弱小目标检测

摘要： 针对红外图像中弱小目标检测虚警率高、实时性差的问题,提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法。该方法将红外弱小目标的检测问题由粗到精分步实现,首先利用融合局部熵的方法提取包含目标的感兴趣区域,对红外弱小目标实现粗定位。然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度,获得感兴趣区域的显著图。最后利用阈值法分割显著图像提取红外弱小目标,实现红外弱小目标的检测。通过与TOPHAT算法及LCM算法进行对比试验,验证了该方法在检测性能上优于TOPHAT算法以及LCM算法,虚警率分别下降了62.5%和33.3%;检测实时性方面,算法耗时为LCM的38.6%。该方法能够实现复杂背景下红外弱小目标的准确检测,在一定程度上解决了目标检测虚警率高、实时性差的问题。

摘要： 针对基于传统块图像模型的红外弱小目标检测算法对背景杂波抑制能力不强的问题,提出了一种联合γ-范数和全变分正则化与稀疏约束建模的红外弱小目标检测模型(γ-TSIPI)。首先,将原始红外图像转化为红外块图像,然后,采用γ-范数和全变分正则化对背景块图像进行约束,以更好地减少目标图像中的残留噪声,同时保留图像的边缘信息,避免恢复的背景图像过度光滑。此外,考虑到传统红外块图像模型中的L_(1)范数会过度缩小弱小目标,引入了加权的L_(1)范数,以提升γ-TSIPI模型对目标图像的恢复能力。最后,应用Lagrange乘子法求解γ-TSIPI模型。实验结果表明,所提方法可以更好地抑制背景杂波,降低虚警率,有效地提高了检测性能。

摘要： 红外探测系统以其隐蔽性好、穿透能力强等优点广泛应用于航空航天、军事侦察等领域。但该系统的观测距离较远,且目标往往呈现弱小状态,所以针对单帧图像的红外弱小目标检测一直是红外探测领域的难点和研究热点。基于滤波、视觉显著性、图像数据结构和深度学习四个方面,对当前单帧红外弱小目标检测算法进行了详细综述,最后对红外弱小目标检测技术进行了总结与展望。

摘要： 针对传统检测方法对低对比度和低信噪比弱小目标检测难度大的问题,提出一种基于梯度特征提取的弱小目标检测方法。首先利用弱小目标的各向同性及在梯度空间中的正负分布特性,提取两个方向梯度特征;然后通过改进的局部对比度算法分别抑制两个方向梯度特征的相似性,融合两个抑制相似性的方向梯度特征,增强目标同时抑制背景;最后通过自适应阈值对结果图进行分割,得到最终检测结果。实验结果表明,该算法不仅能够有效检测极低信噪比与对比度的目标,而且对复杂边缘场景具有很好的抑制效果,在信噪比、背景抑制因子以及检测率方面优于其他算法。

摘要： 星空背景弱小目标观测图像的目标无任何形状、纹理及颜色信息,与恒星、噪声相似度高,抑制背景、消除噪声是最大限度保留目标信息的基础。从分析星空背景弱小目标观测图像的直方图特性出发,提出了不断舍弃高灰度区域、减小样本方差的方法估计星空背景参量,用此背景参数进行噪声抑制。实验证明,所提方法能够在复杂背景噪声和恒星的影响下,滤除大部分噪声,最大限度地保留和增强目标。

摘要： 为了提升帧差法在复杂环境中低信噪比目标的检测效果,基于运动 目标在时间上具有连续性的原理,利用检测前跟踪的算法,通过三维滤波预处理和目标轨迹性判断相结合的设计准确筛选出 目标,达到在保持高检测率的前提下降低虚警的效果,对弱小 目标检测具有显著意义.

摘要： 在小天体探测、导弹制导和战场侦察等航空航天领域,由于目标信号较弱,占有像素数少,缺少目标形状和纹理信息,使用手工特征提取的传统算法容易出现大量虚警,而拥有强大特征提取能力的深度学习算法无法对微小且缺乏轮廓信息的目标训练.本文采用了滑动窗口取样训练,它源自基于人类视觉特性的传统目标检测算法中嵌套结构的思想,设计了一种使用递归卷积层的全卷积网络,在不增加额外训练参数的情况下,扩展了模型的网络深度,该网络的并行卷积结构的多个分支网络模拟了传统算法的多尺度操作,有利于在复杂环境中增强目标和背景之间的对比度,并且设计使用了多种损失函数的组合,以对抗正负样本严重不平衡的问题.实验结果表明:该方法实现了比传统方法更好的检测效果,为此领域的研究者们提供了一个新的思路和解决途径.

