基于全卷积网络的复杂背景红外弱小目标检测研究

针对复杂背景红外弱小目标检测过程中存在的检测误差率高,检测时间过长等问题,提出基于全卷积网络的复杂背景红外弱小目标检测方法。分析复杂背景红外弱小目标检测的研究进展,找出不同方法的缺陷,采集红外图像,提取目标检测特征,并采用全卷积网络设计弱小目标检测的分类器,实现复杂背景红外弱小目标检测。实验结果表明,该方法的复杂背景红外弱小目标检测精度超过97%,具有较高的实际应用价值。

结合帧差的核相关滤波弱小红外目标检测

为了提高红外目标检测的性能,提出了一种结合帧差的核相关滤波弱小红外目标检测算法。算法首先通过核相关滤波训练当前帧获得最大回归值,相对间隔帧求取差值,以此进行循环移位,从而实现对帧间背景运动的补偿;再者借助帧间差分法提取当前帧相对运动特征,增强区分弱小目标和红外背景的能力;最后对相对运动特征进行阈值分割获得最终检测结果。仿真实验显示本算法能有效检测出复杂环境下红外弱小目标,与其他同类算法相比,本算法可以很好地对杂波和点状干扰源进行抑制,获得较高的目标检测率,同时将大量运算置于频域中,运算效率也优于其他算法。

导弹打击地面弱红外目标的数字孪生导引律

当红外制导导弹攻击地面目标时,自然或人为因素会导致目标红外特征减弱或消失,致使导引头无法探测或间断探测目标,极大影响制导精度。为解决这一问题,提出一种导弹攻击地面弱红外目标的数字孪生导引律。根据红外导引头在物理世界的导引过程,在数字世界构建目标及导引律的孪生数字模型,通过仿真得到并保存制导全过程中各时间点上导弹运动及控制的状态参数,作为制导过程的数字孪生。实际引导中,当导引头无法得到测量信号时,它的数字孪生数据立即被激活接管导引头的工作,以导引头的孪生数据为控制系统提供加速度指令。仿真算例表明,导引头的数字孪生可在导引头无法捕获信号时,为控制系统提供机动指令对导弹实施精确引导。数字孪生导引律对红外伪装、红外干扰及恶劣气候具有鲁棒性,有广阔的应用前景。

海天线附近红外弱点目标检测算法研究

为解决海天线附近红外弱点目标的检测问题,提出了一种新的弱点目标检测方法。该方法通过多向梯度检测来实现对弱点目标的检测,具有运算结构简单,计算量小的特点。仿真实验结果表明,该方法可有效剔除海天线、云层以及海浪等自然背景的边缘,大大提高了复杂背景下弱点目标的检测性能,并可满足舰载红外警戒系统中弱点目标检测的实时处理要求。

一种改进的自适应背景预测红外弱小目标检测算法

文章改进了自适应最小均方误差(LMS)算法,将基于历史检测效果的自适应最小二乘(RLS)算法应用于连续帧运动红外弱小目标检测。在已知n-1时刻滤波器抽头权系数的情况下,通过简单的更新,求出n时刻的优化滤波器抽头权系数。计算机仿真实验证明该算法能较大地提高图像信噪比,并以较低的虚警率在2～3帧内较为准确地检测出运动红外弱小目标。

几种典型红外弱小目标检测算法的性能评估

对基于中值相减滤波、最大中值相减滤波、最大均值相减滤波和推广的结构张量的红外弱小目标检测算法的性能进行了评估。针对传统评估方法的不足,提出了一种基于支持向量回归的红外弱小目标检测算法性能评估方法。利用该方法分别从图像背景特性和目标特性2方面对4种检测算法性能的影响进行定量分析和比较。实验结果表明,图像背景特性和目标特性对4种算法的检测性能都有较大的影响,而目标特性与4种算法的检测性能的依赖关系更明显;在4种评估算法中,基于推广的结构张量算法比其他3种传统红外弱小目标检测算法具有更好的鲁棒性。

基于自适应Gabor滤波的红外弱小目标检测

针对复杂背景下的红外弱小目标检测,本文提出了一种改进的Gabor滤波的红外弱小目标检测方法。该方法在背景预测算法的基础上,通过构造Gabor核函数来自适应确定背景预测系数。该方法利用了更多的图像局部特性信息,使用对比度尺度模型和强度尺度传播模型分别确定Gabor核函数的两个轴,解决了Gabor滤波算子不能自适应调整滤波系数的问题。通过与传统的小目标检测方法的比较实验结果表明,本文方法能有效保留图像的边缘信息,能有效地突出目标,抑制背景杂波,提高了对红外弱小目标的检测能力,效果明显优于传统方法。

