基于分类的红外云层背景弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法.根据红外成像的特点,将红外云层背景弱小目标图像分为三类:边缘类、净空及云中类、弱小目标类;对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量;根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测.实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测.     

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。     

一种基于背景预测及小波变换的红外弱小目标检测方法

提出了一种新的红外弱小目标检测方法,在对红外图像进行背景预测的基础上,对残差图像采用小波变换方法增加对弱小目标的检测率,有效地提高了检测算法对低信噪比红外图像中弱小目标的检测性能。通过实测的星图数据与传统方法进行了对比和分析,证明了该方法适用于非平稳背景中低信噪比目标的检测。     

强杂波背景红外弱小目标检测算法

针对强杂波背景远距离红外弱小信号目标的特点,提出了一种基于自适应滤波的红外弱小信号检测方法。算法首先对图像进行消噪声处理,其次运用自适应滤波方式消除背景增强目标信号,最后进行基于点源目标(试验采集)成像信号特性的判决法则删除虚假目标,算法有效解决了光电探测设备高检测概率与低虚警率的矛盾。实验结果表明:该方法能够在单帧图像上有效提取出小区域信噪比为4的弱小信号目标,检测概率不低于0.75,虚警率不高于1次/100帧。     

强杂波背景红外弱小目标检测算法

针对强杂波背景远距离红外弱小信号目标的特点,提出了一种基于自适应滤波的红外弱小信号检测方法。算法首先对图像进行消噪声处理,其次运用自适应滤波方式消除背景增强目标信号,最后进行基于点源目标（试验采集）成像信号特性的判决法则删除虚假目标,算法有效解决了光电探测设备高检测概率与低虚警率的矛盾。实验结果表明：该方法能够在单帧图像上有效提取出小区域信噪比为4的弱小信号目标,检测概率不低于0.75,虚警率不高于1次/100帧。     

红外背景抑制与弱小目标的检测算法

强噪声背景下红外图像中弱小目标的检测一直是研究的重点和难点。根据弱小目标、背景干扰和噪声在红外图像中的差异,研究了三种低信噪比条件下红外图像中弱小目标的检测算法:小波变换、数学形态学、Top—hat算子,分别给出了处理的图像和相应的数据。仿真实验表明:这三种检测算法能十分有效地提高信噪比、增强目标、抑制背景杂波和去除噪声干扰,对信噪比约为2的弱小目标检测能得到很好的结果。三种算法所得结果一致,而且处理速度快,适合于实时图像处理和目标探测。     

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。     

近地背景下的机载红外探测系统弱小目标检测

机载红外探测系统在近地背景下检测目标时,地面将对弱小目标产生严重的干扰,导致传统检测方法对弱小目标的检测性能下降。针对该问题,利用生成对抗网络提出一种近地背景下的机载红外探测系统弱小目标检测方法。将深度自编码器作为生成对抗网络的网络框架,引入inception机制对视觉信息进行多尺度特征提取,并引入残差块来缓解梯度消失问题。在神经网络的对抗训练中,生成器考虑了移动损失与对抗损失两个损失函数,提高了生成器的训练效果。最终,在公开的无人机机载红外探测数据集上完成了实验,结果表明所提方法能在近地背景下成功检测出红外弱小目标,且检测的平均精度与速率均优于其它对比方法。     

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。     

荒漠背景下红外偏振弱小目标检测方法研究

针对荒漠背景下红外弱小目标检测问题,提出了一种基于稳定性矩阵恢复和双窗滤波的荒漠红外偏振弱小目标检测方法.分析得出红外偏振Q参量图的背景相似性最高,采用改进型形态学滤波可以增强其背景相关性.检测时将Q图背景看成一个具有低秩特性的矩阵,弱小目标看成是破坏其低秩性的冗余数据,建立稳定性矩阵恢复荒漠背景抑制数学模型,然后对背景抑制结果采用双窗滤波分割出目标,完成检测.实验结果证明了该方法的有效性和稳健性,具有较强的应用价值.     

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.     

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....     

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.     

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。     

各向异性SUSAN滤波红外弱小目标检测

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题,采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值,从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中,实验结果表明：各向异性SUSAN滤波器能够很好地保留图像中的边缘信息,使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高,目标大小得到较好的保留,虚警率下降。     

一种云天背景下单帧红外弱小目标检测新方法

针对复杂背景下单帧红外图像中的弱小目标检测问题,提出了一种级联的改进Asymmetric AdaBoost算法。该算法通过提取红外小目标梯度对比度、邻域灰度分布等多个有效特征,充分利用多个红外特征的互补作用,对Asym-metric AdaBoost在仿真中出现的问题进行了相应的改进。通过对实测数据进行仿真,结果表明该方法达到了高检测概率和低虚警率,能有效地检测红外弱小目标。     

基于自适应频域滤波的红外弱小目标检测技术

研究复杂背景下弱小目标检测问题对提高靶场光电设备探测能力具有重要意义.根据红外图像的背景复杂程度,提出一种自适应高斯高通滤波算法.该算法利用改进中值滤波器对图像进行降噪,采用图像方差加权熵,定量描述红外图像背景复杂程度,根据图像背景复杂程度自动调整滤波器截止频率,实现不同背景下红外弱小目标自动检测,并利用靶场实测光电图像对算法进行了验证.实验结果表明该算法能够有效地在不同图像背景下检测到弱小目标.     

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%。