基于局部熵的图像过渡区边缘检测算法

提出了一种新的红外目标边缘检测算法,利用局部熵值分析法和过渡区提取相结合的方法,通过Top-hat与Bottom-hat变换,建立有效平均熵和对应灰度值的曲线关系,选择合适的阈值,在此基础上执行形态学闭合操作.仿真结果表明,该方法在去除不必要的细节的同时,能很好地提取目标的边缘信息.     

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...     

最大化背景模型用于检测红外图像中的弱小目标

提出一种基于最大化背景模型的背景预测算法,用于红外弱小目标检测.算法通过"区域最大化背景模型",来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的.算法适用于强对比度云层的空背景、具有人造干扰物的背景和空地背景的红外图像中,具有较强的抗噪音特性,是背景预测算法的一个重要扩展.针对实际红外图像的试验仿真表明,提出的算法是有效的.     

多尺度核局部归一化的红外图像背景抑制

为解决红外图像弱小目标检测技术中的云层和地物等复杂自然背景抑制这一难题,提出了一种基于多尺度核归一化策略的弱小目标复杂背景抑制新方法。首先,采用波原子变换对图像进行尺度和方向分解,提取图像的多尺度和方向细节特征;然后,根据目标和背景杂波信号子带系数之间的差异,对波原子变换后各子带系数采用设计的核局部归一化调整函数进行修改,以达到有效地抑制原始图像中背景边缘、轮廓和纹理等信息和增强目标信号系数强度的目的;最后,重构调整后各个子带系数获得抑制背景后的目标图像。实验结果显示,与小波和最大中值滤波方法相比较,该方法对包含弱小目标的红外复杂背景都具有良好抑制效果,信杂比增益和背景抑制因子分别提高到3倍和4倍以上。     

多尺度核局部归一化的红外图像背景抑制

为解决红外图像弱小目标检测技术中的云层和地物等复杂自然背景抑制这一难题,提出了一种基于多尺度核归一化策略的弱小目标复杂背景抑制新方法。首先,采用波原子变换对图像进行尺度和方向分解,提取图像的多尺度和方向细节特征;然后,根据目标和背景杂波信号子带系数之间的差异,对波原子变换后各子带系数采用设计的核局部归一化调整函数进行修改,以达到有效地抑制原始图像中背景边缘、轮廓和纹理等信息和增强目标信号系数强度的目的;最后,重构调整后各个子带系数获得抑制背景后的目标图像。实验结果显示,与小波和最大中值滤波方法相比较,该方法对包含弱小目标的红外复杂背景都具有良好抑制效果,信杂比增益和背景抑制因子分别提高到3倍和4倍以上。     

基于背景抑制和分类校正的小样本目标检测方法

为进一步提升小样本条件下对空中来袭目标的检测识别成功率,提出一种基于背景抑制和分类校正的小样本目标检测方法。首先,针对空中来袭目标背景前景易混淆问题,在区域候选网络前端引入背景抑制模块,通过抑制背景特征和增强前景特征来减轻目标背景对检测的影响;其次,在背景抑制模块后插入特征聚合模块,聚焦目标特征,通过缓解小样本条件导致目标特征难提取、不明显的问题,校正网络模型的分类参数;最后,在检测头网络中引入对比分支,增强了类别内相似性和类别间独特性,缓解来袭目标“类间相似性高,类内差异性大”的问题,实现了对网络分类的进一步校正。实验结果表明,所提出的算法在1、2、3、5、10 shot实验中均表现最佳,平均精度分别达到28.3%、32.8%、39.9%、42.9%和56.2%,提升了小样本空中来袭目标的检测性能。     

深空背景弱小运动目标检测算法研究

在深入分析监测设备CCD图像特点的基础上,提出了一种深空背景弱小运动目标检测新方法。该算法使用"列高通滤波器"进行背景抑制;采用序列图像多帧累加增强目标与恒星的对比度,用交叉投影法确定星点区域,提取局部星图,利用局部星图匹配剔除恒星干扰;结合候选目标的特征,采用基于逻辑的最近邻关联方法完成目标检测。结果表明,该算法可满足深空背景弱小运动目标实时检测的要求。     

基于区域奇异性滤波的小目标检测

针对复杂背景下红外运动小目标的检测和跟踪存在的难点,提出了基于SUSAN检测思想的滤波方法。该方法是通过构建局部区域的奇异性函数来计算奇异度的,并借鉴Wiener滤波的思想,由最小绝对差确定出灰度差阈值。该滤波方法达到了抑制背景、提高信噪比的目的。     

基于局部纹理分析的红外小目标检测及其DSP实现

在红外小目标图像中,目标具有与其邻域背景明显不同的纹理和频率特征,在不同尺度和不同频率通道上有不同的表现,利用小波的多尺度分析理论,可将小目标与其邻域背景区分开。采用适合在低信噪比下小目标检测的局部纹理分析方法实现了小目标检测。为了满足红外小目标检测的实时性要求,采用TI公司的高性能数字多媒体DSP芯片实现了小目标检测系统。通过软件程序的优化设计来进一步提高程序运行速度与流水效率,具有良好的软硬件体系结构。通过对实测红外序列图像进行实验表明,所设计的系统能实时地、稳定地检测复杂背景下的1~3个像素的运动小目标。     

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.     