利用小波变换与Gabor滤波检测红外小目标

将小波变换应用于红外图像,提出了一种新的弱小目标检测方法。该算法首先对图像进行小波变换。为了获取图像的多方向性分解,使用Gabor滤波器与高频信号做卷积运算得到24个方向的高频信息。计算各点的局部能量以及方向离散值,将以上特征融合,得到图像的多特征统计值。其次采用Renyi信息熵分割完成目标检测。最后,由于卷积运算,将会造成弱小目标点的扩大。因此,利用检测结果中小目标具有较大面积的特点,有效地排除了虚警。实验结果表明,该算法参数较少,能较精确地检测出红外弱小目标。

一种基于背景预测的红外弱小目标检测方法

介绍了一种新的基于背景预测的空中红外弱小目标检测方法,以提高对复杂背景预测的准确性,减小云层边缘预测不准确形成的虚警。该方法对云层边缘处的点根据其不同尺度邻域上的亮暗点分布特点进行预测;对非边缘点采用基本背景预测法进行预测,最后经过背景对消,将弱小目标检测出来。实验结果表明,与已报导的其它方法比较,该方法能够更有效地抑制云层边缘引起的虚警。

Rao-Blackwellized粒子滤波的红外多个弱目标检测前跟踪

为了解决红外图像在低信噪比下的多个弱目标检测与跟踪问题,提出了基于Rao-Blackwellized粒子滤波器(RB-PF)的多目标检测前跟踪算法。定义了红外图像多个弱目标的状态及观测模型;给出了红外弱目标的RBPF状态降维方法;将状态变量分解为线性变量与非线性变量并完成状态方程的改写,对状态变量分别进行Kalman滤波与基本粒子滤波的更新。最后,定义了红外弱目标出现与消失统计量,给出了带约束条件的RBPF多个弱目标检测前跟踪流程。对弱目标的不同信噪比实验表明,RBPF可以减小状态变量的的估计误差,提高检测概率。对单目标进行检测前跟踪,平均每帧耗时为0.3287 s,在相同的粒子数下,RBPF可以得到更高的滤波精度。对两个信噪比为6 dB的不同空间位置目标的实验表明,约束条件控制RBPF的跟踪范围,可以避免目标相互之间的干扰,平均能在2.74 frame检测到目标出现,在1.13 frame判决目标消失。提出的算法能对红外多个弱目标进行出现与消失判断,具有良好的跟踪性能。

复杂环境下弱信号中的红外小目标自动检测

现有的红外小目标自动检测方法存在着抗复杂背景能力差、误检率高的缺陷,为了解决上述问题,提出复杂环境下弱信号中的红外小目标自动检测方法研究。根据设计的红外小目标自动检测方法框架图,采用形态学处理方法抑制红外图像背景,并运用contrast box算法分割红外图像,得到二值化红外图像。以得到的二值化红外图像为依据,结合计算得到的信号增量自动搜索小目标红外图像序列。以小目标红外图像序列为基础,通过数学模型实现红外小目标的自动检测。通过仿真实验结果显示,与现有红外小目标自动检测方法相比较,提出的红外小目标自动检测方法极大的提升了抗复杂背景能力,降低了误检率,充分说明提出的红外小目标自动检测方法具备更好的检测效果。

基于最小一乘和遗传算法的红外弱小目标检测

在随机误差不服从正态分布的问题中,最小一乘估计的统计性能优于最小二乘估计;另外,最小一乘估计的稳健性更强。因此提出了基于最小一乘估计和遗传算法进行背景预测的红外弱小目标检测方法。首先,建立最小一乘准则背景预测模型,应用遗传算法求解最小一乘估计的最优值并进行背景预测;然后,由实际图像和预测图像相减得到残差图像,并采用二维指数熵图像阈值选取方法对残差图像进行分割。针对实际红外图像序列的实验结果表明:所提出的方法对弱小目标具有更高的检测概率和更好的检测结果,优于基于最小二乘背景预测的检测方法。

基于目标模型的红外弱小目标预检测

为解决高空背景中低信噪比运动点目标的检测问题,本文提出了一种利用红外弱小目标和背景的不同模型来实现检测小目标的预检测方法。根据在同一帧图像中红外弱小目标与噪声点在局部图像中特性的不同,提出检测局部图像中一个点与目标模型的相似程度来判断是否为红外弱小目标的预检测方法。实验表明,该方法可以有效提高单帧目标的信噪比,可用于噪声环境的红外弱小目标检测。