摘要： 针对红外图像弱目标检测困难的现状,提出一种基于最恰对比度显著性分析的红外弱小目标检测方法,在滑动窗口中采用了非线性处理技术对图像进行处理,避免了传统的显著度分析算法处理图像时在景像边缘处产生的显著度值干扰问题,同时不影响在目标区域对目标的提取能力.进行了大量的半实物仿真实验,结果表明,虽然提出的方法在背景抑制因子中未明显提高,但在均值信噪比和信噪比增益两个指标中对目标检测性能明显增强.在图像处理后的三种方法视觉对比图中,效果最好.

摘要： 针对目前远距离红外目标探测中存在的弱小目标特征信息少、环境复杂、噪音干扰多,且传统目标检测算法漏检率和虚警率高等问题,提出了基于双通道特征增强集成注意力网络的红外弱小目标检测算法.整体网络结构主要包括双通道特征提取模块、特征增强模块和集成上下注意力模块三部分.与单通道特征提取相比,双通道特征提取可以获得更多的特征信息,并通过特征增强模块进一步丰富目标特征,再结合集成上下注意力模块自适应地增强目标特征和弱化背景噪音,从而提升弱小目标的检测效果.最后,通过对比传统算法、其他深度学习算法以及本文提出算法的测试结果,验证了本文提出的算法具有较好的检测效果,漏检率和误检率更低.

摘要： 针对红外序列图像中点状机动目标的检测问题,利用卷积特征对图像具有更细致的描述能力、可以有效地感知弱小目标与干扰的差异的特点,提出了一种基于SSD框架的红外弱小目标检测方法.本文设计了针对弱小目标的SSD检测框架,且克服了传统方法缺少大量实验数据的困难,利用真实红外图像数据库进行了仿真验证,实验结果表明,该方法对多种不同场景中的信噪比较低的目标具有良好的检测效果和虚警抑制能力.

摘要： 针对复杂天空背景条件下的红外弱小目标检测问题,提出一种自适应多步长梯度和视觉机制相结合的红外弱小目标检测算法.该算法分析了红外弱小目标各向梯度在各种不同背景下的下降情况.首先在待检测点周围选取8个参考方向,分别计算出各参考方向上多步长参考点与检测点的最大梯度值.根据待检测点与各参考方向之间梯度的中值,判定出候选目标.实验结果表明,该算法能够有效地检测出复杂天空背景下强度变化剧烈的红外弱小目标.

摘要： 红外弱小目标检测是导弹预警卫星的一项关键技术难题,由于导弹预警卫星获取的红外遥感图像具有背景复杂、信号微弱、信噪比低等特点,使得传统的目标检测算法难以满足导弹预警卫星对目标检测性能的要求.为此,将尺度不变特征变换算法(SIFT)引入导弹预警卫星红外弱小目标检测的研究.首先,根据红外弱小目标检测的特点,对原始的SIFT 算法进行简化和改进.在此基础上,根据SIFT算法的特征检测器在弱小目标处具有极值响应的特性,提取特征点作为候选目标,再对所提取的特征点建立一种新的特征描述子,据此获取候选目标的三种特征证据,最后采用D-S证据理论根据三种特征证据排除虚假目标,最终获得真实目标.理论分析和仿真实验结果表明,本文算法对低信噪比的导弹预警遥感图像具有稳健的适应作用和良好的目标检测性能,且具有较低的运算复杂度.

摘要： 低对比度弱小目标检测与跟踪算法的研究是电视跟踪领域的关键技术之一.本文根据海面、天空及海空背景下弱小目标的特征,采用背景抑制滤波器抑制天空云层干扰及海面浪花等的影响,滤除背景干扰.然后用各向异性扩散法增强弱目标去除噪声,最后利用灰度形态学的开、闭运算滤除剩余的干扰点,检测出真实的弱小目标.实验结果表明:该方法能够有效地抑制不均匀的背景,对强干扰背景下的弱小目标的检测可以达到满意的效果.

