1 海军装备研究院, 北京 100161
2 华中光电技术研究所—武汉光电国家实验室, 湖北 武汉 430223
对于复杂云层背景下的红外弱小目标检测跟踪一直是图像处理的研究热点。受复杂云层和强光等因素的干扰,目标很容易淹没在背景中。针对传统方法无法兼顾较高的目标检测概率和较低的目标检测虚警率的问题,提出了一种目标检测跟踪方法。通过梯度预滤波的方法获取初始目标,二次比对的方法获取真实目标;通过目标航迹建立与删除的方法降低虚警率;通过抗云层遮挡卡尔曼滤波跟踪的方法提升目标检测能力。实验结果表明,该技术不仅很好地抑制了复杂云层背景和强光干扰背景,而且通过目标建航和抗遮挡跟踪等方法极大提升了目标检测概率,降低了虚警率。
云层背景 红外弱小目标 抗遮挡跟踪 检测概率 检测虚警率 卡尔曼滤波 目标航迹 cloud layer background dim small target tracking of cloud cover resistance detection probability detection false alarm rate Kalman filtering target path
国防科学技术大学 光电科学与工程学院,长沙 410073
提出一种利用最大平均相关高度(MACH)算法识别复杂云层背景目标的改进滤波器设计方法。在MACH滤波器设计中,通过对云层背景功率谱的统计特性分析,数据拟合得到云层背景功率谱的分布函数,用以代替传统的白噪声模型;提取飞行目标的姿态变化图像,并作阈值化处理,得到训练样本。对不同云层背景和姿态变化目标的相关识别结果表明:改进滤波器的平均峰值相关能量比为0.71%,峰值鉴别率为092,可以有效抑制云层背景的干扰,对姿态变化目标识别的鲁棒性较好。
光学相关识别 匹配滤波器 云层背景 最大平均相关高度 optical pattern recognition matched filters cloud backgrounds maximum average correlation height
西安电子科技大学 模式识别与智能控制研究所,陕西 西安 710071
提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。根据红外成像的特点,将红外云层背景弱小目标图像分为三类:边缘类、净空及云中类、弱小目标类[对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量[根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。
图像处理 云层背景图像 模糊分类 类别特征 红外弱小目标 目标检测
