背景抑制

摘要： 针对强起伏背景下红外弱小目标检测问题,提出了一种基于形态学和小波包变换相结合的红外弱小目标检测算法。该算法首先利用形态学Top-hat算子,实现红外小目标图像初步背景抑制,其次采用小波包变换对图像进行多尺度分解得到高低频节点系数,然后采用高频频带中能量分布居中的频带节点系数对图像进行重构完成背景抑制,最后对目标进行分割得到目标检测结果。实验仿真结果表明:该算法背景抑制效果优于Top-hat变换和小波变换的检测方法,可以很好地提升目标和背景的对比度,准确检测出目标信号。

摘要： 由于模糊图像对微小目标特征的抑制,导致对其检测的效果较低。为此,提出基于卷积神经网络的模糊图像微小目标检测方法。利用PM扩散模型对模糊图像进行背景抑制,将经过背景抑制的模糊图像输入到卷积神经网络中,结合图像的残差计算结果,完成对微小目标的检测。测试结果表明,设计方法对微小目标的检出正确率可以达到92.00%以上,检测完整性也在90.00%以上,具有良好的应用效果。

摘要： 低信杂比条件下的红外点目标检测提取一直是热点研究问题。有效抑制背景、增强目标是决定检测性能的关键。文章提出一种天基红外点目标图像的背景抑制方法,利用目标与背景的空域变化差异特性,针对性设计滤波算法,并通过图像曲线曲率融合估计进行背景抑制,有效区分目标与背景。仿真分析结果表明:局部信杂比增益可提升5倍以上,能有效抑制背景杂波。

摘要： 已有的场景文本检测算法在处理任意形状的文本区域时,会将多余的背景区域也包含在内,为了自动学习聚焦任意形状的文本区域,提出一种注意力监督策略下的文本检测算法.首先使用深度残差网络作为骨架网络提取包含多尺度信息的特征图,然后通过注意力掩膜生成模块将融合特征图转换生成注意力掩膜,再通过背景抑制模块,利用注意力掩膜监督生成下一级特征图,最后经过一系列卷积操作生成分割掩膜,处理优化后得到最终的文本检测结果.实验表明,所提算法在ICDAR2015数据集上的多指标综合表现优越,其中F值相较对比算法提高了2.1%.

摘要： 电缆终端局部放电缺陷特征短暂,缺陷范围与外部环境纠缠,很难准确定位,需要结合温度特征和模式识别特征共同检测,本文利用超声红外热成像的优势,提出基于超声红外热像的电缆终端局部放电缺陷检测方法,方法利用图像梯度化、灰度化处理采集到的电缆终端局部放电缺陷特征超声红外热成像图,并通过智能模式识别处理方法抑制采集图像的复杂背景,删除包含在电缆终端局部放电缺陷特征红外图像中的大面积地物及地面;根据K-means聚类算法,圈定疑似局部放电缺陷特征范围,构建局部放电缺陷范围模板,经匹配参考范围后,得出疑似局部放电缺陷范围的温度特性信息,诊断电缆终端是否存在局部放电缺陷。实验结果表明,该方法可有效获取电缆终端局部放电缺陷部位,检测不同类型的电缆终端局部放电缺陷的平均精准率高达98%,平均漏检率为1%。

摘要： 由于点目标可用信息少,点目标检测技术是红外搜索与跟踪系统(IRST)中的挑战性难点.基于人工提取特征的传统目标检测,智能化水平低,对点目标检测的难度大.针对此问题,提出一种新的基于深度时空卷积神经网络的点目标检测方法.该方法采用全卷积架构,输入输出尺度相同,可用于处理任意尺度图像.为了提高实时性,卷积分解技术被引入3D时空卷积处理中,将复杂3D时空卷积分解为低复杂度的2D空域卷积和1D时域卷积.根据点目标特点,多权值损失函数被提出,分别采用样本均衡因子和能量均衡因子降低样本不均衡和误差分布不均衡对点目标检测性能的影响.测试结果表明,该方法能够有效抑制复杂背景杂波,并以较低计算量实现点目标检测.

摘要： 在小天体探测、导弹制导和战场侦察等航空航天领域,由于目标信号较弱,占有像素数少,缺少目标形状和纹理信息,使用手工特征提取的传统算法容易出现大量虚警,而拥有强大特征提取能力的深度学习算法无法对微小且缺乏轮廓信息的目标训练.本文采用了滑动窗口取样训练,它源自基于人类视觉特性的传统目标检测算法中嵌套结构的思想,设计了一种使用递归卷积层的全卷积网络,在不增加额外训练参数的情况下,扩展了模型的网络深度,该网络的并行卷积结构的多个分支网络模拟了传统算法的多尺度操作,有利于在复杂环境中增强目标和背景之间的对比度,并且设计使用了多种损失函数的组合,以对抗正负样本严重不平衡的问题.实验结果表明:该方法实现了比传统方法更好的检测效果,为此领域的研究者们提供了一个新的思路和解决途径.

