基于Contrast box算法的图像序列有用目标段搜寻方法

提出一种基于Contrast box算法的红外弱小多目标图像序列有用目标段搜寻方法,引用每帧图像的信号量来搜索红外图像序列中含有目标的有用信息段.描述了Contrast box算法和搜索有用目标段处理过程,分析了阈值权值系数和目标所占像元面积选取的不同对图像有用目标段搜索的影响,给出了每幅图像的统计信号量.实验表明,该方法在执行效率和搜索时间上能够取得满意的结果.

基于改进顶帽变换的红外弱小目标检测

天空背景下的红外弱小目标检测技术较为成熟,但在近地复杂背景下,红外弱小目标的检测存在准确率不高、虚警目标多、实时性差的问题。针对以上问题,该文提出一种基于改进顶帽变换的红外弱小目标检测算法(OTHOLCM)。该算法采用基于改进顶帽变换的图像预处理算法(OTH),通过对不同灰度值的图像采取不同的策略针对性地处理图像,达到目标增强、背景抑制的效果。并在此基础上,采用基于改进多尺度局部对比度的红外弱小目标检测算法(OLCM),通过针对目标尺寸特点进行尺度设计,使得在保证算法实时性的基础上扩大目标尺寸检测范围。实验证明:OTHOLCM算法可以保证实时性并明显提高目标检测准确率、减少虚警目标数量。与3层模板局部差异度量算法(TTLDM)、基于边角感知的时空张量模型(ECASTT)等先进算法相比,OTHOLCM算法可使真阳性率分别提高近79%,61%,假阳性率分别降低近77%,73%,目标检测速度达到每秒25帧。

改进的S形曲线全局动态调光算法

针对S形曲线全局动态调光算法对人脸图像处理的不足,提出了一种改进的S形曲线全局动态调光算法。通过对输入图像信号进行变换,判定图像中是否存在人脸,并据此调整生成的S形曲线,对像素值进行补偿并调节背光输出。仿真结果显示,改进后的算法可以准确检出人脸图像,并有效地提升了人脸图像的显示效果。样机测试结果表明,液晶电视的图像质量有明显提升且平均能耗下降21.28%。

低对比度小目标检测

对强杂波背景下的远距离目标探测,提出基于序列图像的局部自适应背景预测,获得图像背景的最佳估计。对残差图像采用能量累积及中值滤波消除背景杂波。为提高信噪比,采用带缓冲窗口的双窗滤波法使目标和背景的差别更加显著,有利于低对比度下的目标分割。最后采用改进的高阶相关方法,在不影响检测性能的情况下加快了真实目标识别的运算收敛速度,并最终实现了算法工程化,在图像局部信噪比大于0.3时,采用三阶相关时检测概率达到98%。

基于局部灰度熵的人体检测方法

针对造成低对比度环境下运动人体检测困难的两个主要因素:拍摄时光线昏暗和拍摄时距离较远,引入局部灰度熵概念,根据局部灰度熵可以准确地反映样本的离散程度且与样本的灰度均值无关这一原理,提出基于局部灰度熵的人体目标检测算法。建立背景模型,运用泰勒展开式简化局部灰度熵计算公式,计算邻域窗口内运动物体与背景模型的局部灰度熵值之差,通过检测率与虚警率对算法进行的评价,得到两种低对比度情况下可以获取运动人体目标的局部灰度熵差值的最佳阈值。实验结果表明,在低对比度环境下,基于局部灰度熵的人体检测算法能够有效地检测出运动人体目标。

用于侧出式发光二极管背光的全局动态调光算法

结合背光源发展趋势,提出了适用于侧出式LED背光的全局动态调光算法。首先,根据显示图片平均灰度值、最大灰度值和平均值的差值确定背光调光亮度。接着,基于S曲线对液晶像素亮度值进行补偿。亮度大于S曲线拐点的像素的调整因子大于1,小于拐点的像素的调整因子小于1,以此有效提高静态对比度,并且不会引入溢出失真。对算法进行了仿真分析并开发了原理样机进行实际验证。结果表明:采用动态调光算法的液晶显示器的功耗严重依赖于显示内容;显示40幅不同类型的图片时,平均整机节能为9.39%;静态对比度提高了124.7%。采用本文提出的全局动态调光算法的侧出式背光具有成本低、体积轻薄、节能、对比度高的优点。

采用图像块对比特性的红外弱小目标检测

对红外图像小目标与背景的特性进行了分析,提出一种基于图像块邻域对比特性的红外弱小目标检测算法用于有效检测低信噪比条件下的红外弱小目标。该方法利用大尺度图像块邻域最大对比特性(IPMCM)获得图像显著图并自适应分割感兴趣区域;然后计算多尺度图像块邻域最小对比度并进行最大值合并操作;最后以自适应阈值精确检测目标位置。文中从理论上分析了红外目标图像测试算法的有效性,使用该检测算法检测了弱小目标的性能,并与其它检测方法进行了对比。实验结果显示,提出的方法能够在低信噪比条件下有效地检测出红外弱小目标,在参与实验的8幅图片中均见实效。与局部概率分析、中值滤波和Top-Hat等方法相比,本文方法在目标检测性能对比试验中的检测率最高,虚警率最低。