摘要： 针对现有算法未能有效结合时域与空域信息，提出一种基于时空融合和粒子滤波的弱小目标检测算法。首先利用像素点的帧间相关性与邻域相关性，采用短程非参数核建模算法来检测候选目标;接着采用粒子滤波结合目标的运动特性来跟踪候选目标，剔除虚假目标得到真实目标航迹。rn 实验结果表明，该算法能有效结合时域与空域信息，能有效检测出低信噪比背景下的目标。

摘要： 红外弱小目标检测是机载红外搜索跟踪系统探测远距离地面目标的一个难题，为解决这个问题，本文提出了一种基于非局部均值的弱小目标检测方法来提高复杂背景下弱小目标检测性能，并引入了局部梯度统计特性来提高方法抑制背景细节、增强目标信息的能力。与最小均方误差法相比较，实验结果显示，该方法对复杂背景下弱小目标复杂背景具有良好抑制效果。

摘要： 图像预处理作为红外弱小目标检测的第一个环节作用十分重要。本文首先给出了两种典型的图像预处理方法,用以去除或减少图像中的噪声和杂波；之后结合实验进行分析,指出每种方法的优缺点,便于根据实际情况而选择适当的预处理方法。

摘要： 在执行交汇计算任务中,为了识别点状弱纹理的小目标,本文采用了一种基于数学形态学算子的弱小目标识别算法,该算法有效地解决了较强电噪声对识别目标淹没的影响。仿真实验表明,该算法具有一定的正确识别率,取得了较为良好的判决效果。

摘要： 采用可见光成像法识别远距离目标技术近年来逐步得到研究和应用.在防空兵某部虚拟目标实弹打靶测评任务中,通过在靶场两侧放置两台双自由度旋转相机,采用交汇计算基本原理,完成对弹迹的实时识别和捕捉任务,最终基本满足了对防空武器系统的光学评价需求.在上述过程中,由于弹迹本身为点状弱纹理的小目标,且该种目标极易受到采集系统本身的电噪声淹没影响,因此本文采用了一种基于数学形态学算子的弱小目标识别算法达到实时识别弹迹的目的.在实际任务中,该算法被证明具有一定的正确识别率,取得了较为良好的判决效果。

摘要： 本文研究了基于小波变换的红外图像中弱小目标的检测方法,给出了处理的图像和相关的数据.仿真实验表明:这种检测方法能十分有效地提高信噪比、增强目标、抑制背景杂波和去除噪声干扰,对信噪比约为2的弱小目标检测性能较为满意,检测结果与数学形态学方法一致,而且处理速度快,适合于实时目标探测和图像处理.

摘要： 本文使用基于空域低通滤波的背景抑制检测算法和基于数学形态学的空域高通滤波检测算法,对红外弱小目标图像进行目标检测,得到在低信噪比的情况下,基于数学形态学的空域高通滤波检测算法性能优越的结论。

摘要： 本发明公开了一种基于目标显著性的卫星图像对地面弱小运动目标检测方法，用于解决现有方法对弱小运动目标检测率低的技术问题。技术方案是首先对显著性图像进行背景建模，对灰度图像进行显著性分析，强化图像中的运动目标。通过对显著性图像进行高斯混合背景建模，解决了弱小运动目标检测难题，利用分级产生轨迹，利用轨迹信息滤除虚警，相对于背景技术方法，检测率提升了10％，虚警率降低了5％。

摘要： 本发明公开了一种基于目标显著性的卫星图像对地面弱小运动目标检测方法，用于解决现有方法对弱小运动目标检测率低的技术问题。技术方案是首先对显著性图像进行背景建模，对灰度图像进行显著性分析，强化图像中的运动目标。通过对显著性图像进行高斯混合背景建模，解决了弱小运动目标检测难题，利用分级产生轨迹，利用轨迹信息滤除虚警，相对于背景技术方法，检测率提升了10％，虚警率降低了5％。

摘要： 能够不增加存储容量而以低成本实现的校正目标检测装置200，具有：测光区域设定部22，设定长条形状的测光区域；测光部21，检测测光区域的测光信息；亮度曲线生成部23，使将规定的一个方向作为长边方向的长条形状的测光区域，沿与一个方向正交的另一方向进行扫描，由此生成表示在该另一方向上的测光信息的变化的第一曲线，并且，使将另一方向作为长边方向的长条形状的测光区域，沿一个方向进行扫描，由此生成表示在该一个方向上的测光信息的变化的第二曲线；位置计算部30，基于第一曲线及第二曲线的特征点，来计算由车载照相机20获取的拍摄图像所含的用于校正车载照相机的校正目标的位置或该校正目标的规定部位的位置。

