红外弱小目标

摘要： 随着红外预警探测技术的发展以及军事化作战需求的提高,满足低虚警、高检测精度的红外弱小目标检测算法一直是国内外研究重点。本文首先从成像特点、数学模型构建以及背景杂波干扰等方面阐述了弱小目标的特征与检测难点。然后分类介绍了近些年来提出的单帧弱小目标检测算法,并对算法的优势和不足进行了分析。最后结合当前红外预警探测领域的实际应用需求,分析了红外弱小目标检测算法未来的发展趋势。

摘要： 针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5(You Only Look Once)的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值(mean Average Precision,m AP)可达99.6%以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低。

摘要： 弱小目标检测是红外探测与跟踪任务中的经典难题。针对复杂背景下红外弱小目标普遍存在检测率低、虚警率高的问题,提出一种基于区域双邻域显著图(Regional Bi-Neighborhood Saliency Map,RBNSM)的复杂背景红外弱小目标检测新方法。利用弱小目标的局部先验特性定义滑动窗口并划分为多个单元,计算中心单元前若干个最大灰度的均值来凸显弱目标;分别构建中心单元的相接邻域和相隔邻域并计算各自的灰度均值,进而,从不同方向上提取两邻域显著图并点乘二者以进一步抑制杂波背景、增强弱小目标;最后,通过自适应提取准确检测目标。多种典型红外复杂背景图像和SIRST数据集检测结果表明:与7种代表性方法相比,RBNSM在复杂背景下具有更好的检测性能与杂波抑制能力。

摘要： 针对传统动态规划检测前跟踪(DP-TBD)算法在背景复杂度高且信噪比低的红外弱小目标图像中检测概率低的问题,提出了一种基于局部梯度强度图的动态规划检测前跟踪(LIG-DP-TBD)算法。该算法首先采用局部梯度强度算法(LIG)对帧序列图像进行预处理,从而得到一个新的量测模型;再根据相邻帧值函数的相关性,构造一种全新的值函数;利用动态规划检测前跟踪算法(DP-TBD)对新的值函数进行多帧积累,从而实现对弱小目标的检测前跟踪。蒙特卡洛仿真实验结果表明,在信噪比低于4dB的情况下,该算法的检测概率较传统DP-TBD算法和DBT算法相比提高了约10%。同时,在背景复杂的真实红外弱小目标序列图像中,该算法可以在恒定虚警率条件下有效地进行弱小目标的检测前跟踪,提高了目标的检测概率。

摘要： 目标检测技术是安防监控、预警探测、遥感成像等装备的核心要素,也是当前深度学习研究领域的热点之一。红外探测系统通过被动接收物体发射的红外电磁波进行成像,具备温度灵敏度高、探测距离远、被动探测隐蔽性强等优点,在目标探测领域有广泛的应用。文中从红外弱小目标图像的特点出发,针对基于深度学习的视觉图像目标检测算法进行分类描述,并对深度学习在红外弱小目标检测中的有效手段进行总结,最后对未来的发展趋势做出展望。

摘要： 红外弱小目标图像因其背景复杂、信杂比低、目标尺寸小、目标亮度低等特点,较难检测。首先对红外弱小目标图像进行了特征分析与统计特性的计算,作出了红外图像的灰度空间分布图和直方图,分析不同背景下的红外图像的特征,同时提出了新的局部信杂比的计算方式,对不同背景的红外图像进行了统计特性的计算;其次,提出了采用MPCM算法对弱小目标进行增强。实验结果表明,经过MPCM算法增强的弱小目标亮度增加,局部信杂比增益得到较大提高,为后续红外弱小目标的检测奠定了基础。

摘要： 针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法。检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框(anchor)大小的选取更加合理。在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感。改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响。仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13%,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3%,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率。

摘要： 在复杂背景中有效提取出真实红外弱小目标是红外搜索与跟踪系统中的一个技术难点,针对该问题提出了一种基于特征组合分类的杂波背景下红外弱小目标检测算法.算法分析了红外目标成像模型和典型干扰杂波的灰度特性,选取了一组可以有效区分红外弱小目标和干扰杂波的特征组合获得先验知识,然后利用支持向量机(SVM)对不同特征组合进行学习和评估,实现真实目标和干扰杂波的有效分类.试验结果表明,该算法能显著提高红外弱小目标的检测概率,在虚警率0.7个/帧条件下,检测概率可以达到0.78,显著高于经典tophat算法0.55的检测概率.