一种抗干扰的弱小目标检测方法

针对低信噪比灰度图像中弱小目标的检测问题,提出了SUSAN特征检测原则与数学形态学方法结合的小目标检测方法.该方法首先采用SUSAN原则利用图像灰度级直接提取特征,利用形态学算子去除噪声、分离目标.给出了应用实例,实验结果表明,这种方法抗干扰能力强,能够快速、可靠地检测出小目标.     

一种基于光谱奇异值检测的高光谱遥感小目标探测方法

高光谱遥感技术能够借助丰富的地物图像和光谱信息,反映目标地物与背景地物间的细微差异,从而将其区分开来。目前的小目标探测算法多侧重于从图像处理方面着手,文章则从光谱维数据分析的角度出发,利用光谱分析中的奇异值检测方法探测小目标,首先对关注区域的地物像元光谱进行连续统去除和正交变换等预处理;然后将每个像元的光谱对该区域平均光谱进行光谱匹配求其相似性,并实现高光谱数据降维;而后通过光谱角匹配值的马氏距离进行奇异值检测,将马氏距离大于自适应阈值的像元判定为小目标。该方法不需要任何先验信息,实验结果表明该方法运算量较小,运算速度快,并有较好的小目标探测准确度。     

Small Target Detection Using Two-Dimensional Least Mean Square (TDLMS) Filter Based on Neighborhood Analysis

TDLMS is a general adaptive filter algorithm and when applied to infrared small target detection, traditional structure and implementation of TDLMS may cause some problems in this field. This paper presents a new TDLMS filter structure and implementation incorporating neighborhood analysis and data fusion, which is capable of acquiring and analyzing more information from the vicinity of the target, leading to a more prominent detection result. This enables TDLMS filter to perform better and become more suitable in the field of small target detection. Experiments showed the efficiency of the proposed algorithm.     

红外运动小目标的检测

通过分析天空背景下红外运动小目标、噪音以及背景的特征,提出一种检测方法·首先利用向量小波变换对运动图像进行预处理;其次采用图像差分进行目标的粗检测,提取出候选目标;最后可根据运动目标和噪音的特征对候选目标进行识别,检测出真实的运动小目标·实验证明,该方法可有效检测天空背景下红外运动小目标·     

基于双层局部对比度的红外弱小目标检测方法

针对传统基于人类视觉系统的检测方法在复杂背景下容易造成检测虚警的问题,提出一种基于双层局部对比度的红外弱小目标检测方法.首先,通过双层对角灰度差对比度分析机制,充分利用小目标局部对比度的先验信息,提高目标对比度的同时抑制背景杂波及噪声;之后,利用自适应阈值分割法获取待检测的真实目标.实验结果表明,与主流基于人类视觉系统的检测方法相比,所提方法的背景抑制因子平均提高9.3倍以上,信杂比率增益平均提高7.8倍以上,在不同的复杂场景下均具有更好的检测性能.     

Temporal Profile Based Small Moving Target Detection Algorithm in Infrared Image Sequences

A new algorithm is presented which deals with the problem of detecting small moving targets in infrared image sequences that also contain drifting and evolving clutter. Through development of models of the temporal behavior of the static background, target and cloud edge on a single pixel basis, the new algorithm employing the connecting line of the stagnation points (CLSP) of the temporal profile as the baseline is created and tested. The deviation of the temporal profile and its CLSP is analyzed and it is determined that the distribution of the residual temporal profile obtained by subtracting the baseline from the temporal profile can be modeled by a Gaussian distribution. The occurrences of the targets have intensity values significantly different to the distribution of the residual temporal profile. Unlike the conventional 3-D method, this new algorithm operates on the temporal profile in 1-D space, not in 3-D space, thus having a higher computational efficiency. Experiments with real IR image sequences have proved the validity of the new approach. This work was supported by National Natural Science Fund of China (No. 60277005).     

一种有效的红外小目标检测方法

提出了一种基于中值滤波与梯度法的红外小目标检测方法.该方法首先通过中值滤波对红外图像进行平滑处理,接着采用背景差分技术将原始图像与经过中值滤波后的图像进行差分对消.在此基础上,再使用梯度锐化法对残差图像进行边缘信息的增强.最后,利用二值化处理凸显出目标点.该方法通过中值滤波与梯度法的互补效应实现了红外小目标的有效检测,仿真实验结果证明了该算法的有效性.     

基于最小一乘和混沌遗传算法检测红外小目标

提出了一种基于最小一乘估计和混沌遗传算法进行背景预测检测红外小目标的方法.在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,利用混沌序列内在的伪随机性,将混沌引入到遗传算法得到混沌遗传优化算法,以此解决最小一乘估计中极值的选取问题.将原始图像与预测图像相减得到预测残差图像后,利用基于二维指数熵的图像阈值选取快速算法进行分割.给出了实验结果与分析,并与基于遗传算法的最小一乘预测、最小二乘背景预测的检测算法作了比较.实验结果表明,提出的算法具有更高的检测概率和更好的检测结果.