辽宁工程技术大学软件学院,葫芦岛 兴城125100
针对现存背景抑制算法未能有效抑制复杂背景而导致的高虚警率及低检测率问题,提出一种基于六方向梯度差各向异性高斯滤波抑制、双层正交灰度差与对角灰度差目标增强、灰度指数自适应阈值分割的小目标检测算法。首先,采用高斯滤波技术融入梯度差思想设置一系列背景抑制策略;接着,将抑制后的图像利用正交灰度差与对角灰度差映射在双层滑窗上增强局部对比度,提高目标显著性;最后,通过像素灰度指数自适应分割算法检测真实弱小目标。实验结果表明,该算法的背景抑制因子指标高达93%,能随背景局部变化来自适应建立背景抑制模型,从而自适应抑制复杂背景突出目标。
弱小目标检测 六方向梯度差 高斯滤波 局部对比度 双层滑动窗口 激光与光电子学进展
2023, 60(16): 1612003
红外与激光工程
2020, 49(9): 20190569
海面目标受海水扰动影响, 难以被宽波段光电传感器探测识别。高光谱传感器可以获取海面目标和水体的光谱数据, 利用目标和海水的光谱特性差异可以有效抑制海面扰动影响, 提高探测识别能力。针对高光谱数据降维融合容易丢失海面弱小目标问题, 研究了弱小目标光谱数据融合方法。通过相似性分类产生类矩阵, 由类矩阵主成分变换的降维投影矩阵来投影变换原有光谱数据, 获得降维数据矩阵。降维矩阵通过空间变换转换到RGB彩色空间, 生成伪彩色融合图像。通过远距离弱小目标和水中鱼群高光谱数据, 验证了改进方法的融合性能。实验结果表明: 相似性分类融合方法不仅能将高维光谱数据融合成一幅伪彩色图像, 还能有效避免弱小目标融合丢失问题, 提高了目标探测识别能力。
海面侦察 弱小目标 光谱数据融合 降维矩阵 相似性分类 sea surface reconnaissance weak small target spectral data fusion dimension reduction projection matrix similarity classification
1 国防科学技术大学 ATR国防科技重点实验室,长沙 410073
2 国防科学技术大学 ATR国防科技重点实验室,长沙 410073:
空间目标虚警主要来自恒星目标、恒星目标拖尾、空间目标的拖尾、背景图像及噪声, 其虚警消除效果直接影响了整个天文光电观测系统的检测概率和虚警概率。在深入分析空间目标虚警来源的基础上, 根据不同类型的虚警在图像中的不同特点, 提出了相应的消除虚警的方法: 1)利用目标的基本特征消除虚警; 2)基于恒星目标拖尾和空间目标拖尾定位的方法消除其拖尾上的虚警; 3) 根据空间目标和恒星目标在差分处理前后的空间灰度分布变化和根据目标所在区域的图像在时域上的变化消除恒星目标产生的虚警; 4) 利用航迹信息确认目标, 消除虚警。最后结合自研的实时信息处理机平台和大量的实测数据, 验证了该方法的有效性及实时性。
空间目标 虚警消除 弱小目标检测 恒星目标 拖尾 space target false target elimination weak small target detection stellar target smear
国防科学技术大学 ATR 国防科技重点实验室,长沙 410073
地基大视场天文光电观测系统获取的序列图像中,空间目标和数目众多的恒星目标成像特性相似,大部分都表现为弱、小目标特性,需根据二者特征之间的微小差异实现目标的正确可靠识别。首先分别从空域和时域的角度出发,将目标的成像特征分为静态特征和动态特征,并提出了相应的特征计算方法。然后结合实测数据,根据目标的特征提取结果深入分析了空间目标和恒星目标的成像特征,并详细比较了两者的成像特征差异。空间目标和恒星目标的成像特征提取和分析,为空间目标虚警的消除提供了大量的判决依据,有助于空间目标的低虚警率检测识别。
空间目标 特征提取 弱小目标检测 质心计算 space target feature extraction weak small target detection centroid calculation
1 上海航天技术研究院,第八○三研究所,上海,200233
2 上海航天技术研究院,上海,200233
针对红外图像弱小点目标检测中遇到的难点,即信噪比低、帧间相对运动和强噪声干扰等问题,给出了一种帧间膨胀累积提高信噪比的方法,并且提出将1/f噪声白化和白噪声去除同步处理的新思路,大量的仿真实验证明,该方法能够很好地抑制噪声对图像的影响,大大提高信噪比,降低误检率.
红外图像 小波变换 弱小目标 1/f噪声 信噪比 形态膨胀 Infrared image Wavelet transform Weak small target 1/f noise SNR Morphological dilation