1 西安电子科技大学 技术物理学院, 西安 710071
2 中国兵器工业203研究所, 西安 710031
3 西安电子科技大学 微电子学院, 西安 710071
提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下，利用光谱和空间两种信息完成对异常目标信号的定位，从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解，将其划分为不同尺度子块；然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性，采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布，从而抑制异常数据对背景的干扰；最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性，利用真实和模拟的AVIRIS数据进行了实验，并与经典RX算法相比较，实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。
超光谱图像 异常检测 非下采样塔式分解 核RX算法 hyperspectral image anomaly detection nonsubsampled pyramid decomposition kernel RX algorithm
1 西安电子科技大学技术物理学院，西安710071
2 中国兵器工业２０３研究所，西安710031
3 西安电子科技大学微电子学院，西安710071
为检测强云杂波背景中的红外弱小运动目标，结合反锐化掩模理论，提出了一种基于曲线波变换的多尺度反锐化掩模红外图像云层背景抑制新方法。首先，根据红外目标和背景杂波的特性，采用二代曲线波变换对图像进行多尺度、多方向分解，提取图像的多尺度和方向细节特征，然后，根据目标和背景杂波子带系数的差异，通过应用反锐化掩模理论调整分解后的各子带系数，从而将红外图像中弱小目标信号和背景杂波分离，达到抑制背景的目的。实验结果显示，与最大中值(ＭＭｅｄ)和二维最小均方误差(ＴＤＬＭＳ)方法比较，该方法对信杂比较低的红外弱小目标复杂云层背景从主观视觉和数值指标都具有良好抑制效果。
目标检测 背景抑制 曲线波变换 反锐化掩模 target detection background suppression curvelet transform unsharped masking
1 西安电子科技大学技术物理学院
2 西安电子科技大学微电子学院，西安 710071
为了提高地面和云层等红外复杂背景下弱小目标的检测性能，提出了一种基于视觉细胞响应模型的红外弱小目标背景抑制新方法.首先利用简单细胞的感受野计算模型将原始图像采用Gabor函数卷积获得相同大小的两幅图像;然后采用设计的复杂细胞响应的非线性汇聚策略函数对获得的两幅图像进行融合处理，从而将红外图像中弱小目标和背景杂波分离，达到抑制背景的目的;最后采用自适应阈值分割技术得到目标点，实现了对红外弱小目标的检测跟踪.实验结果显示，与去局部均值和最大中值滤波两种滤波方法相比较，该方法能有效地检测出信杂比较低的弱小目标信号.
目标检测 背景抑制 视觉感知模型 细胞响应模型 Target detection Background suppression Vision sensing model Cell response model
1 西安电子科技大学 技术物理学院, 陕西 西安 710071
2 中国航天科工集团公司九院 总体设计部, 湖北 武汉 430035
3 西安电子科技大学 微电子学院, 陕西 西安 710071
提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题。根据红外目标和背景杂波所具有的不同统计分布特性, 利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系, 建立了基于剪切波变换的多尺度隐式马尔可夫模型。通过期望最大化算法计算最优背景参数, 分离红外图像中弱小目标信号和复杂背景杂波, 达到抑制背景、保存并增强目标信号的目的。对真实的和模拟的包含弱小目标的红外图像序列进行了实验验证, 实验结果表明, 与最大中值滤波和局部去均值两种方法相比较, 本文方法对红外弱小目标(SCR≥1.6)的复杂背景从主观视觉和数值指标上都具有良好抑制效果。
红外图像 目标检测 背景抑制 剪切波变换 隐式马尔可夫模型 infrared image target detection background suppression shearlet transform hidden Markov model
1 西安电子科技大学 技术物理学院, 陕西 西安 710071
2 空军工程大学 理学院, 陕西 西安 710051
3 西安电子科技大学 微电子学院, 陕西 西安 710071
提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性, 首先, 采用剪切波变换对原始红外图像进行多尺度和多方向分解, 获得原始图像的多尺度和方向细节特征, 然后, 通过应用高斯尺度混合模型进行处理, 从而将红外图像中弱小目标和背景杂波分离, 达到抑制背景的目的, 最后采用经典的自适应阈值分割技术得到目标图像, 最终实现目标检测.与二维最小均方误差滤波方法相比较, 几组实验结果显示, 对弱小目标复杂背景具有较好的抑制效果.
