华中科技大学,图像识别与人工智能研究所,图像信息处理与智能控制国家教育部重点实验室,湖北,武汉,430074
在复杂背景的图像序列中检测小目标一直是研究重点.提出了一种基于模式侧抑制的复杂背景下小目标检测的方法.将复杂背景下的小目标检测问题看作是在大量相似模式中寻找某个特殊模式的模式识别问题.通过建立基于模式的侧抑制网络模型,在模式空间中对模式进行侧抑制处理,达到突出特殊模式抑制相似模式的目的.同时指出,用该方法对图像进行多级处理可进一步改善处理效果.进行了该方法与去局部均值滤波、基于形态学Top-Hat算子滤波、多级滤波和基于侧抑制理论滤波四种传统方法的比较实验,并将信杂比(SCR)及信杂比增益作为评价算法性能的指标.实验结果表明,提出的方法在提高图像信杂比方面要优于其他几种方法,能有效抑制背景杂波,提高对目标的单帧检测能力.
小目标检测 复杂背景 模式侧抑 Small target detection Clutter Pattern lateral inhibition
国防科技大学,ATR重点实验室,湖南,长沙,410073
针对红外警戒与跟踪系统中的实时弱小运动目标检测问题,提出了一种基于时空域融合滤波的小目标检测算法.算法在空域上利用形态学Tophat滤波抑制背景增强目标,在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性,利用相邻帧中可能目标点之间的位置关系判别目标.算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比.通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率,抗噪声干扰能力强.算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中.
小目标检测 Tophat变换 时空域融合 Small target detection Tophat transform Temporal-spatial fusion
1 华中科技大学,图像识别与人工智能研究所,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 天津津航技术物理研究所,天津,300192
3 中国航天科工集团公司第三研究院,北京,100074
针对红外序列图像中弱小目标检测问题,提出了用最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,实现目标的粗定位.真正的目标取决于中心点的灰度是否高于其邻域的平均灰度.并以径向基核函数为例推导出了极值点估计所需的二阶方向导数算子.对模拟和实际图像进行了小目标检测的实验验证.结果表明,基于支持向量机的小目标检测算法具有较强的适应性.
小目标检测 最小二乘向量机 径向基核函数 Small target detection Least square support vector machine Radial basis function
电子工程学院,航天信息对抗教研室,安徽,合肥,230037
利用BP神经网络对红外目标进行识别之前,若不对原始样本数据进行预处理与特征提取,一方面使识别结果准确性降低,另一方面使BP神经网络的结构复杂化,采用主成分分析法可解决这些问题.主成分分析法能较好地提取表征样本的少数几个主分量,由该方法的特点可知,这几个主分量彼此不相关,非常符合特征优化的要求.研究结果表明,用该方法处理后的结果数据输入BP神经网络,提高了识别正确率,减少了训练时间,同时也简化了网络结构.将两种常见的模式识别方法结合用于红外目标识别:先由主成分分析法对原始样本数据进行精简处理,然后再由BP神经网络法进行分类识别,与传统的单一识别方法相比,准确度得到提高,计算量大为减少.
神经网络 主成分分析 目标识别 Neural network Principal component analysis Target recognition
山东大学,信息科学与工程学院,山东,济南,250100
序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者.为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法.采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪(TBD)的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测.理论分析和仿真结果表明,该算法简单易行,既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制.
目标检测 目标分割 背景抑制 点目标 Target detection Target segmentation Background suppressing Point target
国防科技大学,ATR实验室,湖南,长沙,410073
以往目标识别技术多针对独立目标,但事实上目标有时会以成群的方式出现,目标之间呈现出明显的有规则的阵列分布关系,即目标阵列群.针对该类目标群的识别问题,可以通过提取目标群中子目标之间的空间分布关系的规律与特征,来弥补子目标的其他特征的不确定性.提出一种可有效识别低分辨率环境下(遥感、红外、多光谱等图像中)具有规则阵列分布特征的斑点目标集合的方法.该方法使用ARG模型描述目标阵列群,将目标相互之间的空间分布关系(距离关系)与目标自身的简单属性相结合,通过寻找空间分布关系特征与自身属性的统计规律,即估计特征的联合概率密度分布,利用其分布特点识别目标阵列群.
目标识别 目标特性 ARG模型 空间信息 模式识别 Target recognition Target feature ARG model Spatial information Pattern recognition
国防科学技术大学,ATR实验室,湖南,长沙,410073
针对低信噪比下运动点目标检测这一难题,提出了一种新算法--分段复合速度匹配法,该方法通过递推使用速度匹配滤波器有效地实现了目标的能量累加.与其他检测算法相比,该方法具有运算简单、检测时间快等特点.时新算法的原理和性能进行了详细分析,并通过实验证明了该算法的有效性.
检测前跟踪 点目标检测 低信噪比 分段复合速度匹配法 Track-Before-Detect Point target detection Low SNR Multistage Velocity Matching Algorithm
通过分析由于红外目标的出现引起的红外图像局部区域在灰度均值、方差、三维图形上的变化,分别提出了三种不同的红外目标增强方法.在此基础上,通过搜索局部能量极大值点,确定目标的最大可能位置作为种子点,利用种子区域生长算法,实现目标和背景的分离,最终将目标从背景中提取出来.对大量海空背景下的点、斑点目标图像进行了实验,取得了较好的效果.
红外目标检测 局部均值 局部均值对比度 局部方差 局部区域形态 Infrared target detection Local mean Degree of local mean contrast Local variance Local region morphology
该读数图像自动识别系统利用CCD摄取瞄准设备读数图像经采集卡采集，运用软件的方法实现了字符识别与刻线定位，从而完成了瞄准设备方位读数的计算机动态精确自动判读。文中重点介绍了系统的硬件框架组成、软件模块结构、字符识别的连通域处理算法、刻线精确定位的内插细分算法以及系统总读数的合成。系统字符识别的正确率几乎100%，刻线定位精度达1″以上。
瞄准设备 字符识别 模板匹配 连通域处理 Aiming equipment Character recognition Templet matching Connected area disposal
根据被测图像纹理背景和目标区域在小波变换域内图像能量分布的不同，以及经过多尺度分解后在各子空间信息分布的不同，提出与背景纹理的方向无关，把目标的变化具有旋转、平移以及尺度不变性的能量特征作为检测的依据。实验证明该方法具有较好的适应性。
多尺度分析 能量特征 目标检测 图像 Multiscale analysis Energy feature Target detection Image