基于向量小波变换及Fisher算法的红外弱小目标检测

提出了一种新的红外图像弱小目标检测方法 ;即利用向量小波的优良性质 ,采用恰当的预滤波器对图像进行预处理 ;而后对经向量小波变换得到的高频图像利用Fisher算法进行分割 ,最终将目标从背景中分离出来。通过理论分析和大量实验 ,表明了算法是有效的 ,并证明该算法能够快速稳定的检测出信噪比小于等于

一种红外图像序列弱小目标的检测方法

针对低信噪比条件下红外弱小目标的相关检测算法存在的局限性,本文提出组合式相关检测算法。基于DBT的相关检测算法运算量小但检测性能较差,而基于TBD的相关检测算法检测性能较高但计算复杂。根据对两者优缺点的分析,采用将两种算法级联的方法,首先使用基于TBD的相关检测算法形成一个过渡帧,再以此为基础使用基于DBT的相关检测算法进行进一步检测。算法性能分析和实验结果均表明,低信噪比条件下该算法具有较高的检测性能并且计算量较低。

红外弱小目标的单帧捕获

提出了基于背景预测的单帧检测弱小目标改进算法.该算法采用改进的最大值背景预测算法.为了能同时检测点目标和小目标,预测背景的四个预测窗的位置与目标点之间保持一定的距离,保证预测窗中的像素能准确反映当前像素灰度中的背景灰度信息.为了保证单帧的较低的虚警率,同时结合多方向多极梯度算法,对背景预测初步检测出来的可能目标点进一步检测,以排除绝大多数的虚假目标.经实验证明,该算法在单帧图像上能很好的检测出弱小目标来,并能满足实时性的要求.

一种超大视场中红外弱小运动目标的快速检测方法

超大视场红外凝视成像系统具有视场大、被动探测、凝视探测等独特优势,但当系统用于弱小目标检测时,由于背景复杂、噪声干扰、目标信息少等问题,检测的准确性和效率往往不高。本文通过采用超大视场中空时域融合处理的思想,提出了一种基于最大化背景模型进行背景抑制的改进方法。该方法首先通过图像预处理、多帧差分选取研究区域;然后通过改进的背景预测模型检测疑似目标点;最后,利用邻域相关准则判定真实目标。通过实验证明:该方法将原方法中的目标信噪比提高了5倍以上,灰度值提高了10倍以上,而且保留了更多的目标信息。同时目标检测时间减少了50%以上,提高了检测准确性和检测效率。

基于形态滤波遗传算法对目标红外图像特征检测

将形态滤波和自适应遗传算法结合起来,提出了一个用于目标检测的形态滤波器参数优化遗传算法。通过设计了形态滤波的遗传算法,寻求最佳结构元,以实现对目标的自适应检测。作为2个特殊环境中的应用检测实例,分别对固体推进器尾喷焰红外图像和复杂背景下的弱小目标进行检测。实验结果表明该方法能够更好地适应环境变化,更大程度地提高目标信号检测的信号噪声(SNR)比,有效地检测出复杂背景下的目标。

应用多特征的红外弱小目标检测

红外弱小点目标的检测是红外搜索与跟踪的关键技术之一。融合小目标在空域和频域中的各种属性,将更有利于目标的检测。红外图像中主要分为背景、边缘以及目标三类信息,目标在空域中局部能量较大。将图像小波变换,获取图像的多方向性分解。研究发现目标在高频中具有方向不敏感性。为了更好地检测目标,计算各点的局部能量比以及方向离散值,将以上特征融合,得到图像的多特征统计值。采用Renyi信息熵分割达到检测目标的目的。利用序列图像中目标运动的连续性和轨迹的一致性以及目标的方差增长性,提出一种加权的方差增长方法过滤目标集,实现候选目标的准确定位。该算法有较好的自适应性,并且对背景变化敏感性较小。通过真实红外图像弱小目标的检测,检验了算法的有效性。

一种新的背景预测方法在红外弱小目标检测中的应用

针对空中红外弱小目标的检测,提出了一种新的背景预测方法。该方法对云层边缘区域的点采用亮暗点分类,寻求最相似点的方法进行预测;对非边缘区域的点采用基本背景预测法进行预测;最后经过背景对消和阈值分割,将弱小目标检测出来。实验结果表明,该方法能够提高对起伏背景预测的准确性,减小由于云层边缘预测不准确而引起的虚警,从而能够更加有效地检测到弱小目标。