基于侧窗滤波与时空正则化相关滤波的红外弱小目标跟踪

当目标远离红外系统,其在成像图像上的尺寸较小且信息量较少,使得小目标的持续精确定位成为一项有挑战性的问题。针对这一问题,在相关滤波跟踪框架上,引入能够区分红外弱小目标边缘信息与杂波噪声的侧窗图像滤波方法,提出了一种弱小目标跟踪算法。具体来说,首先利用时空正则化的相关滤波跟踪模型,对目标位置附近更大范围的背景进行考虑。然后,利用侧窗滤波对当前局部搜索区域进行侧窗滤波处理,达到了保留边缘效果的同时剔除了图像噪声。最后,通过原始图像与滤波后图像作差,降低了背景边缘对目标定位错误的影响,并实现小目标状态估计。为验证本文所提算法性能,采用六组红外真实弱小目标图像序列进行实验,并与核相关滤波、空间正则化的相关滤波,以及时空正则化的相关滤波等经典算法作比较。实验结果表明,所提算法在多组复杂背景的图像序列上,获得了较高的跟踪精度,验证了所提算法能有效应对红外弱小目标跟踪任务中的快速运动、低分辨率和强背景杂波等问题。

基于高阶累积量的单帧复杂云背景下红外小目标检测

高阶累积量由于可以抵抗高斯噪声的影响而被广泛地应用于信号处理的各个领域。针对复杂云背景下单帧红外图像弱小目标检测的问题,与传统的时空管道滤波方法不同,通过建立合理的数据模型,在抑制缓变背景和噪声的同时,结合小目标局部范围内突变的特点,三阶累积量的计算使得目标在单帧全局检测可检的信噪比达到了1.66。

一种红外弱小目标检测方法

提出了一种红外弱小目标检测算法,该算法通过“区域最小化背景模型”,来减小背景起伏对背景预测的影响,从而实现对背景更准确的预测,达到提高弱小目标检测性能的目的,算法适用于强对比度云层的空背景、目标与背景对比度比较低的空背景,是背景预测算法的一个重要扩展,针对实际红外图像的试验仿真表明,提出的算法是有效的。

基于小波和高阶累积量的红外弱小目标检测

红外图像序列中弱小目标的检测是图像处理应用的一个重要研究领域。由于弱小目标很难从背景杂波中分离出来,所以弱小目标的检测是一个难点。介绍了一种基于小波和高阶累积量的红外弱小目标检测方法。该方法利用小波滤波器抑制大部分背景杂波,然后采用基于累积量的自适应滤波器对高频小波系数进一步处理,使得图像信噪比大大提高,同时保留了目标信息。最后应用一些序列处理方法来进一步提高检测的性能。利用实测数据所做仿真实验结果表明该方法的有效性。

云背景红外弱小目标结构相似检测算法

由于自然物具有结构自相似性的分形几何特征,云背景条件下,天空和云彩的红外图像在灰度分布上具有强的自相似性,而目标与自然物边缘是奇异点。小目标与自然物只有边缘,没有分形结构的自相似性。采用八种分形结构对区域内像素进行旋转映射,确定最小误差为该区域的分形结构,进行图像恢复,恢复出的图像只包含背景。当原始图像与恢复图像的灰度差大于阈值时,检测出的目标为弱小目标。

基于形态学和高阶统计量的弱小运动目标检测

为检测复杂背景中的红外弱小运动目标,提出了一种基于形态学滤波和三阶累积量分析的检测方法。该方法采用形态学背景估计方法对红外图像序列进行预处理,提高图像信噪比,并消除高亮度大尺寸背景和图像边缘对高阶累积量估计造成的影响。利用高阶累积量对高斯噪声是"盲的"这一特点,基于红外图像序列构造三阶累积量作为统计判据检测图像中的弱小运动目标。仿真实验表明,该方法能够连续有效地检测红外弱小运动目标。

一种无人值守设备的红外弱小多目标自动判读方法

提出了一种实用的适用于无人值守设备的红外弱小多目标自动判读方法。通过判别图像序列段累积信号量的变化进行目标段自动定位,对定位后的目标段运用轨迹预测关联的方法进行目标识别。给出了目标图像序列的处理结果,证明该自动判读方法可以在保证目标识别率的同时大大缩短图像判读时间,能够满足光电测量中快速提供测量结果的需求。

红外弱小目标检测跟踪算法研究

首先对红外图像进行建模,然后在此基础上提出一套目标检测跟踪算法,给出了实验结果。实验结果表明,算法能够很好地完成对信噪比大于4目标的检测,同时算法具有多目标检测能力。当确定需要跟踪的目标以后,系统转入目标跟踪,进而完成对所关注目标的跟踪任务。

多源测量信息融合的弱点动目标跟踪算法

在复杂背景下,为提高微弱点动目标跟踪系统的抗干扰能力,从不同信噪比的多红外图像序列出发,基于新的融合跟踪结构(增加局部处理器),提出了一种模糊逻辑的多源信息测量融合跟踪算法:各局部处理器对原始测量进行恒虚警和自适应检测,将判决后的测量送入融合中心,融合中心对测量作模糊逻辑判决融合,转化为虚拟单序列测量,采用PDA卡尔曼滤波算法跟踪。实验结果分析表明,该融合跟踪算法与单序列相比,具有较高的跟踪精度、稳定性,避免了单图像序列跟丢。

红外弱小目标检测方法综述

红外弱小目标检测系统可灵活部署在不同的平台中,在红外预警、制导等领域具有重要实用价值。但是,由于复杂场景下存在信噪比低、背景变化剧烈等问题,导致复杂背景下的红外弱小目标检测非常困难,一直是目标探测领域的研究难点和研究热点。根据红外图像数据使用方式的不同,将现有目标检测方法划分为单帧型(含局部信息类与非局部信息类等)和多帧型(含关联校验类与直接求取类等)两大类,并分别进行了简要梳理,分析了不同方法的原理、优势及不足。最后,对本领域的发展趋势做出了预测。该工作既可以帮助初学者快速了解本领域的研究现状和发展趋势,也可作为其他研究者的参考资料。