摘要： 针对复杂背景和低信杂比条件下的红外弱小目标检测难题,提出了一种基于局部对比度机制的红外弱小目标检测方法.该方法提出了一个包含中心层、中间层和最外层的3层窗口,可以使用单尺度计算完成不同尺度弱小目标的检测.首先,对中心层引入匹配滤波思想,有针对性地增强真实目标;同时,提出最接近滤波原则,对最外层进行背景估计,以缓解目标靠近边缘时的检测难题;然后,在目标增强结果与背景估计结果之间进行比差联合的对比度计算,达到同时增强目标和抑制背景的目的;最后,通过自适应阈值分割,提取真实目标.实验结果表明,相比现有算法而言,该算法可更好地增强目标、抑制复杂背景,且原理简洁易实现,可有效减少运算量.

摘要： 目的 细粒度图像分类是计算机视觉领域具有挑战性的课题,目的是将一个大的类别分为更详细的子类别,在工业和学术方面都有着十分广泛的研究需求.为了改善细粒度图像分类过程中不相关背景干扰和类别差异特征难以提取的问题,提出了一种将目标检测方法YOLOv3(you only look once)和双线性融合网络相结合的细粒度分类优化算法,以此提高细粒度图像分类的性能.方法 利用重新训练过的目标检测算法YOLOv3粗略确定目标在图像中的位置;使用背景抑制方法消除目标以外的信息干扰;利用融合不同通道、不同层级卷积层特征的方法对经典的细粒度分类算法双线性卷积神经网络(bilinear convolutional neural network,B-CNN)进行改进,优化分类性能,通过融合双线性网络中不同卷积层的特征向量,得到更加丰富的互补信息,从而提高细粒度分类精度.结果 实验结果表明,在CUB-200-2011(Caltech-UCSD Birds-200-2011)、Cars196和Aircrafts100数据集中,本文算法的分类准确率分别为86.3％、92.8％和89.0％,比经典的B-CNN细粒度分类算法分别提高了2.2％、1.5％和4.9％,验证了本文算法的有效性.同时,与已有细粒度图像分类算法相比也表现出一定的优势.结论 改进算法使用YOLOv3有效滤除了大量无关背景,通过特征融合方法来改进双线性卷积神经分类网络,丰富特征信息,使分类的结果更加精准.

摘要： 传统的基于直方图分布的目标颜色模型,由于跟踪过程的实时性要求其区间划分不宜过细,因此易导致同一区间有差异的颜色难以区分;此外,还存在易受背景干扰的问题.本文提出一种新的背景抑制目标颜色分布模型,并在此基础上设计了一个合成式的目标跟踪算法.新的颜色分布模型将一阶及二阶统计信息纳入模型,并设计了基于人类视觉特性的权重计算方式,能有效区分同一区间内的差异色且抑制背景颜色在模型中的比重;算法基于该颜色模型构建目标的产生式模型,并引入结合方向梯度直方图(Histogram of oriented gradient,HOG)特征的相关滤波器对目标形状进行判别式建模,同时将两个模型相互融合;针对融合参数不易设计的难点,分析并建立了一套定性原则,用于判定模型各自的可信度并指导模型更新;最终利用粒子群算法的搜索机制对候选目标的位置、尺度进行搜索,其中适应值函数设计为两个跟踪器的融合结果.实验结果表明,本文算法在绝大多数情况下准确率较对比算法更优且能满足实时性要求.

摘要： 低对比度弱小目标检测与跟踪算法的研究是电视跟踪领域的关键技术之一.本文根据海面、天空及海空背景下弱小目标的特征,采用背景抑制滤波器抑制天空云层干扰及海面浪花等的影响,滤除背景干扰.然后用各向异性扩散法增强弱目标去除噪声,最后利用灰度形态学的开、闭运算滤除剩余的干扰点,检测出真实的弱小目标.实验结果表明:该方法能够有效地抑制不均匀的背景,对强干扰背景下的弱小目标的检测可以达到满意的效果.

摘要： 针对红外成像图像背景抑制算法的实时性差的缺点，提出了一种可高速实时处理的背景抑制算法。首先算法融合了高通滤波和中值滤波算法的优点，对红外图像进行滤波;然后对滤波后的图像进分割;最后提取目标。实验结果表明算法可以很容易的在DSP上实现，并且具有良好的背景抑制能力。

摘要： 提出了自适应中值滤波方法，该方法针对背景中局部区域要处理的像素与周围像素的关系，选用不同的滤波方法处理背景。在背景强度起伏比较平缓区域用局部中值滤波方法去平滑孤立噪声点，在梯度变化比较大的云层或者天地线结合的强边缘区域用旋转最大中值滤波方法保留细节信息。实验结果表明，该方法在超大空域红外图像背景抑制过程中具有良好的效果。

摘要： 红外图像中的小目标检测一直以来都是一个热点问题,其中对杂波背景的抑制是目标检测的关键,背景抑制的好坏直接影响着小目标的检测的性能.红外图像中的小目标表现为一个孤立的亮斑,强度相对于背景较弱,并且在相邻的图像序列之间的运动速度快于背景杂波,是图像中的高频部分,噪声互不相关,也是图像中的高频部分.针对以上特点,本文设计了一种自适应的红外图像背景抑制方法,利用基于高斯内核的自适应滤波器进行背景抑制.实验表明,该方法具有良好的信杂比,易于工程实现,也能够满足实时性的要求.

