一种无人值守设备的红外弱小多目标自动判读方法

提出了一种实用的适用于无人值守设备的红外弱小多目标自动判读方法。通过判别图像序列段累积信号量的变化进行目标段自动定位,对定位后的目标段运用轨迹预测关联的方法进行目标识别。给出了目标图像序列的处理结果,证明该自动判读方法可以在保证目标识别率的同时大大缩短图像判读时间,能够满足光电测量中快速提供测量结果的需求。     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

基于序列图像的运动目标检测

针对动态环境下运动目标检测中噪声多、目标检测不完整等情况,提出了一种基于金字塔多分辨率模型的运动目标检测方法,在低分辨率下获取目标的区域,在高分辨率下获取目标的细节。对于复杂的环境,还提出了运用高低双阈值替代传统的单阈值进行图像差分运算的方案,阈值可以根据图像自动分析得到。该方法首先将当前帧和背景帧进行尺度变换,得到不同分辨率下的图像组,然后在不同尺度下得到高低阈值差分图像,最后从高层向低层进行有效融合,得到噪声少的完整目标图像。实验表明,该方法提取运动目标的精度比较高,单目标达到0.802,多目标达到0.615,尤其是在复杂的动态环境下,优势比较明显。     

红外序列图像中运动弱小目标检测

为检测红外序列图像中的运动弱小目标,分析了目标在序列图像中的运动特性和概率分布特性,以及目标和噪声在序列中的能量分布特性。提出连续M帧高阶累积方法来增强运动弱目标能量,用假设检验对目标和背景进行分割,通过搜寻序列运动能量中心来实现目标的多帧关联检测。通过仿真实验证明了算法对红外弱小目标检测有效性。     

红外序列图像多运动目标检测

针对背景不动情况下提取红外图像运动目标,提出了一种基于连续四帧序列图像精确检测多运动目标的算法,并用软件仿真了该算法处理图像的效果并与其他方法进行了对比。经试验证明该方法算法简单,实时性好。对单目标、多目标、室内、室外、简单和复杂背景的红外序列都可以得到较好的检测效果。能够有效地去除背景和噪声,精确地确定运动目标位置,有利于后续的目标跟踪,算法适于实时应用。     

层次卷积滤波红外弱小目标检测方法

针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题,提出了一种层次卷积滤波检测算法。主要分为两个部分：第一,根据红外小目标特性,设计一种层次卷积滤波的算子,对图像进行滤波处理,实现图像中小目标的增效和背景抑制的效果;第二,采用基于最大值的自适应阈值方法,对图像进行二值化操作,过滤背景杂波,最终提取到待检测的目标。在大量不同背景红外图像中进行实验,论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果,且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian,LoG）滤波算法的30.42%。通过实验对比,表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。     

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.     

基于多模标签多伯努利滤波-支持向量机的扇扫红外预警设备图像多目标跟踪算法

随着技术的不断发展,传统多目标跟踪算法在红外警戒设备应用上面临新的挑战与要求。讨论了基于多模标签多伯努利-支持向量机的扇扫红外警戒设备图像多目标跟踪问题。首先分析了传统多目标跟踪算法运用于扇扫红外警戒设备存在的不足之处,提出了基于多模标签多伯努利-支持向量机滤波算法的优势;分析了基于多模标签多伯努利滤波-支持向量机算法运用于扇扫红外警戒设备面临的问题,并提供了对应的解决方案。仿真结果表明,在典型复杂背景下,该算法的弱小目标航迹抗干扰成功率平均提升20%左右,对仅50%检测率的弱小目标的建航成功率提升45%以上,显著提高了弱小多目标跟踪能力。     

基于多特征的快速红外弱小目标检测算法

为了从全向红外搜索和跟踪系统采集的海量大视场高分辨率红外图像中快速准确地检测出红外弱小目标,本文提出了一种基于由粗到细的分阶段检测策略和时空域特征融合的红外弱小目标检测算法.首先,通过引入基于频域的快速显著性检测算法预先检测出目标可能存在的候选区域;其次,对候选区域进行角点检测以判定是否存在候选目标;最后,通过结合帧间时空域特征对候选目标进行进一步判定,以提取真实目标、删除虚假目标.多种实际场景的实验结果表明,该目标检测算法不仅运算量小而且探测概率高、虚警率低,是一种工程实用性能很好的红外弱小目标检测算法.     

图像序列中目标关键帧快速搜索算法

在目标测量时所获得的图像序列中,如何定位目标关键帧(最有利于目标测量的图像)的位置,对目标识别的效率和测量设备的性能有着显著的影响.针对具有复杂特性的目标图像序列,提出了一种基于帧间像素灰度差值来定位目标关键帧的快速搜索算法.该算法仅仅利用像素灰度值这一最基本的特征,将图像序列中相邻两张图像的同一像素的灰度差值与给定阈值相比较,统计高于阈值的像素个数,再与另一给定阈值相比较,进而确定目标关键帧的位置.实验结果表明,该算法对目标大小不同、形状不同,环境不同,信噪比较高的图像序列都具有快速、稳定的搜索效果.     

