红外与激光工程
2021, 50(4): 20200377
红外图像受随机噪声干扰严重。传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响, 不易准确辨识。为了准确识别红外目标, 采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法。首先利用高斯混合模型定位红外目标区域的位置, 然后利用基于空间信息的分水岭算法得到闭合区域, 再利用基于脉冲耦合神经网络的分割算法剪切其虚影, 最终检测到完整的运动目标。结果表明, 该方法能够消除在传统方法中产生的虚影现象, 得到精确的红外运动目标。通过比较, 实验结果优于传统方法。
图像处理 目标检测 脉冲耦合神经网络 高斯混合模型 红外序列图像 image processing target detection pulse coupled neural network Gaussian mixture model infrared image sequence
为提高搜救航拍中生成大视场红外图像的效率，提出一种序列图像提取关键帧的方法。分析图像获取系统的运动参数和获取红外图像的内方位元素，采用（.,.,.）转角系统作为图像的外方位元素，根据摄影测量中的共线方程式计算序列图像间的重叠率，并以相位相关法对计算出的重叠率进行验证。最后根据计算出的重叠率和采用的 Harris拼接算法所要求的最佳重叠率，来确定序列图像中的关键帧。试验结果表明，计算出的重叠率可以作为关键帧提取的标准，待拼接的图像数量减少，生成大视场图像的效率提高 88.71%。
红外序列图像 关键帧 共线方程 相位相关 infrared image key frames collinear equation phase correlation Harris Harris
中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
针对光电经纬仪跟踪测量过程的红外高炮序列图像的弹点目标, 进行了相关研究。结合目标弹道轨迹规律, 动态预测下一弹点位置, 以预测点为中心的小范围图像区域内, 使用最大类间差 OSTU阈值法分割图像, 对分割后的二值化图像进行连通性分析, 提取出目标的脱靶量。以分辨率 640×512的 1000帧红外序列图像为实验数据, 能够在 2 min内自动处理完成, 且目标提取准确度 99%以上。
红外序列图像 光学测量 目标弹道轨迹 IR serial image optical measurement trajectory OSTU OSTU
国防科技大学光电科学与工程学院， 湖南 长沙 410073
为满足红外图像无缝拼接的需要，提出了一种基于红外序列图像的灰度非均匀性校正 算法。该算法利用灰度非均匀区域的相对稳定性，通过对拍摄的大量红外序列图像求平均，获得相机灰度校 正的模板图像。然后利用此模板对各帧图像进行校正，实现在同一幅度照射下各像素灰度的一致性。最 后利用由HJRG–001型红外热像仪获得的红外视频图像序列进行拼接实验，并使用SURF算法对校正后的序列图像 进行拼接。实验结果表明，该方法简单快速，有效地校正了由成像系统造成的图像灰度非均匀性，并且在保持图 像清晰度的前提下，明显消除了拼接缝，提高了拼接图像的质量。
红外序列图像拼接 灰度非均匀性校正 校正模板 无缝拼接 infrared image sequence mosaic grayscale nonuniformity correction correction template seamless mosaic
1 信息工程大学测绘学院,河南郑州450052
2 江西省数字国土重点实验室
红外序列图像的匹配处理是在一系列红外图像内寻求像素点对应关系的过程,它直接涉及并影响到红外图像配准的精度,是视频目标识别、定位、跟踪等处理的关键技术之一。匹配中为了加快搜索速度,采用了金字塔策略。针对红外图像信噪比低的特点,预处理时引入了小波间值算法对红外图像进行滤波处理;针对无人机红外序列图像间旋转角度大的特点,采用81FT 算法对灰度序列图像进行了匹配,并结合相关系数控制的方法,进一步去除错配点。匹配时不受传感平台较大角度旋转的影响,从而取得了良好的效果。
红外序列图像 去噪81FT 旋转不变性 图像匹配 无人机视频 infrared sequence irnage De-noising 81FT rotation invariant irnage rnatching unrnanned Aerial Vehicle (UAV) Video
南京理工大学,计算机科学与技术学院,江苏,南京,210094
对红外序列图像中的人体检测问题进行了研究,提出一种新的人体检测方法.首先采用自适应高斯混合模型对序列图像中背景进行建模,在准确分割出前景运动目标的基础上,提出了一种新的人体形状表达模型,充分考虑了多个人体发生粘连或互相遮挡的情况,并用亮度投影的方法对其进行分离;以人体表达模型作为输入向量,构建支持向量机(SVM,Support Vector Machine)对人体进行分类判别.不同红外视频序列的检测结果表明了所提出算法在单个人体和多人体情况下均具有较好的鲁棒性和可行性.
人体检测 红外序列图像 支持向量机 高斯混合模型
华中科技大学,多谱信息处理技术国防重点实验室,湖北,武汉,430074
提出了一种用于动态序列图像目标跟踪的自适应Kalman滤波方法.该方法用函数估计的思想估计目标的当前运动模型,同时实时修改滤波器的统计模型,并将最小二乘支持向量机应用于对当前目标运动模型的估计.实验表明,此种改进的Kalman滤波器的算法在跟踪机动目标时具有良好的性能.
目标跟踪 红外序列图像 Kalman滤波 自适应滤波 运动模型估计 最小二乘支持向量机
中国工程物理研究院,应用电子学研究所,四川,绵阳,621900
针对空中红外点目标的特性,提出了一种检测算法.首先,对图像进行高通滤波预处理,增强目标与背景的对比度.增强后的相邻帧图像做差分运算以进行目标的粗检测,提取出候选目标区域;其次,对原图像或预处理后的图像在候选区域内进行自适应分割,检测出点目标;最后,根据目标像素在序列图像中运动的连续性排除噪声干扰,从而准确地检测出真实目标.通过对红外图像序列进行实验,证实了算法的有效性.
红外序列图像 点目标 高通滤波 检测 IR image sequence Point target High-pass filtering Detection
