一种新的星载高分辨宽测绘带SAR运动目标检测与参数估计方法

针对星载多通道高分辨宽测绘带合成孔径雷达系统,提出了一种地面运动目标检测和参数估计方法,该方法利用空时自适应处理进行杂波抑制,采用传统SAR成像处理得到模糊的运动目标图像,接着利用恒虚警检测技术检测出所有运动目标,包括真实目标和由于多普勒模糊引起的虚假目标,再根据模糊图像的空间位置关系,从所有成像目标中检测出运动目标的真实成像位置,根据运动目标的斜距历程得到因运动目标速度引起的图像位置偏移,由此估计得到运动目标速度。该方法具有运算量小、检测精度高等优点,星载仿真数据验证了本文方法有效性。     

一种新的星载高分辨宽测绘带SAR运动目标

本文针对星载多通道高分辨宽测绘带合成孔径雷达系统,提出了一种地面运动目标检测和参数估计方法,该方法首先利用空时自适应处理进行杂波抑制,然后采用传统SAR成像处理得到模糊的运动目标图像,接着利用恒虚警检测技术检测出所有运动目标,包括真实目标和由于多普勒模糊引起的虚假目标,再根据模糊图像的空间位置关系从所有成像目标中检测出运动目标的真实成像位置,最后根据运动目标的斜距历程得到因运动目标速度引起的图像位置偏移,由此估计得到运动目标速度。该方法具有运算量小、检测精度高等优点,星载仿真数据验证了本文方法有效性。     

视频监控系统中的动目标检测新方法

在分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种适用于视频监控系统的基于视频序列像素时空相关性检测的动目标检测方法.该方法首先用每一帧中像素的空间相关性检测出目标,再用序列图像中目标的时间相关性检验目标的真实性,从而最终确定是否有运动目标.试验表明,该方法能很好地检测出运动目标,并具有较强的抗干扰能力.     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测     

一种改进的运动目标检测方法

提出的运动目标检测方法是基于动态阈值二值化图像,将帧差法与背景差法相融合,最终检测并提取出运动目标。通过VC++开发平台编程,并对监控图像中的运动目标进行检测实验,结果表明该方法与基于固定阈值二值化图像的方法相比能够更精确地检测出监控图像中的运动目标,且具备一定的鲁棒性。     

基于背景差的运动目标检测方法比较分析*

背景差是常用的运动目标检测方法,其基本思想是通过视频帧与背景参考图像的差分实现运动目标检测。背景差法的核心是背景模型的构造。首先介绍基于背景差的运动目标检测方法的关键步骤:预处理、背景建模、背景差分、后处理;其次介绍几种典型的单背景和多背景模型;然后利用自适应背景模型、中值滤波、卡尔曼滤波、混合高斯模型等进行运动目标检测,并从速度、存储开销、准确率等方面对这些方法进行了分析比较。实验结果表明,单背景模型具有更快的检测速度,而多背景模型的检测准确度更高。     

基于DSP的运动目标检测算法优化

本文针对视频图像运动目标检测算法数据量多、处理速度慢的缺点,提出了对运动目标检测算法的优化方法,使用基于TMS320C64X系列DSP的程序优化方法对运动目标检测代码进行优化,采用了编译器选项、内联函数与宏定义、查找表、软件流水等优化方法,最后综合分析了相关优化方法对于时间性能的改进情况,实验结果证明了优化方法的有效性。     

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。     

基于连续帧的红外小目标检测技术

提出了一种基于连续帧的远距红外小目标检测技术。通过对原始红外图像进行增强型简化高通滤波提高图像信噪比,用基于直方图迭代得到的阈值二值化后,得到小目标图像。为了确保目标检测的可靠性,利用连续多帧确定截获的目标。仿真结果表明该算法可实现在低信噪比复杂背景中对远距小目标的快速稳定截获。     

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。     

An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.     

基于SMC的红外序列图像目标检测算法

提出一种海天背景下红外序列图像自动目标检测算法。该算法针对输入图像严重的非高斯分布噪声干扰和目标在序列图像中的非线性运动特性,基于SMC(Sequence Monte Carlo)方法通过目标的特征统计值影响蒙特卡罗采样的粒子权值,再利用该权值控制粒子状态变化,最终在目标特征图像中检测和跟踪目标,使用差分图像作为特征图像。试验结果证明,该算法可准确有效地检测目标,适合快速处理的实时性。     

逆合成孔径雷达成像运动补偿自聚焦方法研究

讨论了逆合成孔径雷达（ＩＳＡＲ）成像运动补偿的途径,建立了动目标回波信号模型,在此基础上提出了利用图像熵和串导出值来估计目标的运动参数,以进行运动补偿。仿真证明这两种方法在目标运动相对平滑时能够实现最优成像。     

基于改进的混合高斯模型的背景建模方法

提出了一种基于改进的混合高斯模型的背景建模方法,克服了经典混合高斯模型方法计算量大和对长时间静止物体转为运动及光照突变较为敏感的缺点。首先,在经典混合高斯模型方法的基础上,引入了一种新的高斯分布个数的自适应选择策略,提高了建模效率。其次,分析了经典混合高斯模型方法对长时间静止物体转为运动及光照突变较为敏感的原因,采用了一种不同区域更新率的自适应选择策略,能够迅速响应场景的变化,有效地解决了大面积误检问题。通过在典型的场景下与经典混合高斯模型方法进行比较,验证了本文算法的有效性。     

低空复杂场景红外弱小目标快速精准检测

针对低空复杂场景下红外弱小动目标检测难度大、虚警率高等问题,面向探测系统中高帧频图像实时处理应用需求,提出基于全卷积网络的弱小目标精准检测方法和基于现场可编程逻辑门阵列(field programmable gate array, FPGA)的低时延并行处理方法。采用轻量化全卷积网络对红外图像中弱小目标进行空域检测,对相邻图像帧疑似目标进行时域轨迹关联以进一步降低虚警率。实验结果表明:上述方法相比于五种传统方法在检测率和虚警率性能方面均有显著提升,并在单片FPGA上完成100 Hz图像实时处理,处理时延低于1.8 ms,实现低空复杂场景弱小目标高精度高鲁棒快速实时检测。     

基于显著性的红外图像强固定模式噪声抑制*

本文针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据提出基于显著性的红外图像强固定模式噪声抑制算法。文中首先对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。最后,通过大量小目标、强固定模式噪声红外图像对算法性能进行测试,结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。