基于人类视觉系统的实时红外目标检测方法

针对现有基于人类视觉系统红外目标检测方法存在的实时性问题,提出一种融合显著区域提取和局部对比度分析的红外目标检测新方法。首先,采用快速中值滤波和灰度合并得到二值图像并进行融合,以提高显著区域提取的精度;其次,对融合后的二值图像进行连通域分析,过滤连通区域过大和过小的区域,以减少后续检测方法的计算量;然后,在显著区域所对应的原图区域进行局部对比度分析,得到区域局部对比度图,并进行阈值分割得到弱小目标所在位置。理论分析和仿真结果表明该方法在保证检测性能的同时减少了数据运算量和储存量,提高系统的实时性。

基于视觉对比机制的红外弱小目标检测方法

为解决复杂背景下红外弱小目标检测精度低的问题,本文提出一种基于视觉对比机制的红外弱小目标检测方法,算法主要模拟了人眼对目标对比度敏感这一机制。首先利用8向梯度方程提取红外图像的梯度显著图并二值化处理;根据小目标的尺寸大小特征对梯度显著图进行优化处理,剔除孤立的噪声点和尺寸较大的背景梯度显著区域;利用视觉对比机制对优化后的显著图进行局部对比度计算,通过阈值处理剔除虚警目标,完成红外弱小目标检测。仿真实验表明,该算法在低信噪比情况下对红外弱小目标的检测率较高,且虚警率低,单帧检测时间较小。

采用人类视觉对比机制的红外弱小目标检测

针对复杂背景下红外弱小目标检测难题,提出一种基于人类视觉系统对比机制的红外弱小目标检测算法。首先,对红外图像进行预处理,通过中值滤波去除红外图像中的孤立噪声点。然后对处理后的图像进行高斯函数差分滤波处理,抑制图像中大面积高亮区域。最后,通过改进的基于局部对比度方法去除高亮边缘区域,消除高疑似目标,最终实现对复杂背景下红外弱小目标的检测。实验表明:相较于传统的LCM算法、Top-hat算法、TDLMS算法和Infrared Patch-Image Model算法等,该算法在虚警率、正确检测率、检测时间等方面更有优势,具有检测率高、虚警率低、鲁棒性好、运行时间短的特点。

局部对比度结合区域显著性红外弱小目标检测

为了解决局部对比度方法的计算效率低,以及在某些红外场景中易出现虚警的问题,将其与图像区域显著性相结合,提出一种改进的局部对比度算法——区域局部对比度算法,仅在图像的显著性区域中进行局部对比度计算,而非遍历整幅图像。首先进行基于图像信息熵和局部相似性的红外图像区域显著性度量,经二值化得到单帧图像显著性区域;接下来在该区域中进行局部对比度数值计算,得到区域局部对比度图像,最后经过自适应阈值分割,得到弱小目标检测结果。实验结果表明,区域局部对比度算法可以极大提高红外弱小目标的信噪比,检测结果准确,虚警率低,与原始的局部对比度算法相比,检测效率有明显提升,可以更好地保持弱小目标的形状。

基于最恰对比度显著性分析的红外弱小目标检测方法

针对红外图像弱目标检测困难的现状,提出一种基于最恰对比度显著性分析的红外弱小目标检测方法,在滑动窗口中采用了非线性处理技术对图像进行处理,避免了传统的显著度分析算法处理图像时在景像边缘处产生的显著度值干扰问题,同时不影响在目标区域对目标的提取能力。进行了大量的半实物仿真实验,结果表明,虽然提出的方法在背景抑制因子中未明显提高,但在均值信噪比和信噪比增益两个指标中对目标检测性能明显增强。在图像处理后的三种方法视觉对比图中,效果最好。

基于双层局部对比度的红外弱小目标检测方法

针对传统基于人类视觉系统的检测方法在复杂背景下容易造成检测虚警的问题,提出一种基于双层局部对比度的红外弱小目标检测方法.首先,通过双层对角灰度差对比度分析机制,充分利用小目标局部对比度的先验信息,提高目标对比度的同时抑制背景杂波及噪声;之后,利用自适应阈值分割法获取待检测的真实目标.实验结果表明,与主流基于人类视觉系统的检测方法相比,所提方法的背景抑制因子平均提高9.3倍以上,信杂比率增益平均提高7.8倍以上,在不同的复杂场景下均具有更好的检测性能.

