针对复杂场景图像由于背景边缘干扰和噪声导致弱小目标检测困难的问题, 提出了一种基于结构张量分析的弱小目标单帧检测方法.利用结构张量对不同局部结构的表示特性, 通过计算结构张量特征值矩阵和均值滤波得到点状和矩形状目标的结构张量响应图; 采用高斯差分带通滤波器计算灰度差分图; 通过归一化融合处理得到最终响应图; 采用自适应阈值分割得到目标位置.采用该方法对天空、海面等多种场景的红外图像和可见光图像进行实验, 并与典型方法对比, 结果表明该方法能够有效地抑制背景干扰和噪声、快速且准确地检测目标.
机器视觉 目标检测 单帧检测 结构张量 弱小目标 Machine vision Target detection Single-frame detection Structure tensor Dim small target
军械工程学院 电子与光学工程系，石家庄 050003
针对目前单帧红外弱小目标的检测算法存在检测精度不高，检测效果差等问题，本文提出一种改进Sobel算子的单帧红外弱小目标检测算法。该方法根据Sobel 算子的边缘检测特性，先对图像进行中值滤波，提高弱小目标的信噪比，然后利用Sobel 算子和本文提出的检测模板，对图像进行卷积处理，最后经中值滤波后检测出红外弱小目标。文中从理论上分析了改进算法的有效性，并与质心检测算法和基于局部均值以及基于Top-Hat 等检测算法进行了对比实验。结果表明，该算法比实验中其他检测算法检测精度更高，检测效果更加明显。
Sobel 算子 红外图像 弱小目标 单帧检测 Sobel operator infra-red image dim target single frame detection
陕西师范大学物理学与信息技术学院, 西安 710062
提出了一种准确、快速的红外小目标单帧检测方法。该方法基于高通滤波和图像增强技术, 先通过高通滤波去除背景及部分干扰, 然后使用图像增强技术在突显小目标的同时实现对噪声和干扰的进一步抑制。计算机仿真结果表明, 所提出的方法能很好的检测出小目标, 与帧间差分法以及背景减法相比, 优势明显, 不仅为小目标保留了较多的像素点, 并使小目标灰度有了很大增强, 不存在虚警点, 且能较好地克服天空背景的云层干扰问题。
红外小目标 高通滤波 图像增强 单帧检测 infrared small target high-pass filter image enhancement single frame detection
1 中国科学院上海技术物理研究所, 上海 200083
2 中国科学院红外探测与成像技术重点实验室, Received date上海 200083
针对含有部分复杂地面背景的空中点目标跟踪环境提出一种基于自适应背景划分(Adaptive Background-Division)的单帧检测算法。先求出图像的行灰度方差, 计算表示灰度分布均匀性差异的划分背景方差比(RDBV), 自适应地检测出天空背景边界以屏蔽地面背景; 再进行基于空域滤波的单帧检测算法。实验结果表明该算法在保证无漏检的情况下大大降低了潜目标数量, 而且对于暗背景和亮背景都同样适用。
单帧检测 自适应背景划分 划分背景方差比 空域滤波 自适应阈值分割 single-frame detection adaptive background-division RDBV (Ratio of Divided Background Variance) spatial filter adaptive threshold segmentation
