基于复杂地面背景序列图像的运动弱小目标检测

分析了复杂地面背景下序列图像检测弱小目标的困难,研究了一种针对场景较复杂的运动弱小目标检测方法。首先将序列图像分割成等间隔的处理单元,并利用最小二乘匹配进行坐标对齐,然后使用Top-Hat算子处理图像并进行CFAR分割,综合考虑处理单元中的每幅图像,对固定背景干扰进行抑制,最后根据运动弱小目标轨迹进行检测。进行了三组序列图像实验并绘制了ROC曲线,证明该方法是一种有效的弱小运动目标检测方法。

基于时空域融合滤波的弱小运动目标检测算法

针对CCD光电序列探测图像中的弱小运动目标检测问题,提出了一种运动星空背景下的基于时空域相结合的弱小运动目标检测算法,在空域上采用形态学Tophat滤波降低噪声增强目标,在时域上利用运动背景补偿和多帧差分滤波增强目标的运动特性,通过基于Hough变换的方法进行目标轨迹识别,完成目标检测。实验结果表明,该算法充分考虑了时域和空域中弱小运动目标的特性,能有效地在低信噪比条件下检测出复杂运动背景下的弱小运动目标。

基于二维频域投影的弱小运动目标检测方法

针对光学成像弱小运动目标难以准确快速检测问题,提出了基于图像序列行列最大投影的二维频域运动小目标检测算法。首先,为了减少计算复杂度和使目标背景分离,将经过背景全局运动补偿后的视频向二维频域投影并去除频率为零的成分,从而获得含弱小运动目标和噪声的图像序列;其次,通过行列序列最大投影,得到信噪比提高的含弱小运动目标的行列图像;然后,通过主运动滤波和图像重构,检测到滤除配准误差和噪声的弱小运动目标;最后,针对强噪声干扰下的弱小运动目标检测问题进行了仿真实验,仿真结果表明,所提算法不仅可有效的检测出弱小运动目标,而且相对单一的行列分解图像在二维频域内有更高的检测信噪比。

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法。首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现。为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好。

一种可见光成像弱小运动目标识别算法

对弹体抖动情况下可见光波段低信噪比目标的检测技术进行了研究,提出了一种和最大值滤波与改进型Hough变换结合的目标检测算法,并对算法进行了计算机仿真,给出了仿真结果.

复杂背景下红外弱小运动目标检测的新方法

提出了一种用于检测不同类型复杂背景下红外弱小运动目标的新方法。该方法能够根据图像信息自动选择背景预测算子;同时,针对不同类型复杂背景中目标和背景特性的差异,提出了"局部小目标可辨识度"的概念,并定义了一种有效的方法将其量化。在此基础上,采用蒙特卡罗实验方法构造了一种新的阈值函数,实现了单帧目标的检测,然后采用移动加权管道滤波提取目标的运动轨迹。实验结果表明,该方法对不同类型复杂背景的红外弱小运动目标具有很好的检测性能。