合与索贝尔(Sobel)算子(默认阈值为36.7920)提取的边缘的峰值信噪比为9.3981 dB。应用于复杂路面的裂纹提取中,其结果更符合人类的视觉观测。