一种复杂背景下红外小目标检测算法

为了解决复杂背景下小目标的识别,提高检测速度的问题,提出了一种改进的中值滤波方法.用其进行背景抑制,保护了图像细节,提高了处理的实时性.在分析小目标图像特点的基础上,提出了采用击中击不中变换对图像进行分割,达到探测目标的目的.仿真结果验证了该算法是一种实时有效,且易于实现的目标探测方法.     

复杂海空背景下红外弱小目标检测技术研究

为实现舰载红外警戒系统对海空背景下红外弱点目标的检测,根据目标识别系统的组成及目标检测识别信息处理流程,研究了远距离弱小目标的检测识别算法。结合形态学的方法给出一种目标检测算法,该算法可以有效地消除云层、海浪、海天线以及传感器本身引入的杂波和噪声干扰,仿真结果表明采用本文提出的算法有利于对目标的进一步识别,提高舰载红外警戒系统的目标检测性能。     

复杂背景下红外图像弱小目标检测

红外弱小目标检测是安防监控、侦察探测、精确制导等领域的关键技术。为了提高复杂背景条件下红外弱小目标检测的准确性和实时性,提出了一种基于深度学习的红外弱小目标检测算法YOLO-FCSP。根据红外图像中弱小目标的特点,在YOLO检测框架的基础上,通过减少下采样次数,结合跨阶段局部模块、Focus结构和空间金字塔池化结构设计了特征提取网络。借鉴多路径聚合的思路优化特征融合网络,同时调整检测输出层数量,通过信息复用提高特征利用效率。实验结果表明,本文提出的算法在检测红外弱小目标时具有较高的准确率和检测速度,精度和召回率分别为91.9%和94.6%,平均准确率(AP)值达到92.6%,检测速度达到170 f/s,满足实际应用中实时检测的需求。     

一种复杂海空背景下的红外小目标检测跟踪算法

复杂海空背景下红外小目标检测和跟踪算法决定了光电跟踪设备的探测性能。为了解决复杂海空背景下的红外小目标检测跟踪难题,提出了一种复杂海空背景下的红外小目标抗干扰检测跟踪算法。在检测阶段,为了抑制不同区域中各类杂波,该算法利用不同的分类器分别区分不同区域的杂波和小目标;在跟踪阶段,为了进一步剔除孤立噪声和杂波干扰,采用高斯混合概率假设密度滤波器进行目标航迹维持。在仿真视频上进行的目标检测跟踪实验表明,所提算法相比以往的跟踪算法,正确跟踪率提升了约10%,平均跟踪精度提升了约50%。该算法具有较好的工程可行性。     

复杂背景下运动点目标的检测算法

在复杂背景红外序列图像中,运动点目标的检测一直是研究的重点和难点。介绍了一种新的复杂背景下运动点目标的检测算法。首先根据点目标、背景干扰和噪声在红外图像中的差异,运用窗口大小不同的均值滤波器进行背景抑制以提高图像的信噪比,然后用一种门限法得到新的分割序列图像,最后采用改进后的隔帧差分光流场算法可有效地检测出点目标。仿真实验表明该算法优于传统光流场算法,能够检测帧间位移小于一个像元的运动目标,具有较好的检测性能,且实时性强。     

复杂地面背景下的红外目标检测算法

提出一种静态场景下的基于帧差光流的随机采样均值漂移聚类检测算法.该方法首先通过隔帧差分法提取运动目标区域,并对运动区域进行光流计算,采用自适应光流阈值分割法准确提取出运动目标;然后运用连通区域标记算法对运动区域进行初步划分,得到若干个连通域子集特征向量样本点,通过提出的随机采样策略来确定对子集空间中样本点的抽样次数;最后利用均值漂移算法对每个子集中的样本点进行若干次抽样计算并分析聚类收敛结果是否相同,从而完成对连通域标记结果的检验.该策略通过减少对标记结果所有样本点的采样次数,提高了目标的检测速度和精度,在不同红外测试场景中的实验结果表明:与传统红外多目标检测算法相比,该方法具有良好的局部抗遮挡性、准确性和实时性,并且检测率能达到95.27%,每帧处理时间达到39.12ms,满足实时处理需求.     