基于边缘提取的局部对比红外弱小目标检测改进算法

针对复杂背景下红外弱小目标检测中存在虚警率较高等问题,提出一种基于局部对比度计算显著图结合边缘提取消除虚警的目标检测算法。该算法首先利用LCM(局部对比度)算法提取视觉显著区域,再利用Canny算子提取云层边缘,将得到的视觉显著图与云层边缘进行对比,剔除掉虚警目标,然后对得到的图像进行门限分割,从而分离出目标。实验表明该算法对多云背景下红外弱小目标具有较好的检测效果,能够解决局部对比度算法存在的虚警率较高的问题。

基于S曲线全局动态调光的改进算法

S曲线全局动态调光算法可以降低LED液晶显示器的功耗,同时能够提高显示图像的静态对比度,但该算法会造成部分图像色彩失真和细节丢失。针对这一问题,本文提出一种图像细节层分离与视觉显著性理论相结合的S曲线改进算法。首先,将原始图像转换至HSV色彩空间进行亮度和色度分离;然后,在图像亮度分量上采用双边滤波得到图像的基础层与细节层,基础层采用S曲线进行动态范围拉伸,实现像素补偿,细节层则运用视觉显著性理论进行分区与权值增强,弥补由像素补偿带来的细节损失;最后,将处理后的各层图像转换至RGB空间显示。将本文算法的仿真结果与原S曲线算法的结果进行对比。结果显示,本文算法在维持原算法功耗降低和静态对比度提升水平不变的基础上,解决了原算法在部分图像中出现的色彩失真和细节丢失问题,提升了图像的视觉显示效果,同时本文算法的仿真结果具有更大的信息熵和平均梯度。

基于改进LCM的红外小目标检测算法

如何在复杂背景和低信杂比条件下准确检测到小目标对于精确制导武器的发展和红外预警等具有重要意义。为了在复杂背景条件下提高图像信杂比并有效地检测出小目标,提出一种基于中心域与邻域灰度对比度的红外小目标检测方法。通过计算输入图像的对比度图和显著度图,提高了目标对比度同时抑制背景杂波;在此基础上自适应设定阈值分离出小目标。实验结果表明:与传统LCM(Local Contrast Measure)方法相比,所提出的方法能够取得更高的检测率和较低的虚警率,尤其是对于复杂背景下的弱小目标检测,相对于对比算法,优势更明显。

基于局部行像素对比度的红外弱小目标检测

针对天空背景下云层对弱小目标的干扰,以及靶场实验中观测设备所产生的拖影现象对目标检测所带来的干扰等问题,提出了一种基于局部行像素对比度的空中红外弱小目标检测算法,用于检测低信噪比条件下的空中红外弱小目标。该方法利用中值滤波和形态滤波获取滤波图像,结合目标区域像素特点提取滤波图像中感兴趣区域,然后利用局部行像素对比度的方法检测目标位置,极大提高了检测效率,缩短了检测时间。从理论上介绍和分析了该算法对红外弱小目标图像检测算法的有效性,并通过Matlab仿真实验与其他检测算法进行了对比。实验结果表明,所提算法能够在低信噪比条件下更加有效地检测出空中红外弱小目标,检测精度更高、效果更好。

基于多尺度局部对比度和多尺度梯度一致性的红外小弱目标检测算法

针对复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题,提出了一种基于多尺度局部对比度方法与多尺度梯度一致性方法的红外小弱目标检测算法。利用多尺度局部对比度方法对红外图像中红外小弱目标进行增强,利用多尺度梯度一致性方法剔除复杂背景和强杂波干扰造成的虚警。从信噪比(SNR)增益、平均残留背景绝对值、检测率、虚警率及ROC曲线方面将新算法与max-mean算法、max-median算法、top-hat算法、IPI算法及MGDWIE算法进行了对比。实验显示:新算法相较于对比算法具有更高的SNR增益、更低的平均残留背景绝对值、更高的检测率及更低的虚警率。对比结果表明:新算法在复杂背景和强杂波干扰下具有良好的红外小弱目标检测准确性和鲁棒性,有效改善了复杂背景和强杂波干扰下红外小弱目标检测虚警率高的问题。

空域加权局部对比度的红外小目标检测算法

针对传统局部对比度算法在强杂波背景下,容易引入虚警目标的不足,提出了一种空域加权局部对比度的红外小目标检测算法。首先,利用具有中心激励和侧向抑制性的二维高斯差分滤波器,抑制了原始图像大部分的背景杂波,以提高图像的信噪比;然后,利用目标均值与邻域的中值的比值进行局部对比度测量,再用目标各区域的灰度均值差加权局部对比度,生成目标显著图;最后,对显著图进行自适应阈值分割,检测出真实目标。实验结果表明,与其他几种检测方法对比,该算法不仅具有较高的信躁比增益和背景抑制因子,还具有较高的检测率和较低的虚警率,是一种有效的红外小目标检测方法。

基于对比度和梯度分布的红外弱小目标检测

红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。