摘要： 为了提升基于人类视觉系统检测方法的检测率、检测速度和场景适应能力,构建了一个多场景红外弱小目标数据集,提出了一种基于视觉注意机制的红外弱小目标检测算法。从自底向上的机制出发,提出多尺度灰度-方差估计,快速计算显著图并估计出最优目标尺寸,使用基于加速分割测试特征的角点检测算法快速提取候选目标,并引入非极大值抑制去除冗余。从自顶向下的机制出发,结合生物侧抑制理论与余弦相似度,提出了软竞争模糊自适应共振网络,并设计一个特征集对目标进行描述。最后,使用网络训练所得模型完成对候选目标的识别。实验结果表明:与5种代表性基于人类视觉系统的方法相比,本文方法具有更高的检测概率和更快的检测速度,且在不同场景的性能更具稳定性。

摘要： 由于红外弱小目标尺度小、能量弱,所以抑制背景以增强目标使后期检测跟踪性能得到保障是关键的目标检测技术环节.为了提高梯度倒数滤波算法对杂波纹理的抑制能力,减少差分图像中残留纹理对目标的干扰,本文提出了自适应梯度倒数滤波算法(AGRF).AGRF算法通过分析背景区域、杂波边缘纹理、目标的分布特性和统计数字特征来确定邻域像素间相关性的自适应联合判定阈值和自适应相关度系数函数,然后联合相关度系数函数和梯度倒数系数来确定自适应梯度倒数滤波器的元素值.实验结果表明,在具有相同目标增强性能的前提下,AGRF算法相比传统梯度倒数滤波算法对杂波边缘纹理的敏感度明显降低.相比九种对比算法,AGRF算法能够在背景抑制和目标增强这两者之间取得更好的性能平衡.

摘要： 小波阈值降噪是红外弱小目标检测中广泛应用的方法,但是单一阈值对于不同背景杂波,不同噪声分布的图像检测适应性差,检测效果不理想.针对上述问题,本文提出了基于多项差分因子的动态阈值目标确认策略,对小波阈值降噪后的潜在目标点通过多项差分因子算法进行目标确认,通过双阈值由高到低滑动提高自适应性.仿真结果表明,该算法能够很好地抑制背景噪声,提取目标点,保证较理想的检测概率和较低的虚警概率.

摘要： 随着红外成像技术研究的不断深入，在国防军事，医疗和交通等领域中对于目标的准确跟踪的需求越来越广泛，相关的跟踪算法也受到研究者的重视。文章详细介绍了一种关于红外弱小目标的跟踪算法，即Meanshift跟踪法，并对其进行软件仿真实验，充分地体现了该算法相应的性能优势，使读者了解目标跟踪的原理及本质。

摘要： 本文提出一种新的红外弱小目标实时跟踪方法。首先对红外图像作预处理，对基本的最大化背景预测方法进行改进,从而有效地抑制背景,降低虚警概率；其次,采用最大熵模糊聚类方法对预处理后的红外目标进行跟踪。由于算法不需要对数据进行训练,因此算法执行时间短,精度高,是一种有效的实时跟踪方法。

摘要： 提出了基于背景预测的单帧检测弱小目标改进算法.该算法采用改进的最大值背景预测算法.为了能同时检测点目标和小目标,预测背景的四个预测窗的位置与目标点之间保持一定的距离,保证预测窗中的像素能准确反映当前像素灰度中的背景灰度信息.为了保证单帧的较低的虚警率,同时结合多方向多极梯度算法,对背景预测初步检测出来的可能目标点进一步检测,以排除绝大多数的虚假目标.经实验证明,该算法在单帧图像上能很好的检测出弱小目标来,并能满足实时性的要求.

摘要： 本发明涉及天基遥感数据处理技术领域的一种天基红外暗弱小运动目标检测方法,包括：S1.对红外遥感数据进行预处理，增加目标与背景的对比度，形成红外影像序列；S3.利用目标的时间域特征，提取目标的运动区域；S5.基于Tophat背景建模法，在空间域识别并提取潜在目标点；S7.对目标在时间域和空间域上的特征进行联合处理，实现目标识别。通过本发明的方法，有效抑制了传统方法目标检测的虚警率，并提升对运动的暗弱小目标的检测效果。

摘要： 本发明公开了一种抗红外诱饵干扰的弱小目标检测方法和装置，所述方法包括：判断每帧图像是否存在红外诱饵干扰，将存在红外诱饵干扰的图像作为待检测图像；对所述待检测图像进行直方图变换拉伸处理，得到增强图像；对所述增强图像进行形态学滤波处理，得到噪声抑制图像；对所述噪声抑制图像进行最大类间方差阈值分割，得到若干候选目标；通过对所述若干候选目标进行滤波，得到最终目标检测结果。本发明能够根据设计的直方图自适应模式准确判断出是否存在红外诱饵干扰，还能够检测出弱小目标，剔除杂波干扰，检测概率高、虚警率低，能够为目标识别跟踪提供稳定的检测结果，而且还具有较高的实时性，能够应用于实际工程中。

摘要： 本发明公开了一种红外面阵相机抖动的红外弱小目标图像序列仿真方法，主要用来生成大量测试红外面阵相机抖动的红外弱小目标图像场景。其方法实现包括：采集图像背景并仿真目标图像背景，创建目标模型，设置目标航迹，合成目标图像，设置抖动参数，生成抖动偏移量，计算抖动后成像行数，计算抖动后成像信号，生成抖动目标图像，输出红外面阵相机抖动的红外弱小目标图像序列。本发明具有计算量小，红外面阵相机抖动的红外弱小目标图像真实度高，纹理细节特征丰富并且红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹，红外面阵相机抖动参数可控制的优点。

