1 梧州学院电子与信息工程学院，广西 梧州 543001
2 桂林电子科技大学机电工程学院，广西 桂林 531004
3 中国矿业大学信息与控制工程学院，江苏 徐州 221116
4 阿尔伯塔大学电子与计算机工程系，阿尔伯塔 埃德蒙顿 T6G 1H9，加拿大
5 青岛农业大学理学与信息科学学院，山东 青岛 266109
海上红外目标识别在海事搜寻中发挥着重要的作用，针对逆光海况下出现的目标反向对比度特点及其目标淹没于背景的问题，结合其直方图呈现的局部尖峰特点，提出了修正灰度占比的新直方图均衡化并融合边缘信息的增强算法。该算法可以有效地提升目标区域的对比度，从而提升海上红外图像的质量。在海上红外目标识别与检测中，建立了目标与背景的多尺度“九宫格”搜索框，演化了局部对比度显著性量化的数学模型，实现了符合人眼视觉特性的红外目标的准确定位与检测。在海上红外图像增强测试中，所提算法可以使原图像的平均梯度提升两倍以上，使局部对比度增益因子提升两倍以上。在目标识别的算法测试中，所提多尺度局部对比度目标检测算法可以使目标检测率达到99%以上。
测量 红外成像 海上红外目标识别 红外图像增强 直方图变换 局部对比度显著性 逆光海况
沈阳理工大学 装备工程学院， 辽宁 沈阳 110159
在红外成像过程中，目标边缘模糊化是影响红外目标识别效果的关键因素，也是红外目标识别算法的研究重点，故在光谱图像中合理补偿目标几何特征信息成为研究热点之一。结合包含目标几何特征信息的包围盒作为约束条件，对红外光谱图像进行分层限定滤波，降低原有图像数据中目标几何外形数据的丢失，提高目标可识别性。设计了在包围盒约束条件下的光谱聚类算法，设置参数η表征待测军用车辆目标的几何信息，设置参数m表征待测军用车辆目标的光谱特征信息。实验采用TEL-1000-MW型红外成像光谱仪获取多光谱图像，通过改变m和η值调整光谱特征值个数与包围盒范围，从而获得不同的目标识别图像。并与传统方法对同一幅红外目标图像的识别效果相比较，结果发现采用包围盒约束的待测目标图像几何边界信息保留效果明显优于传统方法，当m=10、η=0.7时，红外图像的目标识别效果最好，同时算法收敛速度也最优。由此可见，该算法在提高红外目标识别能力、避免误判伪目标和漏检目标方面具有很高的实用价值。
红外目标识别 光谱聚类 包围盒约束 军用车辆 infrared target recognition spectral clustering bounding box constraints military vehicles 红外与激光工程
2021, 50(11): 20210085
战场野外复杂红外场景中, 由于背景灰度分布无规律、目标边缘模糊且纹理特征缺失, 目标极易混淆在背景之中; 由于嵌入式平台算力的限制, 多数深度学习类检测算法难以应用于便携设备, 无法实现快速有效的目标识别。提出一种基于运动目标提取与高效机器学习模型结合的目标识别方法: 通过运动检测实现目标像素级分割, 经形态学处理后, 定位单体目标; 根据嵌入式平台算力高低, 选择轻量化深度网络特征或轮廓特征, 训练softmax模型, 实现目标分类识别。将算法移植于嵌入式平台, 对开源红外图像序列进行目标识别实验, 实现多目标同时定位与分类, 处理速度达56FPS。实验结果表明, 该方法可对复杂背景中的红外目标进行实时有效识别。
红外目标识别 动目标检测 softmax分类 深度神经网络 infrared object recognition moving object detection, softmax classification, d
1 第二炮兵工程大学精确制导仿真技术实验室，陕西西安 710025
2 清华大学计算机科学与技术系，北京 100084
针对红外目标识别问题，提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法。该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征，并采用 Log-Euclidean度量进行特征相似性计算，通过高斯核函数将协方差描述子映射到高维空间，最后在新的特征空间上进行稀疏编码。实测数据实验结果表明，与传统的 KNN（k-nearest neighbor，k最近邻）以及 SVM（support vector machine，支持向量机）等分类算法相比，基于核稀疏编码的红外识别方法在识别准确率上有很大的提高。
协方差描述子 核稀疏编码 红外目标识别 covariance descriptor kernel sparse coding infrared target recognition