基于高阶累积量的单帧复杂云背景下红外小目标检测

高阶累积量由于可以抵抗高斯噪声的影响而被广泛地应用于信号处理的各个领域。针对复杂云背景下单帧红外图像弱小目标检测的问题,与传统的时空管道滤波方法不同,通过建立合理的数据模型,在抑制缓变背景和噪声的同时,结合小目标局部范围内突变的特点,三阶累积量的计算使得目标在单帧全局检测可检的信噪比达到了1.66。     

复杂背景下红外弱小目标检测算法研究

复杂背景下低信噪比弱小目标的检测是红外预警系统中的重点和难点。为解决红外图像中杂波干扰多、目标信噪比低等问题,提出一种非线性空间滤波的目标检测方法。该算法在传统线性空间滤波算法的基础上,通过对预测点周围4个象限的背景灰度值进行计算,并动态地调节阈值,以达到突出小目标的目的。试验结果表明:当背景包含较多复杂因素时,采用非线性空间滤波的检测方法可有效地抑制杂波,实现弱小目标的提取,与线性滤波算法结果相比较,虚警数降低了3/4,且易于工程实现。     

低对比度小目标检测

对强杂波背景下的远距离目标探测,提出基于序列图像的局部自适应背景预测,获得图像背景的最佳估计。对残差图像采用能量累积及中值滤波消除背景杂波。为提高信噪比,采用带缓冲窗口的双窗滤波法使目标和背景的差别更加显著,有利于低对比度下的目标分割。最后采用改进的高阶相关方法,在不影响检测性能的情况下加快了真实目标识别的运算收敛速度,并最终实现了算法工程化,在图像局部信噪比大于0.3时,采用三阶相关时检测概率达到98%。     

复杂背景下混合畸变目标识别技术

结合高斯函数和最大平均相关高度算法设计了高斯-最大平均相关高度滤波器,解决了光学相关识别系统对混合畸变目标(同时存在比例畸变和旋转畸变的目标)的识别问题.在设计滤波器时,通过优化平衡高斯-最大平均相关高度滤波器的标准差σ、输出噪声方差系数α、平均相关能量系数β及平均相似测量系数γ来提高高斯-最大平均相关高度滤波器对混合畸变目标的响应能力.最后通过仿真实验可知,在畸变容差范围(比例畸变0.92~1.16倍,旋转畸变-8度~24度)内,Vander Lugt相关器利用单个高斯-最大平均相关高度滤波器可以实现任意状态混合畸变目标的识别.作为实例,用高斯-最大平均相关高度滤波器对复杂背景下的飞机目标进行了识别实验,验证了该方法的可行性.     

基于分形特征的复杂背景下扩展目标检测

 将分形面积度量和分形拟合误差相结合,提出一种复杂背景下扩展目标检测方法。运用分形面积度量进行目标和背景的边缘检测,并结合扩展目标特性确定目标所在区域范围,实现初检。计算原始图像各像素分形拟合误差特征,并运用概率松弛迭代法进行分形特征增强,利用增强特征进一步抑制初检结果中的自然背景。最后运用数学形态学操作剔除背景粘连,实现扩展目标精确检测。实验结果表明:该方法能够有效、可靠地检测复杂背景下的扩展目标,并能较好保持目标的外形轮廓。     

海天复杂背景下红外目标的检测跟踪算法

在分析海天复杂背景下红外目标图像特征的基础上,提出适合该环境的红外目标检测算法.该算法采用行均值相减的方法抑制海平面非线性温度场的影响,并进行中值滤波处理.对于更加复杂的环境,选用数学形态滤波法抑制背景中的大面积云团或海浪,从而确定出目标区域来进行目标图像的分割及增强.同时,综合使用图像捕获区域指定、运动目标检测法、弱目标的增强提取、记忆外推功能、数据融合加权跟踪方法,来保证在海天复杂背景下红外目标的可靠跟踪.实验表明,该算法能较好地处理海天复杂背景下红外目标的检测,且算法易于硬件实现,提高目标检测的实时效率.     

基于分形特征的复杂背景下扩展目标检测

将分形面积度量和分形拟合误差相结合,提出一种复杂背景下扩展目标检测方法。运用分形面积度量进行目标和背景的边缘检测,并结合扩展目标特性确定目标所在区域范围,实现初检。计算原始图像各像素分形拟合误差特征,并运用概率松弛迭代法进行分形特征增强,利用增强特征进一步抑制初检结果中的自然背景。最后运用数学形态学操作剔除背景粘连,实现扩展目标精确检测。实验结果表明:该方法能够有效、可靠地检测复杂背景下的扩展目标,并能较好保持目标的外形轮廓。     

复杂背景下目标检测的级联分类器算法研究

目标检测与跟踪一直是图像处理与计算机视觉领域的热门研究方向之一,其对军事上的成像制导、跟踪军事目标等以及民事方面的安防监控、智能人机交互等方面均有着重要的研究价值.将特征匹配问题看成是一种更普遍的二分类问题,将这种难解的高维计算变成二分类问题,使计算复杂度大大减小,这类方法以大数定律和贝叶斯法则为理论依据,本文提出一种非树形结构的分类器,并从理论上推导出其实现公式,将1bitBP特征应用到分类器中,同时采用计算量由小到大的三个分类器进行级联从而实现鲁棒精确的目标检测.从实验结果来看,本文算法能够对目标的尺度变化、旋转、部分遮挡、形变、模糊、背景变化等复杂情况有较好鲁棒性,并且检测精度相对较高,而本文算法的计算复杂度低、计算量小,有较高的应用价值.     