摘要： 本发明公开了一种红外扫描相机抖动的红外弱小目标图像序列仿真方法，主要用来生成大量测试红外扫描相机抖动的红外弱小目标图像场景。其方法实现包括：采集图像背景并仿真目标图像背景，创建目标模型，设置目标航迹，合成目标图像，设置抖动参数，生成抖动偏移量，计算抖动后成像行数，计算抖动后成像信号，生成抖动目标图像，输出红外扫描相机抖动的红外弱小目标图像序列。本发明具有计算量小，红外扫描相机抖动的红外弱小目标图像真实度高，纹理细节特征丰富并且红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹，红外扫描相机抖动参数可控制的优点。

摘要： 本发明公开了一种红外扫描相机抖动的红外弱小目标图像序列仿真方法，主要用来生成大量测试红外扫描相机抖动的红外弱小目标图像场景。其方法实现包括：采集图像背景并仿真目标图像背景，创建目标模型，设置目标航迹，合成目标图像，设置抖动参数，生成抖动偏移量，计算抖动后成像行数，计算抖动后成像信号，生成抖动目标图像，输出红外扫描相机抖动的红外弱小目标图像序列。本发明具有计算量小，红外扫描相机抖动的红外弱小目标图像真实度高，纹理细节特征丰富并且红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹，红外扫描相机抖动参数可控制的优点。

摘要： 本发明公开了一种红外面阵相机抖动的红外弱小目标图像序列仿真方法，主要用来生成大量测试红外面阵相机抖动的红外弱小目标图像场景。其方法实现包括：采集图像背景并仿真目标图像背景，创建目标模型，设置目标航迹，合成目标图像，设置抖动参数，生成抖动偏移量，计算抖动后成像行数，计算抖动后成像信号，生成抖动目标图像，输出红外面阵相机抖动的红外弱小目标图像序列。本发明具有计算量小，红外面阵相机抖动的红外弱小目标图像真实度高，纹理细节特征丰富并且红外弱小目标大小，红外弱小目标信噪比，红外弱小目标运动速度，红外弱小目标航迹，红外面阵相机抖动参数可控制的优点。

摘要： 本发明提供了一种基于目标检测模型的红外弱小目标实时检测方法和系统，构建了红外弱小飞机检测数据集，其次对提取特征主干网络进行了重新设计，使得网络能够更适应弱小目标的特征提取；再次在骨干网络后添加空间金字塔池化层，以获得不同的感受野，使得网络模型对弱小目标的定位能力增强；最后针对红外弱小目标尺寸较固定和单一，减少检测头，并通过特征金子塔将浅层信息与深层信息进行融合，使得网络具有更高的检测准确率和具有更强的鲁棒性。本发明不仅提高了在复杂背景下弱小目标检测的准确率和速度，还提高了弱小目标检测算法的鲁棒性及适应性。

摘要： 本发明公开了一种基于半监督孪生网络的红外弱小目标跟踪方法，首先根据目标位置获取目标图像和搜寻区域图像，接着将搜寻区域图像输入至滤波网络进行编解码操作得到响应权值图，利用响应权值图对搜寻区域图像进行激活得到滤波图像，再将目标图像和滤波图像输入至特征提取网络提取特征并分别计算自注意力和交叉注意力，最后对各自分支的两种注意力融合后将两个分支的最终输出进行相关性计算，得到目标在当前帧的准确位置。本发明所提出的红外弱小目标跟踪方法，使用半监督的方式训练滤波网络，能够有效抑制红外图像中的背景噪声；充分利用目标图像和搜寻区域的注意力信息，在满足实时性要求的基础上显著的提高了对红外弱小目标的跟踪精度。

摘要： 本发明提供一种基于局部对比度的红外弱小目标检测方法及装置，所述方法包括设置一个滑动窗口，由该滑动窗口从左至右、自上而下遍历图像I(x,y)，将图像I(x,y)划分为个彼此不重叠的图像块，计算图像块的响应值；计算图像I(x,y)中每个像素点的对比度，将所述图像I(x,y)中的每个像素点的灰度值替换为对比度，得到对比度图；基于所述对比度图，获取显著图；获取目标检测阈值Th；基于所述目标检测阈值Th，将所述显著图转化为二值图像，并从二值图像中获得原始点集points；对所述原始点集points进行聚类分析，根据聚类结果获得目标的位置和尺寸。该方法能够提高目标检测的正确率。

摘要： 本申请涉及一种基于图像修补技术的红外弱小目标检测方法和装置。所述方法包括：从红外视频图像中提取待处理的当前帧红外图像，通过空间域和时域算法分别进行弱小目标的检测，将两种途径得到的疑似弱小目标区域合并为候选弱小目标区域，在原始红外图像中，将候选目标区域挖掉，利用图像修补技术对候选目标所在像素进行恢复和估计，重建出当前帧红外背景图像，然后将当前帧红外图像和当前帧红外背景图像作差，得到目标显著图，从目标显著图中分割得到弱小目标。本发明有效提高了红外弱小目标的检测率，并减低了由噪声、杂波和边缘等因素引起的虚警，算法复杂度低、计算量小，易于满足实际工程应用中的实时性要求。