1 陕西师范大学 物理学与信息技术学院, 西安 710119
2 西安航空学院 机械工程学院, 西安 710077
提出了一种自适应滤波的红外小目标检测算法, 该方法由背景去除与目标提取两层二维最小均方滤波器构成.分别引入背景模板与目标模板, 结合二维最小均方滤波方法对原始红外图像进行处理, 有效地剔除了背景噪声与杂波, 同时尽可能地保留了目标信息.在算法实现过程中, 提出了一种步长自动调整算法, 通过图像的统计参数自适应调整步长的大小, 可迭代出TDLMS滤波器的最优权值, 再与权重模板相融合, 有效增强了目标的检测效果.实验结果表明, 该方法能够适应不同背景下的目标检测, 有效提高了红外小目标的检测性能.
红外图像 目标检测 二维最小均方滤波器 自适应步长 模板迭代 Infrared image Target detection Two Dimensional Least Mean Square Filter (TDLMS) a Template iteration
陕西师范大学物理与信息技术学院, 陕西 西安 710062
提出了一种准确、快速的红外小目标单帧检测方法。该方法首先利用图像复原技术对红外小目标图像进行平滑预处理, 达到去噪、提高图像对比度的效果; 接着将滤波后的图像与原始图像做差分对消处理, 抑制背景杂波; 然后采用梯度法对残差图像进行锐化处理, 凸显小目标; 最后设置两个灰度级做阈值提取, 从而检测到红外小目标。仿真实验结果表明本算法能快速、准确的检测出目标点, 鲁棒性较好。
红外小目标 图像复原 背景差分 梯度锐化法 small infrared target image restoration background subtraction gradient sharpening method
陕西师范大学 物理与信息技术学院，西安 710119
为了克服背景差分法和帧间差分法的不足，有效提高运动目标检测的准确性、实时性和检测效率，提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像，然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分，之后再利用阈值分割技术实现运动目标的增强，从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明，该算法可以有效避免漏检、误检等情况，提高运动目标检测的效率和准确性.
运动目标检测 连续帧间差分 背景提取 背景差分 阈值分割 Moving target detection Continuous frame difference Background extraction Background difference Threshold segmentation
陕西师范大学 物理与信息技术学院, 西安 710062
提出了一种基于中值滤波与梯度法的红外小目标检测方法.该方法首先通过中值滤波对红外图像进行平滑处理, 接着采用背景差分技术将原始图像与经过中值滤波后的图像进行差分对消.在此基础上, 再使用梯度锐化法对残差图像进行边缘信息的增强.最后, 利用二值化处理凸显出目标点.该方法通过中值滤波与梯度法的互补效应实现了红外小目标的有效检测, 仿真实验结果证明了该算法的有效性.
红外弱小目标 中值滤波 背景差分 梯度锐化法 Small infrared target Median filter Background subtraction Gradient sharpening method
陕西师范大学 物理学与信息技术学院，西安 710062
针对复杂背景下红外小目标的检测与跟踪，提出了一种融合了top-hat算法、遗传算法以及粒子滤波器的新方法.该方法首先采用提取副帧的方法去除目标周围部分的背景和噪音，有效地减少了参与运算的像素数目；其次，将具有不同边缘特性的多个结构体应用于top-hat检测算法中，提高了副帧中预目标的有效性；接着，利用目标时空运动的相关性，结合阈值判断来去除虚假目标，增强了目标检测的可靠性；最后，将遗传算法引入粒子滤波算法，较好地改善了粒子的多样性，在保障跟踪实时性的同时，提高了粒子滤波的准确度.实验结果表明，该算法在检测准确度、跟踪准确度和鲁棒性都具有一定的优越性.
形态学滤波算法 遗传算法 粒子滤波 红外小目标 检测和跟踪 Morphological filtering algorithm Genetic algorithm Particle filter Infrared small target Detection and tracking
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
陕西师范大学 物理与信息技术学院，西安 710062
针对天空云层杂波与噪音背景下红外弱小目标的检测和跟踪问题，提出了一种基于时域和空域联合滤波的检测算法.首先对所获取的红外图像序列进行标准化预处理，再用时域滤波算法对预处理后的图像序列进行滤波，然后采用目标增强算法，对残留的云层杂波和噪音做进一步抑制.最后，通过实验对所提出的算法进行检验，结果证明了算法的有效性.
红外弱小目标 时域和空域联合滤波 标准化处理 Infrared(IR) dim target Temporal and spatial filter Normalization preprocess
1 陕西师范大学物理学与信息技术学院,西安,710062
2 西安电子科技大学电子工程学院210室,西安,710071
3 西北大学电子科学系,西安,710069
利用IRST(红外搜索与跟踪)系统所获取的各目标的角度及其红外光谱辐射功率和信息,通过对红外光谱辅射功率和的相关处理,运用选优的JPDA(联合概率数据关联)算法与IMM(交互多模型)算法实现了IRST系统的单站多目标跟踪,并通过两个仿真场景对算法性能进行了检验.仿真结果表明:在跟踪开始阶段,两个场景中的每个目标都能获得高精度的跟踪;当目标编队飞行时,算法能对各目标进行有效的跟踪,而且跟踪精确度也是令人满意的;当目标交叉飞行时,跟踪的误差明显加大,随着时间的延续,对远距离目标会失去跟踪能力,但对近距离目标仍能进行有效的跟踪.
红外 红外光谱辐射功率 单站 联合概率数据关联 交互多模型 多目标跟踪 IRSTS Irradiance Single observer Multiple target tracking IMM JPDA
1 陕西师范大学物理学与信息技术学院,陕西,西安,710062
2 西安电子科技大学,电子工程学院,陕西,西安,710071
建立了目标的多站IRST(红外搜索与跟踪)系统的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波算法.算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度.分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行跟踪的仿真结果表明:当探测器数目为3、4时,在跟踪初始阶段,伪线性卡尔曼滤波器在跟踪的速度和精度方面均优于推广卡尔曼滤波器,在稳定阶段,两者的性能基本相仿.当探测器数目为6时,则不论是在跟踪的初始阶段,还是在稳定阶段,伪线性卡尔曼滤波器与推广卡尔曼滤波器的性能基本相同.
红外搜索与跟踪 多站 无源跟踪 伪线性卡尔曼滤波 IRSTS multi-stations passive tracking pseudo-linear Kalman filter
1 西安电子科技大学电子工程学院210室,西安,710071
2 渭南师范学院物理系,陕西,渭南,714000
在传统的IRST(红外搜索与跟踪)系统的角测量基础上,增加了红外探测器对目标红外辐射的响应信息这一测量项,且将相邻两次测量的目标红外光谱辐射功率之比作为伪测量,以消除目标红外光谱辐射强度不确定所产生的影响,并由此构造了机动目标跟踪的IMM(交互多模型)算法.通过跟踪一个高机动目标的仿真过程,对算法性能进行了检验.仿真结果表明:当测量误差较小时,误差的变化对跟踪精度的影响不大,整个跟踪过程中,单个坐标轴上的均方差不超过7 m,而且,大多数时刻上的均方误差不超过3 m;当测量误差较大时,近距离(航迹前段和中段)的跟踪精度也是很高的,单个坐标轴上的均方差不超过5 m,但是,远距离的跟踪精度下降很快,最大误差达到110 m;速度误差与位置误差也有类似的结果.
红外搜索跟踪系统 红外光谱辐射功率 单站跟踪 IMM算法
