红外小目标的分类背景预测与图像分块技术

基于复杂天空背景下红外小目标的特性分析,提出了一种利用分类背景预测与图像分块技术进行红外小目标检测的有效算法。该算法以背景预测理论为基础,通过边缘检测技术、最大均值和局部最相似分类背景预测技术获得较为准确的图像背景,进而采用统计分割算法从残差图像中提取出较为精确的目标位置。其中,通过图像分块处理,提高了算法计算效率。最后,选取了三组具有代表性的红外序列对算法的性能进行了检验。实验结果表明,所提出预测算法在检测准确性、鲁棒性以及计算效率上都具有明显的优越性。

基于形态学的红外小目标检测算法

在分析复杂天空背景下红外视频序列特征的基础上,针对红外小目标本身特性及红外序列低信噪比的问题,提出适合该环境的红外小目标检测算法.该滤波方法以形态学滤波理论为基础,首先采用均值滤波和Open ing-Tophat运算对红外视频序列进行预处理,然后运用基于均值和方差的统计分割方法提取图像中的运动目标,从而实现了红外小目标的检测.实验结果表明,所提出滤波方法具有良好的检测和分割效果,能够有效地改善跟踪精度.

基于卡尔曼滤波的红外目标局部搜索跟踪算法

本文针对红外目标视频序列图像对比度低、目标信息不明确等问题提出一种改进算法,使用卡尔曼滤波器对目标点的位置进行预测,在根据目标特性选择的预测子框内对目标图像进行分类背景预测,最终获得准确性较高的检测跟踪结果。通过大量的实验,改进算法在跟踪精度、准度上均有了较为显著的提高。