An Approach to Growth Delimitation of Straight Line Segment Classifiers Based on a Minimum Bounding Box

Several supervised machine learning algorithms focused on binary classification for solving daily problems can be found in the literature. The straight-line segment classifier stands out for its low complexity and competitiveness, compared to well-knownconventional classifiers. This binary classifier is based on distances between points and two labeled sets of straight-line segments. Its training phase consists of finding the placement of labeled straight-line segment extremities (and consequently, their lengths) which gives the minimum mean square error. However, during the training phase, the straight-line segment lengths can grow significantly, giving a negative impact on the classification rate. Therefore, this paper proposes an approach for adjusting the placements of labeled straight-line segment extremities to build reliable classifiers in a constrained search space (tuned by a scale factor parameter) in order to restrict their lengths. Ten artificial and eight datasets from the UCI Machine Learning Repository were used to prove that our approach shows promising results, compared to other classifiers. We conclude that this classifier can be used in industry for decision-making problems, due to the straightforward interpretation and classification rates.     

基于EM和GMM相结合的自适应灰度图像分割算法

提出一种阈值自适应、EM方法估计GMM参量的图像分割算法,能够根据图像的内容结合区域和边界两方面的信息自适应地选择阈值,精确地进行图像边界分割.算法首先提取图像的边界,然后根据边界的直方图计算图像的可分割性,由可分割性确定EM方法的阈值进行GMM分割,最后合并图像的近似区域.实验数据表明,相比其它图像分割算法,以及固定阈值的传统EM算法,本算法的分割结果更为准确.     

基于局部自适应拉升窗的复合图像增强算法

针对含有低亮度低对比度区域的图像,提出基于局部自适应拉升窗(LASW)的复合图像增强算法.通过研究目前一系列基于局部操作的空域图像增强算法,提出全局和局部操作结合的总体思路;首先使用高提升拉普拉斯(Laplacian)反锐化掩模(UM)增强以获得较多的隐藏细节和边缘信息,然后构造局部自适应拉升窗大幅增强低对比度图像细节,同时使用自适应滤波器进行掩模平滑操作;最后根据局部增强结果进行全局修正.仿真实验表明,在绝对误差、图像熵等评价指标下,该算法使低对比度图像尤其当含有低亮度微弱局部信息时,获得了较好的增强效果.     

General Quantum Meet-in-the-Middle Search Algorithm Based on Target Solution of Fixed Weight

Similar to the classical meet-in-the-middle algorithm, the storage and computation complexity are the key factors that decide the efficiency of the quantum meet-in-the-middle algorithm. Aiming at the target vector of fixed weight, based on the quantum meet-in-the-middle algorithm, the algorithm for searching all n-product vectors with the same weight is presented, whose complexity is better than the exhaustive search algorithm. And the algorithm can reduce the storage complexity of the quantum meet-in-the-middle search algorithm. Then based on the algorithm and the knapsack vector of the Chor-Rivest public-key crypto of fixed weight d, we present a general quantum meet-in-the-middle search algorithm based on the target solution of fixed weight, whose computational complexity is ∑_j^d=(0(√C_n-k+1^d-j)+O(C_k^jlogC_k^j)) with ∑_i=0^dC_kⁱ memory cost. And the optimal value of k is given. Compared to the quantum meet-in-the-middle search algorithm for knapsack problem and the quantum algorithm for searching a target solution of fixed weight, the computational complexity of the algorithm is lower. And its storage complexity is smaller than the quantum meet-in-the-middle-algorithm.     

一种改进型保持形状的图像对比度增强算法

提出了一种改进的保持形状的图像对比度增强算法.改进包含两个方面：1) 修改并推广了原有的基于PDE的灰度增强方法,使之可适用于任何设定的灰度拉伸函数;2）给出了一种通用的分段线性拉伸函数设计方法,它较采用累积直方图作为灰度变换函数可达到更好的直方图均衡化效果.还提出了一种松弛阈值化方法用以消除局部反差增强时可能出现的“斑点效应”.实验结果表明,本文提出的改进算法适用于多种自然图像,增强效果良好.     

一种空间目标在轨检测图像预处理算法

通过对美国天基可见相机(SBV)在轨检测算法(Moving target indicator,MTI)算法进行改进,使其更加快速有效地检测出淹没在噪声杂波中的目标条纹.MTI改进算法使用了一种新的二维图像检测预处理算法一一依概率加窗检测算法.依概率加窗检测算依据同一大小检测窗口内,目标所在检测窗内出现的非零点比纯噪声检测窗内多的特性,通过检测窗门限滤波,在可能剔除部分目标点的同时,极大地抑制噪声.接着使用三点共线条纹检测算法,剔除可疑目标条纹,进一步降低虚警概率,提高检测概率.通过算法性能分析可知,MTI改进算法的虚警概率降低15倍,检测概率99%时所需信噪比从6降低为3,并且总体计算量降低6个数量级.MTI改进算法减少计算量的同时,降低虚警概率并提高榆测概率,在工程应用中更有利于算法的实时实现.     

Quantum Search Algorithm Based on Multi-Phase

The success probability of the Grover quantum search algorithm decreases quickly when the fraction of target items exceeds 1/4, where the phase plays a significant role. Therefore, we use multiple phases to complement each other. We obtain three useful properties and an important theorem of the success probability and design a systematic solution of the optimal phases for an arbitrary number of phases. Based on these results, we finally propose a multi-phase quantum search algorithm whose success probability rises with the increase of the number of phases with just a single iteration, and it tends to be 100% when the fraction of target items is over a lower limit.     

一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

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).