基于减背景技术的运动目标检测方法研究

首先利用统计的方法得到背景模型,并实时地对背景模型更新,以适应光线变化和场景本身的变化;减背景操作后,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动带来的影响;最后在HSV色度空间下检测阴影,得到准确的运动目标。     

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,Fr FT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。     

改进的基于背景预测的红外弱小目标检测方法

提出一种改进的基于背景预测的红外弱小目标检测的算法,该算法通过"裁判模型"自动排除预测窗口内偏离真实值的噪点,从而减少了噪声和背景起伏对背景预测的影响,不仅能解决传统预测算法的边缘模糊问题,而且有较强的抗噪声特性,尤其适用于具有复杂云层的空背景,是背景预测算法的一个重要扩展.针对实际红外图像的实验仿真表明,该算法是有效的.     

基于小波变换与数学形态学的红外图像分割方法

提出一种基于小波变换和形态学相结合的红外图像分割方法,该方法利用小波变换和形态学消除红外图像的混合噪声,抑制背景干扰和增强目标;通过选择适当的结构元素进行系列形态组合运算,自适应确定阈值,提取目标;利用形态学水线区域分割法对图像进行分割,分离目标区域。实验结果表明,该方法能有效检测和分割出低信噪比复杂背景红外图像中的目标。     

考虑相位噪声影响的单阵元被动合成阵列算法

考虑到现有单阵元被动合成阵列算法对阵元的运动模型假设过于理想且对相位噪声的适应能力不足,首先,提出一种适用于阵元任意机动方式的单阵元被动合成阵列通用算法,进而通过相位噪声模型分析,给出最大相参时间及有效合成阵元数的选取方法,重建了合成阵列的流形矢量,得到了与相位噪声模型相匹配的改进算法.然后,在相位噪声影响条件下,推导了单阵元被动合成阵列波达方向的理论估计方差下限.仿真分析表明,较未考虑相位噪声影响的算法,改进算法能够有效提高相位噪声影响下的单阵元被动合成阵列测向精度.     

PCNN图像分割新方法

为了解决脉冲耦合神经网络(PCNN)难以确定最优分割结果以及脉冲产生门限由非线性方法计算得到的问题,提出了一种基于PCNN的图像分割新方法.该算法采用线性方式动态调整脉冲门限,采用二维最大相关准则确定PCNN网络的循环迭代次数,并引用中值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

基于改进噪声检测的迭代中值滤波算法

提出了一种基于改进噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中噪声检测方法改进了IMFLED方法,进一步降低了误检率和漏检率。经过仿真实验并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

基于形态学和高阶统计量的弱小运动目标检测

为检测复杂背景中的红外弱小运动目标,提出了一种基于形态学滤波和三阶累积量分析的检测方法。该方法采用形态学背景估计方法对红外图像序列进行预处理,提高图像信噪比,并消除高亮度大尺寸背景和图像边缘对高阶累积量估计造成的影响。利用高阶累积量对高斯噪声是"盲的"这一特点,基于红外图像序列构造三阶累积量作为统计判据检测图像中的弱小运动目标。仿真实验表明,该方法能够连续有效地检测红外弱小运动目标。     

基于改进截断正态概率密度模型的防发散多尺度卡尔曼滤波

借鉴对机动频率建模的思想,对机动目标的截断正态概率密度模型进行改进,提出了一种改进的截断正态概率密度模型(ICN模型),并将防发散算法与多尺度估计理论结合,用克服滤波器发散的S(k)算法对基本的多尺度估计进行机动检测和相应改进,得到单模型单传感器系统的防发散多尺度估计算法,旨在减小噪声影响,减小机动目标模型不准确带来的跟踪误差,改善跟踪效果。     

一种基于级联滤波设计的背景噪声均衡方法

针对阵列信号处理中背景噪声对目标检测影响问题,提出一种基于级联滤波设计的背景噪声均衡方法.该方法依据背景噪声起伏特性设计多尺度组合形态学滤波器对空域重采样数据进行处理,降低不同方位起伏噪声对目标检测的影响;根据噪声特性设计同态滤波器,降低乘性噪声对目标检测的影响;按类内类间离散度比最小准则实现背景噪声门限的自动推荐,进而实现对背景噪声均衡处理,提升对目标检测概率.数值仿真和实测数据处理结果表明:相对S3PM方法和OTA方法,在两者失效的情况下可有效实现对目标检测和判决,对环境适应性提高了近3 dB;有效降低了背景噪声对目标检测性能的影响,提高了目标检测的环境适应性.