安徽工业大学机械工程学院, 安徽马鞍山 243002
针对工业现场中复杂背景下镁熔液弱小目标实时检测的难题, 从图像识别的角度提出了基于 Prewitt算子的自适应背景预测算法。该算法首先使用 Prewitt算子对原始图像进行处理从而计算出图像最大灰度差, 其次根据最大灰度差与每个像素点的灰度差的差异选择背景预测模型进行处理得到背景预测图像, 然后用原始图像减去背景预测图像得到残差图像, 接着对残差图像作帧差运算以及阈值分割运算得到二值图像, 最后使用形态学运算获取最终的目标, 并将该算法与最小一乘法的检测性能进行对比。 Matlab仿真结果表明, 该算法不仅可检测到弱小目标, 并且检测到的目标点面积增大了 60%, 检测时间减少了 96.92%, 为图像处理技术应用于工业现场实时检测镁熔液中弱小目标奠定了基础。
弱小目标 镁熔液 Prewitt算子 自适应背景预测 dim and weak target magnesium melt Prewitt operator adaptive background prediction Matlab Matlab
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。
背景预测 红外弱小目标 目标检测 Gabor Gabor background prediction weak infrared target target detection
空军工程大学防空反导学院, 陕西 西安 710051
针对复杂背景下红外弱小目标提取困难的问题, 提出了一种自适应 SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合 SUSAN边缘检测算子与各向异性扩散, 形成新的扩散方程对红外图像进行背景预测, 与原图像差分后实现弱小目标检测。为使算法具备自适应能力, 提出 SUSAN边缘检测器灰度差阈值的自适应设定方法, 采用绝对偏差中值算子作为其扩散系数。实验结果表明, 该算法能够有效滤除复杂图像背景, 大幅提升信噪比, 同时保留目标大小。
SUSAN边缘检测 各向异性扩散 小目标检测 背景预测 红外图像 SUSAN edge detection anisotropic diffusion small target detection background prediction infrared image
西安电子科技大学 物理与光电工程学院，陕西 西安 710071
红外弱小目标的探测与跟踪对运算硬件和算法的性能提出较高的要求。针对传统背景预测算法串行运算耗时较长的问题，以及经典的通用GPU(Graphic Processing Unit)体积与功耗过大难于整合到红外设备中的问题，提出在嵌入式GPU平台NVIDIA Jetson TK1中实现并行分离卷积的方法，利用CUDA(Compute Unified Device Architecture)实时执行背景预测算法，实现了在嵌入式GPU平台上高效的红外背景预测算法。实验结果表明，在保证正确预测背景的前提下，利用小体积、低功耗的嵌入式GPU平台可以将运算性能提高到串行运算的15倍以上。
红外探测 快速运算 背景预测 infrared detection high performance computation background prediction Jetson TK1 Jetson TK1 CUDA CUDA
武汉大学物理科学与技术学院,湖北武汉 430072
提出了一种基于剪切波变换的背景预测算法用于红外小目标的检测.对原始图像进行剪切波变换,获得原始图像的多尺度和方向的细节特征.然后,对低频子带进行中值滤波,去除残留目标.对高频子带,根据其均方误差来调整权重系数,抑制目标和噪声.将反变换后得到的背景预测图像和原始图像进行差分,采用一种基于双窗口的邻域差分方法进行分割,最终实现目标检测.与小波变换法和双边滤波法比较,基于剪切波变换的方法对小目标的检测有较好的效果.
小目标检测 红外图像 剪切波变换 背景预测 领域差分 small target detection infrared image shearlet transform background prediction neighborhood difference
为了减少红外图像中背景边缘对检测的影响, 提出了一种具有鲁棒性的弱小目标检测算法, 该算法利用核各向异性扩散模型进行背景预测, 再与原图像差分实现弱小目标检测。为了提高算法的自适应能力, 提出了一种鲁棒性扩散系数, 能够根据图像背景的起伏程度自适应调整扩散系数曲线的陡峭程度。实验结果表明, 与现有的检测算法相比, 该算法能够在不同类型的复杂背景下有效抑制背景及其边缘, 保留目标大小, 降低虚警率, 具有更强的鲁棒性。
核各向异性扩散 小目标检测 背景预测 红外图像 鲁棒性 kernel anisotropic diffusion small target detection background prediction infrared image robustness 强激光与粒子束
2015, 27(1): 011014
1 中国人民解放军95899部队, 北京 100085
2 空军装备部航材部, 北京 100036
提出了一种新的红外弱小目标检测方法,在对红外图像进行背景预测的基础上,对残差图像采用小波变换方法增加对弱小目标的检测率,有效地提高了检测算法对低信噪比红外图像中弱小目标的检测性能。通过实测的星图数据与传统方法进行了对比和分析,证明了该方法适用于非平稳背景中低信噪比目标的检测。
红外星图 目标检测 信噪比 背景预测 小波变换 infrared star image target detection low SNR background prediction wavelet transformation
中国电子科技集团公司 第二十八研究所C4ISR 技术国防科技重点实验室，南京 210007
本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列，利用模糊支持向量机进行函数拟合，并据此预测下一帧图像在该位置处像素点的灰度值；然后将原始图像与预测图像相减得到预测残差图像，利用基于二维Tsallis-Havrda-Charvat 熵的阈值选取快速算法进行分割，并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析，并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明，本文提出的算法具有更高的检测概率，明显优于已有的基于背景预测的红外小目标检测算法
红外小目标检测 背景预测 模糊支持向量机 二维Tsallis-Havrda-Charvat 熵 small infrared target detection background prediction fuzzy support vector machine two-dimensional Tsallis-Havrda-Charvat entropy
1 中国科学院 光电技术研究所, 成都 610209
2 中国科学院 研究生院, 北京 100039
3 电子科技大学 光电信息学院, 成都 610054
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%。
低对比度 小目标 背景预测 能量累积 高阶相关 low contrast dim point target background prediction energy accumulation high-order correlation 强激光与粒子束
2010, 22(11): 2566
1 浙江师范大学 数理与信息工程学院,浙江 金华 321004
2 北京理工大学 信息与电子学院,北京 10008
在分析云背景红外图像空间分布上存在混沌现象的基础上，提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点，对云背景图像进行预测，并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明，该算法能有效地提高云背景的预测准确度，预测残差符合白噪音特性，对云背景杂波具有良好的抑制效果，能显著提高目标的信杂比，从而改善目标的检测性能.
红外图像 背景预测 混沌 脑模型控制器 Infrared(IR) image Background prediction Chaos Cerebellar Model Articulation Controller(CMAC)
