在空间红外弱目标检测问题中, 相关模板法和帧间差分法等传统算法判别率较低, 且对数据质量要求较高。针对这一问题, 本文提出了一种基于改进YOLOV4的空间红外弱目标检测方法, 该算法首先针对空间不同红外目标建立了相应的数据集; 以YOLOv4为基础建立了空间目标检测任务专用的神经网络框架, 利用k-means聚类算法重新构造先验框; 针对红外弱目标的特性设计了多尺度融合算法来提高弱目标的检测精度; 最后应用COCO数据集和实验室采集到的红外图像数据集对本算法进行了训练和测试。试验结果表明, 本文改进算法较YOLOv4算法在检测的准确性上有明显提升, 其平均准确率(AP)可达93.25%以上, 检测速度达到了38.99 ms/frame,验证了算法对于空间红外弱目标检测的有效性, 很好地满足了空间红外弱目标检测任务的需求。

针对红外图像中背景与目标的复杂性和多样性给变电站绝缘套管状态监测带来的困难，提出基于红外弱目标提取的检测方法。首先进行二维小波分解，将低频分量进行Retinex 理论增强，其余高频分量进行局部方差映射，完成小波重构后进行对比度增强，最后实现基于分步双阈值的目标提取。实验结果表明，该方法不仅改善了绝缘套管局部过热区域的红外图像的处理效果，还实现了过热点及其连带过热区域的提取和区分。

针对红外图像中背景与目标的复杂性和多样性给弱目标检测带来的困难, 提出基于局部方差的二维最大熵分割与遗传算法相结合的阈值分割方法。本文对变电站绝缘套管的红外图像进行了处理, 首先采用形态学顶帽变换的方法对其进行增强, 然后对图像进行局部方差映射并建立二维直方图, 最后结合遗传算法计算出二维最大熵分割阈值进而实现分割。实验结果表明, 该方法改善了红外弱目标的提取效果, 大大提高了阈值计算的效率, 待提取目标越小, 遗传算法的作用越能得到体现。

提出一种基于高斯点特征的方法来解决红外背景下弱目标的探测问题。首先, 利用高斯斑点目标的对称特性构造高斯斑点特征响应函数, 利用该函数在红外单帧图像上提取高斯点特征响应图; 然后, 使用CFAR方法对响应图进行二值分割, 并对该图像进行形态学运算去除噪声干扰; 最后检测并定位目标, 输出目标在图像上的坐标。实验结果表明, 提出的方法比传统的滤波探测方法及文献提出的双边滤波算法对高斯斑点目标检测结果更好。

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(RBPF)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。