复杂红外背景中运动小目标快速跟踪技术

在地面、海面、天空复杂背景下对红外小目标稳定跟踪是亟需解决的难题.为兼顾鲁棒性和实时性,以判别尺度空间跟踪算法为基础,应用可有效表征目标区域灰度突变特性和目标形状信息的广义结构张量算法作为特征提取方法.改进后的算法更适用于红外图像快速处理,能提高跟踪鲁棒性,且计算量小、效率高,目标特征维度低.为提高跟踪稳定性,依据置信...     

复杂天空背景下的红外弱小目标检测算法研究

为了提高单帧红外图像的检测概率,稳定检测到图像序列中的弱小目标,基于改进的双边滤波与多项式拟合,提出了一种复杂天空背景下的红外弱小目标检测算法。在传统双边滤波算法的权值系数中引入背景相关度因子,有效降低了背景抑制时目标点的影响,提高了目标区域的信噪比以及单帧图像的检测率。为了进一步剔除虚假目标,基于融合目标运动特征,对目标点进行多帧确认。针对序列检测中目标闪烁造成的目标漏检,引入多项式拟合算法对下一帧目标位置进行预测,有效避免了目标轨迹截断的问题。实验结果表明,在信噪比小于2的情况下,该算法能够稳定检测到复杂天空背景下的弱小目标轨迹。     

一种混响背景下的自适应动目标检测方法

本文提出了一种混响和噪声干扰下动目标检测的自适应方法,其结构为自适应混响抵消器（ARC）加推广的自适应相干累积器（GACI）。用自适应混响抵消实现干扰背景的预白化,用推广的自适应相干累积实现匹配滤波的功能。该方法不需要混响干扰的先验知识,也不需要知道信号参量,就可以实现混响干扰背景下动目标的检测。仿真和试验表明,其具有良好的动目标检测性能,且具有很好的海洋信道适应能力。     

海杂波背景下小目标检测的分形方法

针对海杂波背景下小目标检测对海情依赖性强的问题, 本文采用分数布朗运动模型对实测海杂波建模, 结合多重分形去势波动分析法确定分形参数, 分析了海杂波的单尺度、多重分形特性. 在单尺度分形的基础上, 利用表征海杂波分形特征的分数维和Hurst指数构建了分形差量, 提出了基于分形差量的小目标检测方法;在多重分形基础上, 比较了两种海杂波的高尺度多重分形特性. 结果表明, 当尺度q > 10时, 纯海杂波的多重分形参数H(q) < 0, 而存在小目标的H(q) > 0, 此差异性为高尺度分形参数的海杂波背景小目标检测提供了判定依据. 所研究的两种方法均能实现不同海情下的小目标检测.     

一种复杂海天背景下红外弱小目标检测算法

红外弱小目标的检测是红外搜索跟踪系统(IRST)中的一项关键技术,常用的目标检测算法存在受海杂波严重、虚警率较高等问题,分析了海天背景下红外图像的背景、小目标的特征,提出了一种海杂波背景下的红外小目标检测算法。首先统计图像的行均值和梯度,用最小二乘法拟合出海天线,然后利用形态学算子抑制图像背景,并采用自适应阈值将图像二值化,最后分析图像的梯度特征,抑制海杂波和云层的干扰。实验结果表明,该方法能精确地提取海天线,稳定地提取海天背景下的弱小目标,虚警率低于5%,目标检测概率超过97%。     

动摄像机和动目标跟踪模式下的目标检测新方法

动摄像机和动目标跟踪是图像分析中的一个难点。根据应用光学知识和坐标变换理论,提出了映射变换差分方法(mappingtransformationdifferentialmethod,MTDM)。该方法首先利用映射变换将动摄像机和动目标模式下的目标检测问题转化为技术比较成熟的静摄像机和动目标模式下的目标检测,然后利用图像差分方法检测出被跟踪目标。实验结果表明:MTDM方法在复杂天空背景下能有效地抑制背景噪声,能准确地检测出被跟踪目标。