基于移动式加权管道滤波的红外弱小目标检测

针对复杂红外背景中边缘噪声的干扰导致传统检测算法在低信噪比下目标检测概率较低的情况,提出了基于移动式加权管道滤波的弱小目标检测方法.该检测方法引入了自适应学习的思想,在利用管道滤波检测目标时,根据目标位置实时地修改加权的管道中心坐标位移,有效地抑制了边缘噪声对目标检测的干扰.与传统的管道检测方法相比,本方法能更好地抑制边缘噪声的影响,从而正确检测出真实目标.基于连续采集的红外序列图像进行的实验表明,当红外图像的信噪比大于等于1.5时,该方法均能有效地检测出弱小目标的轨迹.

多伯努利滤波的快速红外弱小目标检测与跟踪

针对复杂背景下多个弱目标检测与跟踪中存在的跟踪不稳定、非实时及量测模型高度非线性问题,提出一种基于多伯努利滤波的快速检测与跟踪算法.首先,采用改进的Robinson Guard算法抑制背景杂波,避免强起伏背景图像中目标被抑制的问题;其次,采用平方根容积卡尔曼滤波实现多伯努利检测前跟踪,在保证实时跟踪的同时,解决了滤波的高度非线性,避免了协方差矩阵负定造成的数值不稳定.实测红外背景图像实验表明,改进的Robinson Guard算法能够有效抑制背景杂波、保留弱目标信息,平方根容积卡尔曼多伯努利检测前跟踪能更准、更稳定地估计目标数目和状态,实现目标的实时检测与跟踪.

一种新的红外小目标检测算法及其应用

针对红外探测系统中单帧红外图像中的小目标检测问题,在分析红外场景模型的基础上,提出了一种基于自适应噪声平滑和Robinson Guard背景杂波抑制的空间滤波算法。该方法对于起伏背景下红外小目标的检测和识别有良好的性能,且具有目标信息损失小的优点。利用ADSP-TS201S高性能数字信号处理器实现了该算法,并成功应用到全向红外搜索跟踪系统中。实验结果表明,在低信噪比情况下,所提出的单帧红外小目标检测算法有很好的检测性能。

基于Fuzzy-ART神经网络的红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论(fuzzy adaptive resonance theory,Fuzzy-ART)神经网络的弱小目标检测算法。首先,采用Fuzzy-ART神经网络结合Robinson警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。

红外弱小目标检测背景抑制算法研究

复杂背景下红外小目标识别一直是红外图像处理的关键技术之一,针对复杂云背景下红外弱小目标的时域和空域特征,考虑到易于硬件实现和实时性要求,提出基于快速统计排序滤波和Robinson Guard滤波并行快速处理算法,对复杂背景进行高信噪比抑制。实验证明,该方法能够有效地提高红外弱小目标图像信噪比和复杂背景下的小目标的检测概率。

全局-局部联合滤波的红外小目标背景抑制方法

背景抑制可有效降低杂波干扰、突显观测目标,是红外小目标检测关键技术之一。通过对现有背景抑制算法的对比分析发现:全局滤波和局部滤波具有一定的互补特性,全局滤波可有效抑制大面积缓变背景,但对起伏背景的边缘区域抑制有限,局部滤波在抑制背景边缘和"脉冲"噪声方面效果较好。基于此,构造了一种全局-局部联合滤波器,结合奇异值分解良好的数值稳健性和自适应性、Robinson Guard边缘滤波器具有保留目标边缘及其内部信息的特点进行背景抑制。通过多组实验分析,并与单一滤波和基于小波与形态学联合滤波的方法对比,结果表明,该方法在信噪比增益和背景抑制程度上更具优越性。

基于改进HFQC滤波的红外弱小目标检测

针对远距离的深空背景探测,解决低信噪比红外图像中的弱小目标检测问题,提出了一种基于改进HFQC滤波的多帧表决检测算法;首先对单帧红外图像进行多帧能量累积和滤波以提高信噪比,并利用最大对比度方法分割候选目标,然后利用图像序列中目标的运动特性,对候选目标进行基于HFQC滤波的多帧投票表决,实现真实目标的检测;实验结果表明:该方法在低信噪比条件下,能够有效抑制背景噪声和降低虚警,具有较好的检测性能。

基于Robinson-Guard滤波器和像素聚拢度的小目标检测方法

线列红外推扫探测器扫描帧率低,存在带状噪声,为此,提出一种基于Robinson-Guard滤波器和像素聚拢度的小目标检测方法。在红外图像上均匀布置采样窗口,令采样窗口根据图像亮度梯度聚集到高亮区域。融合红外图像的目标能量信息、局域对比度、目标像素聚拢度等多种特征,将采样窗口的加权叠加作为目标概率图。使用全局阈值分割获取目标,最终实现红外小目标的检测。实验结果表明,该算法可以检测中小尺寸的红外目标,且有效对抗探测器带来的带状噪声。

红外背景抑制与小目标检测算法

目的针对Robinson guard滤波器的局限性和红外图像背景抑制问题,提出一种新的红外背景抑制滤波算法。方法首先通过形态学Tophat算子对图像背景进行抑制,然后对背景抑制后的图像采用改进的Robinson guard滤波器进一步凸显目标,并通过阈值化分割出感兴趣区域,在此基础上,利用Unger平滑去除小的噪声点,最后用局部信杂比(SCR)和移动式管道滤波剔除伪目标,实现运动小目标的准确定位。结果采用3组不同的红外背景图像序列进行实验,所提算法对不同背景均有很好的抑制效果,与传统Robinson guard滤波方法相比,本文算法不仅能更有效地保留目标的特征信息,而且对3组图像序列的小目标的检测率分别提高了1.1%、2%、11%,虚警率分别降低了14%、12%、16%。结论本文算法能有效地检测出小目标,具备较高的准确性,对于低信噪比的图像具有良好的适应性。同时,本文算法具有较高的实时处理能力,有利于实现实时性技术应用。

aiNet背景抑制的单帧红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于人工免疫网络(aiNet)进行背景抑制、基于行列k均值聚类实现阈值分割的单帧红外弱小目标检测算法。首先采用aiNet结合Robinson警戒环技术,融入自组织特征映射(SOM)拓扑思想,设计一系列抗体进化策略,建立自适应局部空间背景模型—模糊拓扑记忆抗体库,并以此分析各像素点的背景模糊隶属度来抑制背景杂波;接着提出基于行列k均值聚类的阈值分割算法来检测真实目标。实验结果表明,该算法的F1指标高达99%,其能随背景的局部变化来自适应建立空间背景模型,从而自适应抑制背景杂波突显目标,能有效提高信噪比检测弱小目标。