目标检测 背景抑制 剪切波变换 高斯尺度混合模型 target detection background suppression shearlet transform Gaussian scale mixture model
1 西安电子科技大学技术物理学院，陕西 西安 710071
2 西安电子科技大学微电子学院， 陕西 西安 710071
红外复杂背景抑制是红外告警等系统发现远距离弱小目标的难题之一。提出了一种将奇异值分解与对偶树复小波变换(DTCWT)相结合的多尺度截断复杂背景抑制新方法。首先采用DTCWT对图像进行正变换，获得图像的多尺度和方向细节特征；然后根据目标和背景杂波信号系数在不同尺度之间的差异，对各子带采用奇异值分解进行处理，并利用最大的特征值重构子带；最后将系数调整后的各子带逆变换到图像域，从而将弱小目标和背景杂波分离，达到抑制背景的目的。实验结果表明，该算法可以在很大程度上抑制结构化背景，保存并增强目标信号。
图像处理 背景抑制 对偶树复小波变换 奇异值分解 目标检测
1 西安电子科技大学 技术物理学院,西安 710071
2 中国电子科学研究院,北京 100041
3 西安电子科技大学 微电子学院,西安 710071
红外探测器响应漂移特性会降低红外焦平面阵列(IRFPA)非均匀性校正的精度。针对该问题提出了一种基于场景的IRFPA非均匀性校正算法。该算法利用所获得的序列成像场景信息,采用一种基于快速自适应滤波器的最优化递归估计方法来获得非均匀性校正参数,并利用当前的成像信息来更新校正参数,以此降低探测器响应漂移特性对非均匀性校正的影响。算法仿真实验显示,对非线性参数为26.12%的同一图像,使用该算法、两点校正算法和卡尔曼滤波校正算法校正1 h后,可分别将非线性参数降至1.856%,3.122%和1.893%,说明该算法可获得稳定而较好的非均匀性校正效果。
物理电子学 红外焦平面阵列 非均匀性校正 自适应滤波 physical electronics infrared focal plane arrays nonuniformity correction adaptive filter 强激光与粒子束
2009, 21(11): 1611
1 西安电子科技大学 微电子学院，陕西 710071
2 西安电子科技大学 技术物理学院，陕西 710071
3 中国科学院微电子学研究所，北京 100029
基于可视化交互式控制思想，本文提出了一种新的针对延时积分IRCCD 的驱动与测试系统方案。不同于传统的驱动电路系统，该系统由主从两大系统构成，其中作为人机接口的主系统主要完成电参数的输入和测试结果的显示，而从系统一方面可根据主系统所设置的电参数自动产生高精度的任意可调驱动信号，另一方面则完成对IRCCD 器件的电注入测试。实验结果表明新的设计有效地克服了传统设计所固有的缺陷，显著提高了系统的可靠性、灵活性和精度。
红外电耦合器件 驱动电路 电注入测试 红外成像 infrared charge couple device drive circuit electronic injection test infrared imaging
1 西安电子科技大学微电子学院, 陕西 西安 710071
2 西安电子科技大学技术物理学院, 陕西 西安 710071
针对红外焦平面阵列(IRFPA)中探测元的非线性响应以及响应特性的漂移引起的校正误差, 提出了一种基于S曲线模型的场景自适应校正算法。该算法利用对数运算将IRFPA的输出信号线性化, 并运用自适应滤波技术对线性信号实施非均匀性校正, 并采用指数变换还原出实际的校正输出信号。基于人造黑体图像和实景红外视频的仿真实验结果表明, 该算法在校正精度和大动态范围信号响应特性方面均优于传统的场景自适应校正算法。
红外焦平面阵列 非均匀性校正 非线性响应模型 自适应滤波
西安电子科技大学,技术物理学院,陕西,西安,710071
传统的神经网络非均匀性校正算法简单、盲目地利用像元的四邻域平均估计期望信号,对空间低频噪声较大的IRFPA校正时难以获得满意的校正效果,针对其不足,提出了自适应加权平均滤波器,通过校正误差标准差阈值分配权值,提高期望信号的估计精度,新算法较原算法具有更强的校正能力,实验结果验证了其优越性.
红外焦平面阵列 非均匀性校正 神经网络 自适应加权平均滤波器
