基于PCNN和改进邻域判决的红外弱小目标检测算法

针对复杂背景下红外运动弱小目标的检测问题,提出了一种基于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)和改进邻域判决的红外弱小目标检测算法。该算法利用侧抑制网络对输入图像进行滤波,实现背景抑制和目标增强;利用PCNN进行单帧图像分割,将可能的目标和背景杂波及噪声初步分离,确定候选目标;利用改进的邻域判决方法分析候选目标的运动特性,自适应确定判决的邻域大小,结合图像流分析提取出真正的目标。实验结果表明,该算法能够极大地减少候选目标数量,准确有效地检测出复杂背景中的红外运动弱小目标。

时空域滤波方法在红外弱小目标检测系统中的应用

针对远距离红外弱小目标低信噪比的特点,提出一种空域滤波与粒子滤波相结合的目标检测方法。首先在空域进行形态滤波Tophat变换,抑制背景和背景杂波,得到了滤除背景的目标图像,再通过滑窗累积方法进一步增强目标,提高目标的信噪比,增大检测概率。然后根据目标时域运动的连续性和规则性,采用基于粒子滤波预测的邻域目标检测判决方法,达到弱小目标检测的目的。实验结果表明:该方法能够有效地检测出幅度信噪比约为1.7的弱小目标,对背景变化情况下的弱小目标检测具有较好的适应性。

红外图像序列中运动弱小目标检测的方法研究

研究在红外图像序列中检测运动弱小目标的方法。首先通过高通或形态学滤波进行图像预处理 ,进一步用似然比检测分割出候选目标 ,考虑到环境干扰造成的目标在某一帧暂时消失的情况 ,提出了利用目标运动特征通过选择合适的邻域判决条件并结合图像流分析提取运动弱小目标的一种方法。

红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别。即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标。模拟实验表明该方法能够准确高效地检测出运动小目标。

一种基于目标航迹的跟踪算法

针对空中制导的复杂性和多样性,提出了一种以通过像素邻域判决准则,获得检测图像中的多目标为基础,利用一步预测原理确定航迹起始和终结,实现序列帧中多目标的连续跟踪算法。通过对实际拍摄的序列帧图像进行相应的跟踪仿真试验,结果表明,该算法能够稳定可靠跟踪多目标。

可见光图像序列中运动弱小目标检测方法研究

为了使制导系统有足够的反应时间,要求在很远的距离上就能检测到目标。在这种情况下,目标在探测器输出图像平面上呈现为斑点目标,且信号强度很弱,这就给目标检测带来了较大的难度。采用了一种先膨胀后累加的处理方法,这种方法首先通过形态学膨胀来增大图像中的目标面积,使得运动目标在不同帧内产生重叠部分,然后再通过多帧累加来增强目标能量;图像序列的邻域判决法也是目标检测的一种常用方法,它利用目标运动的连续性来剔除图像中的虚警点,可以获得较好的处理效果。主要基于以上2种方法来完成目标的检测,并通过数学仿真的方法来对该方法进行验证。实验结果表明该方法能够有效地检测出信噪比不低于2.5的弱小运动目标。

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法；在帧间采用八邻域判决法对弱小目标进行检测；实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。