本文提出了一种基于马尔可夫随机场的运动目标检测算法。针对传统时间分割使用主观固定阈值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法。采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标。仿真实验结果证明了本文算法可以有效地分割视频运动目标。

本文提出了一种基于形态学和小波域杂波抑制的微弱目标检测方法,该方法将图像序列进行形态学tophat 滤波,然后小波变换,再分别对各小波子带作平滑滤波,按各子带对滤波前后小波系数作差分运算,最后经过小波逆变换得到具有微弱目标的残差图像序列。用残差图像tophat 结果估计目标潜在区域,在目标潜在域的约束下,对残差图像序列进行时空域数据融合,实现微弱运动目标的检测。仿真实验表明,该方法杂波抑制后残差图像具有很好的白高斯特性,且目标邻域信杂比(SCNR)的平均增益比图像空域平滑滤波和图像频域低通滤波等典型运算的SCNR 平均增益有明显改善,目标检测算法在5 帧图像集成时能稳定检测出微弱运动目标轨迹。

本文主要研究基于图像的强空域杂波背景下微小目标检测。本文提出了一种新的基于邻域梯度差平方累积函数最小原则的背景杂波自适应预测算法。该算法能显著改善微小目标的信杂比(SCNR)。试验证明,本算法相对于已有的多种算法,有着更好的性能。本文还引入了一种基于统计分析的快速检测算法,该算法能在较低的虚警概率情况下,获得更高的检测概率。理论分析及仿真表明,本文提出的检测系统在微小目标检测中,具有很高的实用性。

本文提出了一种新的基于差分关联域的复杂全域运动估计算法,该算法通过选取图像中梯度大的区域,避免了块匹配算法的误匹配问题,使算法的准确性得到保障.而且该算法结合运动估计技术中的参数估计与非参数估计技术,扩展了块匹配算法的适用范围,使得对复杂的全域运动进行有效估计成为可能.理论分析及大量实验证明,此算法能有效地处理包含缩放、旋转等分量的复杂运动.而且本算法将复杂的全域运动分解为各基本运动,使系统可以根据运算量的限制自适应地选择最优的运动估计算法.

提出了一种视频序列图像中点状运动目标三维快速检测方法.该方法利用目标运动的时域连续性假设,将目标在相邻多帧上的位置状态模型化为二阶马尔可夫数据链;依照该模型采用沿轨迹集成的检测算法,克服了传统三维检测造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降.理论分析和仿真试验表明,该检测方法能稳定地检测出信号杂波噪声比(SCNR) 超过3的缓动点状运动目标,而且在采用5帧集成时计算量比传统的穷尽轨迹匹配检测减少100倍.

为便于对复杂视频强杂波背景下的微弱运动目标进行检测,提出了一种两级空域滤波强杂波抑制方法.采用局域均值去除(LMR)作为一级滤波,将原始图像变换为较大局域内均值和方差缓变的二维广义平稳过程,再通过基于二维AR模型参数估计的二级滤波器自适应滤除残余杂波.实验结果表明,对于一般噪声条件下的视频目标图像,利用该方法处理后得到的残留噪声呈现出很好的高斯性和独立性,并且输出目标信号杂波噪声比(SCNR)的平均增益达到1.33dB,有利于进一步的检测.

分析了红外玫瑰线扫描亚成像制导的成像空间分布函数,提出一种基于神经网络模型的成像空间分辨率均衡化目标快速检测技术.该技术针对亚图像成像空间分辨率的非线性特性,有效利用每个像素所携带的信息,实现亚图像目标的均衡识别,从而提高系统的全域检测概率.实验结果表明该技术方案是可行的,并能在DSP系统上实时实现.