1 西北工业大学航天学院, 陕西 西安 710072
2 96361部队, 青海 西宁 810100
采用 SURF算法对地面背景下红外目标识别。采用具有实时性的自适应中值滤波器和小波分频与直方图均衡的图像增强方法, 对图像进行预处理, 拉开目标与背景的灰度差异, 从而突出目标, 以便识别。对预处理完的图像采用 SURF特征提取匹配的方法进行红外目标识别。仿真实验中重点对 SURF特征匹配阈值和匹配特征点的数量进行了研究。实验表明, 文中方法对地面背景下红外目标识别效果较好。
红外目标识别 图像预处理 SURF SURF infrared target recognition image preprocessing
1 北京理工大学机电学院, 北京 100081
2 军械工程学院导弹工程系, 河北 石家庄 050003
红外图像复杂度度量方法不仅可以用于描述目标识别面临的复杂场景变化, 而且在红外成像系统性能预测与评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也有广泛而重要的应用。给定了红外目标识别图像复杂度的定义, 对该领域近年来最新出现的和部分经典的度量方法进行系统的归纳总结和对比分析, 提出了度量方法选择的依据, 指出了现有度量方法的缺点和不足, 并指出红外目标识别图像复杂度度量未来将向着融合多种特征或者综合多种度量方法的趋势发展。
红外目标识别 图像复杂度 度量方法 infrared target recognition image complexity metric
1 武汉大学 遥感信息工程学院，湖北 武汉 430079
2 湖北航天技术研究院 总体设计所，湖北 武汉 430034
3 天津工业大学 理学院，天津 300387
4 哈尔滨工业大学 空间光学工程研究中心，黑龙江 哈尔滨 150001
为了识别空间目标与气球诱饵，提出了基于光谱角时序不变性的红外目标识别方法。通过分析证实了空间目标与气球诱饵在温度时变特性上存在差异。为了反映目标测量功率温度时变本质，消除传感器与目标距离以及等效投影面积的时变耦合对测量功率的影响，提出了利用时序光谱角作为光谱向量的时序变化量度。该量度能够刻画光谱曲线的时序变化，反演物体温度时变特性，可以作为温度时变特性不同的目标和诱饵之间聚类识别的有效判据。仿真结果表明：该方法能够有效识别空间目标与气球诱饵；通过融合时序光谱特征，为空间目标识别提供了一种新的机制。
红外目标识别 时序光谱 光谱角 诱饵 infrarea target recognition sequential spectrum spectral angle decoy
1 北海舰队92886部队,山东 胶州 266300
2 海军航空工程学院,山东 烟台 264001
红外成像自动目标识别是精确制导**的重要研究内容。针对地面复杂背景条件下,目标难以检测识别的问题,在分析地面目标红外图像场景的基础上,首先利用形态学技术对图像进行去噪和抑制背景,采用Otsu法对图像进行阈值分割并用形态学技术消除虚警目标点,用扩展像素标记法对图像进行区域标记,然后提取目标形状、矩和统计分布三类特征作为识别特征,并采用模糊综合评判方法识别目标。对实地拍摄的100幅坦克目标红外图像进行了识别实验,结果表明,该方法在坦克的典型作战环境下具有较强的抗噪性能和抑制背景结构干扰的能力,能有效识别出目标,并且易于用并行处理和硬件实现。
红外目标识别 自动目标识别 形态学滤波 图像分割 IR target recognition automatic target recognition morphological filter image segmentation
1 华中科技大学,图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
2 华中科技大学,图像识别与人工智能研究所,湖北,武汉,430074
3 华中科技大学,电子与信息工程系,湖北,武汉,430074
提出了一种有效的基于递归门限分析的红外目标分割方法.针对传统方法在目标的相对面积较小时背景信息容易误分的问题,将传统分割方法和递归处理结合起来,用于分割红外目标.在分割时,将每次分割得到的背景部分(即暗部分)淘汰掉,而保留分割得到的目标部分(即亮部分).对得到的目标部分进行再分割,又得到新的目标和背景部分,如此重复下去,直至得到目标为止.对传统的Otsu方法、一维熵方法、二维熵方法的递归分割特性进行了分析比较,并根据目标的先验知识提出一种合理的递归终止准则.试验结果证明,基于递归门限分析的方法是一种行之有效的目标分割方法,分割性能优于传统方法.
图像分割 红外目标识别 递归分析