摘要： 本发明涉及图像处理领域，特别涉及一种弱小目标检测跟踪装置及其检测跟踪方法，其中的检测方法包括：S1、通过基于卷积神经网络的时空融合背景抑制算法将红外图像中的目标与背景进行分离，得到粗检测结果；S2、通过基于卷积神经网络的跨尺度与多形态自适应的红外小目标检测算法对粗检测结果进行二次真实目标筛选与捕获，得到细检测结果；其中的跟踪方法包括：S11、通过基于卷积神经网络的红外点目标跟踪算法对红外图像的细检测结果进行粗跟踪；S22、通过基于鉴别逻辑的多层次目标确认算法对粗跟踪结果进行判别，得到最终的每帧检测结果和跟踪航迹结果。本发明在目标呈现不同灰度和不同形态状况时均确保准确率，且不受干扰物影响。

摘要： 本发明提供了一种基于目标检测模型的红外弱小目标实时检测方法和系统，构建了红外弱小飞机检测数据集，其次对提取特征主干网络进行了重新设计，使得网络能够更适应弱小目标的特征提取；再次在骨干网络后添加空间金字塔池化层，以获得不同的感受野，使得网络模型对弱小目标的定位能力增强；最后针对红外弱小目标尺寸较固定和单一，减少检测头，并通过特征金子塔将浅层信息与深层信息进行融合，使得网络具有更高的检测准确率和具有更强的鲁棒性。本发明不仅提高了在复杂背景下弱小目标检测的准确率和速度，还提高了弱小目标检测算法的鲁棒性及适应性。

摘要： 本发明提供一种基于红外序列图像的弱小目标检测方法及检测系统，检测方法包括：基于待检测红外图像中每一个像元的灰度值，对所述待检测红外图像进行背景抑制；对背景抑制后的待检测红外图像进行阈值分割，提取其中的兴趣区域，所述兴趣区域为可能包含目标的区域；将所述兴趣区域输入训练后的支持向量机中，对所述待检测红外图像中的目标进行检测分类，所述支持向量机为基于包含生成航迹的红外弱小目标的训练样本训练而来。

摘要： 本发明涉及图像处理领域，特别涉及一种弱小目标检测跟踪装置及其检测跟踪方法，其中的检测方法包括：S1、通过基于卷积神经网络的时空融合背景抑制算法将红外图像中的目标与背景进行分离，得到粗检测结果；S2、通过基于卷积神经网络的跨尺度与多形态自适应的红外小目标检测算法对粗检测结果进行二次真实目标筛选与捕获，得到细检测结果；其中的跟踪方法包括：S11、通过基于卷积神经网络的红外点目标跟踪算法对红外图像的细检测结果进行粗跟踪；S22、通过基于鉴别逻辑的多层次目标确认算法对粗跟踪结果进行判别，得到最终的每帧检测结果和跟踪航迹结果。本发明在目标呈现不同灰度和不同形态状况时均确保准确率，且不受干扰物影响。

摘要： 本发明公开了一种弱小目标检测方法、检测系统、存储装置及终端设备，所述弱小目标检测方法包括：获取图像；对所述图像进行初级信息处理，初步检测出弱小目标；而后，对于初级信息处理后的图像，在空域通道和频域通道分别提取出其结构分量特征和高频分量特征；将所述结构分量特征和所述高频分量特征整合为输出图像特征；根据所述输出图像特征提取出弱小目标。本发明增强了杂波抑制能力的同时也提高了检测效果的优异度。

摘要： 本发明提供的红外弱小目标检测方法及检测系统，通过计算原始图像的Facet方向导数特征，在所述Facet方向导数特征图的局部内，沿着当前方向计算相对极差对比度显著图，将各个方向上的所述相对极差对比度显著图进行融合得到显著性图像，再提取所述显著性图像的目标，本发明提供的红外弱小目标检测方法及检测系统，模型结构简单，计算复杂度低，并且可以基于卷积核近似计算，十分方便，具有很高的信杂比增益和背景抑制能力，弱小目标正确检测概率达到98％以上，实时性算法良好。

摘要： 本发明提供一种基于局部对比度的红外弱小目标检测方法及装置，所述方法包括设置一个滑动窗口，由该滑动窗口从左至右、自上而下遍历图像I(x,y)，将图像I(x,y)划分为个彼此不重叠的图像块，计算图像块的响应值；计算图像I(x,y)中每个像素点的对比度，将所述图像I(x,y)中的每个像素点的灰度值替换为对比度，得到对比度图；基于所述对比度图，获取显著图；获取目标检测阈值Th；基于所述目标检测阈值Th，将所述显著图转化为二值图像，并从二值图像中获得原始点集points；对所述原始点集points进行聚类分析，根据聚类结果获得目标的位置和尺寸。该方法能够提高目标检测的正确率。