自然背景中人造目标的自适应检测

本文介绍了一种在可见光和红外图像中，自动检测自然背景中人造目标的方法。该方法以分形结构做为自然背景的数学模型，利用自然背景和人造目标在分形特征上的固有相对差异检测人造目标。本文还介绍了自适应分形特征增强和组合图像检测方法，并以对实际图像的处理结果。

一种基于分形模型的新特征及其在自动目标识别中的应用

基于分形模型的自相似性，提出一种识别自然背景中人造目标图像特征的新方法．解释了该特征的含义，给出了计算方法，并利用实验数据将其与分维数特征和分形模型拟合误差特征进行了对比，说明了该特征在识别自然背景中人造目标时的优越性；还以实际红外图像的处理结果显示该特征在实际中应用的效果．

自然背景图像的分形模型与人造目标自动识别

本文介绍以自然背景图像的分形模型为依据,对自然背景中人造目标进行检测的基本原理、技术特点和发展过程;介绍以分形技术为核心的自动目标识别系统的技术关键、系统性能和系统的应用前景;最后分析了目前分形技术中存在的局限性,提出了针对这些局限性应当开展的研究工作的基本思路。

IFS图像空间结构特征及自动目标检测(英文)

一个迭代函数系—IFS(Iterated Function System ) 由一组压缩映射组成, 它描述了研究对象“整体”和“局部”之间的变换构成关系.对于图像来讲,IFS描述了图像“整体”和“局部”之间的空间变换关系,因此,IFS可以视为图像的空间结构模型,而与IFS有关的参数可以视为反映图像空间结构的特征.IFS的提出起源于分形图像压缩的研究,因此IFS与分形之间存在着密切的和内在的联系.IFS的理论中有两个重要的结论: 一是如果IFS中的压缩映射均为仿射变换,则IFS的吸引子将是一个分形集合;二是实际中所遇到的图像都可以用IFS的吸引子逼近.根据这两个结论,如果限定IFS中的压缩变换均为仿射变换,又图像本身具有分形结构,即图像“整体”和“细节”之间存在仿射变换关系,则用IFS的吸引子逼近图像所产生的误差很小(理论误差值= 0);如果图像本身不具有分形结构,则逼近误差很大.所以,根据IFS逼近误差的大小,即可判定被研究的图像是否具有分形结构特征.大量的理论研究和实验数据分析表明,自然背景的图像符合分形模型,而人造目标的图像不符合分形模型.因此,可以根据IFS逼近误差的大小实现对自然背景中人造目标的检测.提取图像IFS的算法有多种.本文采用Bath FractalTransform (BFT)算法,它是一个原理简单、实现方便。

二维空间尺寸有限信号的重构

基于二线付里叶变换的可分离性和献[3]提出的时限信号的谱修正重构算法，本文提出了一种新的重构二维空间尺寸有限信号的谱修正算法。该算法只需知道被重构的二维信号在水平和垂直方向上的空间尺寸，即可由已知的有限频谱数据重构该二维信号．该算法在计算量和存贮量两个方面都大大低于文献[2]提出的基于谱外推的重构发法，特别是在已知的频谱数据量较小的场合。

一种新的带限信号重构算法

该文提出了一种新的带限信号重构的迭代算法,该算法与著名的Gerch-berg—Papaulis算法在结构上呈对偶形式,在物理含义上完全不同,但最终所得的重构结果是相同的。在小观测数据量的场合,新算法的存贮量大大低于G—P算法;在处理二维信号的重构问题时,新算法的计算量大大低于G—P算法。

基于非参数统计的云层背景描述与红外弱小目标检测

针对复杂云层背景下的红外弱小目标检测问题,提出了一种新的基于非参数统计的云层边缘纹理描述方法,并利用该方法构造出针对云层边缘的陷波滤波器.由于云层对阳光的漫反射特性,它的边缘区域成像时呈现出稳定的逐级过渡的纹理特征,而利用非参数统计中的秩分析方法可以较好地描述这种过渡纹理.首先,定义理想云层边缘纹理的秩统计量.然后,获取分析图像与理想云层边缘纹理秩统计量的相关曲面.最后,对秩相关曲面进行变换,构造出针对云层边缘区域的陷波滤波图像.将陷波滤波图像与高通滤波图像相乘,实现对残留云层边缘的抑制.实验结果表明,在没有对背景噪声的统计分布做任何假设的情况下,利用该方法能够对背景中的强云边缘进行有效抑制.

