红外与激光工程
2023, 52(5): 20220709
1 中国科学院光电技术研究所, 四川 成都 610209
2 中国科学院研究生院, 北京 100039
3 电子科技大学自动化工程系, 四川 成都 610054
针对红外弱小目标检测的难点，提出了一种将形态学滤波和Retinex相结合的检测方法。首先采用灰度形态学滤波来对红外图像进行预处理，然后运用Retinex理论对背景进行有效抑制，使图像的对比度和信噪比得到有效增强。该算法用弱小目标的红外图像进行了仿真验证。试验结果表明：该算法可有效的检测出弱小目标，具有检测速度快，抗干扰能力强，易于工程实现的优点。
红外图像处理 弱小目标 灰度形态学 Retinex理论 infrared image processing faint target gray morphology Retinex theory
中国科学院安徽光学精密机械研究所，安徽 合肥 230031
在低信噪比图像中检测慢运动小目标，无法利用尺寸、形状和纹理特征，使待测目标与噪声干扰形成的虚假目标相区分。基于小目标的慢运动特性及背景噪声的随机性，首先可以用多帧累积的方法检测到目标，再用区域生长法提取目标像素，进而，分析并验证累积帧数目、目标质心移动速度、图像处理算法对单帧检测概率及目标提取效果的影响。通过目标在两种质心运动速度下帧累积效果的对比，指出对非慢运动目标，帧累积法虽然可以有效预测其运动轨迹，但存在较大的单帧漏检率。
大气光学 大气相干长度 图像处理 帧累积 弱目标检测 atmospheric optics atmospheric coherence length image processing frame integral faint target detection 大气与环境光学学报
2008, 3(3): 0228
中国工程物理研究院应用电子学研究所,四川,绵阳,621900
鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标,提出了一种弱小目标检测新方法.考虑到实际应用中的复杂背景和大量干扰噪声,运用数据融合技术,先对图像进行小波多分辨率分解,然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标.用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证,实验图像取256×256像素点阵大小,其中目标占10×10像素左右.结果表明该方法能够准确稳定地检测弱小目标,为后续的跟踪作了很好的铺垫.
小波变换 数据融合 多分辨率分析 弱小目标 Wavelet transform Data fusion Multi-resolution analysis Faint-target
1 电子科技大学,光电信息学院,四川,成都,610054
2 中国科学院,光电技术研究所,四川,成都,610209
常规图像匹配模式主要利用了像素的灰度信息和形状信息,而弱小目标检测与跟踪过程中,这两种信息都缺乏明显特征,难于满足高精度、稳定跟踪的要求.提出一种新的匹配模式,即从图像数据里提取包括灰度、形状在内的多种特征信息.寻找一种简单有效的信息融合手段,进而获取一种综合特征,利用"综合特征"进行相似度量来确定目标的最佳定位.仿真计算结果表明,该方法是可行和有效的.
图像处理 多特征融合 K-L变换 图像匹配 弱目标检测 Image processing Multi-features fusion K-L transform Image matching Faint target detection
中国工程物理研究院,应用电子学研究所,四川,绵阳,621900
提出了一种弱小目标检测的新方法.从实际应用出发,考虑到复杂的背景和大量的干扰噪声,对传统熵值检测算法进行了改进,采用邻域熵值变化为检测标准.为了提高此方法的有效性,结合了灰度形态学滤波来对图像进行预处理.该检测算法的全过程为:首先对图像进行形态运算;然后对形态波后的图像进行邻域熵的计算;接着以计算所得的邻域熵的最大值和最小值为依据对图像进行分割,得到目标或目标边缘所处位置;最后用实地拍摄的空中弱小目标真实图像进行了实验验证.结果发现:该新方法可对弱小目标、大目标、多目标进行检测,且检测速度快,抗噪声干扰能力强.
目标检测 灰度形态学 邻域熵 弱小目标 Targets detection Gray morphology Neighborhood entropy Faint-target 强激光与粒子束
2004, 16(12): 1527