基于神经网络的海杂波模型

采用相空间重构方法构造海杂波内在动力学模型 ,并运用神经网络提取模型参数 ,通过获得的模型参数对海杂波进行预测和补偿 ,实现海杂波抑制的目的 .对雷达采集的实际海杂波数据的实验结果表明 。

一种改进的红外图像归一化互相关匹配算法

分析了传统归一化互相关算法在红外空中目标匹配定位时失效的原因,提出一种改进的红外图像归一化互相关匹配算法.该方法将模板和匹配区域之间的纹理相关计算看作一个最优化问题,寻求使图像纹理相关匹配鲁棒性最好的相关基准值,用图像的相关基准函数替代传统方法中的区域均值部分,构造了一种适用于的红外目标匹配的归一化相关算法.实验结果表明,该相关匹配算法对模板中背景部分的变化和非均匀性亮度变化有良好的抗干扰能力,较好地解决了恶劣环境下红外对空目标跟踪中匹配定位出错的问题.

海杂波的混沌特性分析

介绍了相关维数、Lyapunov指数等用于描述混沌动力系统的重要概念及其计算方法,并对雷达采集的实际海杂波时间序列数据进行了计算分析。结果表明,海杂波具有有限的相关维数和正的最大Lyapunov指数,说明海杂波信号具有混沌系统的典型特征。

基于模糊分类的弱小目标检测方法

为了实现对红外云层背景下的弱小目标检测,提出了一种新的基于模糊分类的红外弱小目标检测方法。该方法直接从待分类图像中提取出不同的类别区域,使得分类模板准确地体现当前图像的不同类别,从而得到图像的准确类别以实现弱小目标检测。首先,对红外天空背景弱小目标图像进行分析,将图像中的3类物体:净空、云及弱小目标细分为11个类别区域;其次,定义了类别特征矢量并基于此提出了类别核的定义,然后,根据类别核的定义从待检测图像中提取出11类区域的类别核;最后,根据模糊分类理论,定义了类别相似系数和类别贴近度,通过类别核对图像进行分类和类别归并,保留弱小目标类别完成检测。实验结果表明,该方法可对信噪比大于1.0的天空背景红外弱小目标图像中不同类型的区域进行准确分类,实现了对低信噪比的复杂云层背景图像中的弱小目标检测。

基于红外焦平面阵列读出结构的非均匀校正算法

提出了一种基于红外焦平面阵列读出结构的非均匀校正算法,它将校正过程分成两步。首先利用恒定统计方法滤除由通道放大器引起的固定图案噪声,然后采用改进的神经网络方法,进一步校正由探测器响应产生的非均匀性。实验结果表明:该算法在第20帧时就能够收敛到一个较好的水平,此刻校正图像的平均绝对误差(MAE)和峰值信噪比(PSNR)值分别为2.9和39.2。由于本算法是递推进行的,并且具有收敛速度快、计算复杂度低等优点,因此易于工程实现。

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.

基于背景自适应预测的红外弱小运动目标检测

介绍了一种检测背景杂波中弱小红外目标的新方法．该方法根据背景红外辐射空间分布上的相关性，采用ＬＭＳ自适应空间预测滤波技术对背景空间红外辐射分布进行预测，并根据预测误差检测红外运动目标．本文还介绍了改进预测效果的方法，并以实际录取图像的处理结果。

基于遗传算法的快速图像相关匹配

采用遗传算法研究了图像相关匹配问题，提出了快速图像相关匹配算法在最优匹配的前提下，其计算量较ＳＳＤＡ算法降低了一个数量级以上；可以采用ＮＰＲＯＤ匹配准则，改善在低图像对比度条件下的匹配精度；该算法每帧图像匹配计算时间基本恒定。

自适应的改进Goldstein干涉相位图滤波算法

在Goldstein的合成孔径雷达干涉测量干涉相位图滤波算法基础上,构造了一种自适应的域加权系数来取代原先人工设定的经验值,并以局部相干系数计算其幂指数,解决了原算法在面对复杂干涉条纹图时,由于均采用一致性处理而导致的过滤波和欠滤波问题.仿真数据和实际ERS数据处理结果表明,改进算法在显著降低干涉相位噪声的同时,也很好地保持了相位分辨率.

一种新的宽基线图像匹配方法

在宽基线图像匹配中,图像存在3维视角、尺度、旋转和灰度差异.为此,构造了一种新的基于局部二值模式直方图傅里叶特征的特征描述符,并通过对传统宽基线图像匹配算法框架中不同部分算法的对比分析,提出了一种新的宽基线图像匹配方法.首先,提取基准图像和实时图像中具有尺度和仿射不变性的最稳定极值区域,并利用新的特征描述符对这些区域进行图像旋转和灰度不变性描述;然后,根据近邻欧氏距离比值准则提取两图像中匹配的最稳定极值特征区域对;最后,利用顺序抽样一致性算法剔除误匹配特征区域对,估计两图像的外极几何关系,得到匹配结果.仿真结果表明,新算法能够适应待匹配图像间较大的3维视角、尺度、旋转和灰度差异,实现稳定的宽基线图像匹配.

基于快速鲁棒性特征的景象匹配

针对光电成像制导景象匹配中图像产生较大几何形变的问题,提出了一种基于快速鲁棒性特征(speeded up robust feature,SURF)的景象匹配算法。SURF提取的图像特征具有尺度和旋转不变性,对灰度不敏感,并能快速运算。算法首先利用仿射变换对基准图像进行3D视角补偿,模拟基准图像在不同视角下的成像,以减小基准图像和实时图像间的视角差异,分别提取两图像的SURF特征,然后根据最小欧氏距离准则提取两图像间匹配的SURF特征点对,根据该特征点对估计基础矩阵,得到两图像的投影关系。仿真结果表明,该算法能够适应光电成像制导中图像的几何形变,实现稳定的景象匹配。

混合卡尔曼滤波的非均匀校正算法

提出了一种基于混合卡尔曼滤波的非均匀校正算法,可以用于解决参数漂移为非线性的问题.该方法首先根据给定状态空间模型的特点,使用无迹卡尔曼滤波技术和传统卡尔曼滤波技术分别处理非线性的状态转移模型和线性的观测模型,然后把估计结果用于非均匀校正.使用仿真的一维和二维数据验证算法性能,实验结果表明,所提算法扩展了传统卡尔曼滤波算法的使用范围,并且与扩展卡尔曼滤波算法相比,具有较高的稳定性和估计精度.

基于第二代Bandelets变换的静止图像压缩

基于第二代Bandelets变换提出了一种静止图像压缩算法．先引入数字线表示离散域中的直线，再通过目标码率来计算相应的近似量化值，对建立的率失真函数取最小值得到最佳的Bandelets变换方向，然后根据子带相关性以建立四叉树并通过编码扫描次序来存储系数，最后将JPEG2000的比特位平面和上下文编码应用到量化后的Bandelets系数，从而实现了图像压缩．该算法降低了方向寻优的计算复杂度，减少了表征方向信息所需比特数和辅助的方向信息总量，同时提高了压缩图像的质量．实验结果表明，与JPEG2000相比，该算法的峰值信噪比可提高0．3-1．3dB．