摘要： 红外图像小目标检测与识别是近程主动拦截武器系统的重要任务。针对红外图像序列中的小目标检测问题,提出了一种新的基于Robinson guard滤波和双向链表的检测方法.首先使用Robinson guard滤波抑制背景,然后运用自适应阈值分割图像,并累积图像序列形成目标运动轨迹.最后基于目标运动的规律性、连续性,利用双向链表来检测目标.实验结果表明,所提出的方法可以得到较高的检测性能.

摘要： 本文针对低信噪比的小目标检测，采用了一种基于时空域融合滤波的背景抑制和天地线检测提取目标区域的算法，有效实现对弱小目标的检测提取。根据红外图像处理复杂度高、数据量大、帧频高、实时性要求强的特点，设计了基于双DSP+FPGA的实时信息处理板。DSP之间通过Rapid IO互连，构成主从式双核并行处理架构。通过对DSP任务的合理分割，提取并行进程，较好的实现了算法的双处理器并行处理，达到高实时性的要求。

摘要： 分析了红外图像中小目标，噪声以及背景的特点，为了抑制背景从而检测出红外小目标，应用了图像预处理算法和数学形态学算法。实验表明，数学形态学滤波能够大大提高目标的信噪比，去除背景和噪声干扰，保留目标的灰度信息，是一种有效的红外灰度图像小目标检测算法。rn 把背景抑制算法与数学形态学滤波相结合可进一步提高目标检测的性能。

摘要： 本文研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法.首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定周值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标.该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声.实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标.

摘要： 提出了一种基于多次二值分类的复杂背景字符定位方法.首先对字符图像去模糊和增强处理后,进行二值分类,在每一次的二值化分类图中根据字符排列及二值分类图投影的特点来进行背景抑制处理,并对背景抑制后的图像再次分类,达到准确定位字符的目的.处理结果表明,与单次分类方法相比,本文所提出的方法能更准确地定位字符,对于复杂背景条件下的字符定位研究具有重要的理论意义和应用价值.

摘要： 红外弱小目标检测是机载红外搜索跟踪系统探测远距离地面目标的一个难题，为解决这个问题，本文提出了一种基于非局部均值的弱小目标检测方法来提高复杂背景下弱小目标检测性能，并引入了局部梯度统计特性来提高方法抑制背景细节、增强目标信息的能力。与最小均方误差法相比较，实验结果显示，该方法对复杂背景下弱小目标复杂背景具有良好抑制效果。

摘要： 本发明公开了一种基于实时抑制背景溢色的纯色背景抠像合成方法，涉及视频图像处理技术领域，本发明包括利用抠像算法提取输入的视频图像Input

摘要： 本发明属于宽带雷达信号处理技术领域，具体涉及一种非均匀背景下干扰智能抑制的融合检测方法。针对现有宽带雷达距离扩展目标自适应检测器难以兼顾算法计算复杂度、CFAR特性和检测性能和失配鲁棒性的难题，同时考虑到实际杂波非均匀性导致难以获得纯杂波辅助数据的问题，设计合理的距离扩展目标自适应检测器形式，在保证CFAR特性的同时，兼顾距离扩展目标自适应检测算法的计算复杂度、智能抗干扰、失配鲁棒性和检测性能等多方面需求，提升复杂环境下多通道宽带雷达对弱小目标的自适应检测性能。

摘要： 本发明属于宽带雷达信号处理技术领域，具体涉及一种噪声背景下抑制多秩干扰的智能融合检测方法。针对现有宽带雷达距离扩展目标自适应检测器难以兼顾算法计算复杂度、CFAR特性和检测性能和失配鲁棒性的难题，同时考虑到接收机内部噪声以及外部结构化干扰等组成的复杂检测环境，设计合理的距离扩展目标自适应检测器形式，在保证CFAR特性的同时，兼顾距离扩展目标自适应检测算法的计算复杂度、智能抗干扰、失配鲁棒性和检测性能等多方面需求，提升复杂环境下多通道宽带雷达对弱小目标的自适应检测性能。

摘要： 本发明提供了一种MIMO天线的FMCW穿墙雷达的背景杂波抑制方法，通过对原始回波数据按照天线编号重新排序，按照预设的帧长度进行主成分分析估计背景杂波，并通过不断迭代运算实时更新背景杂波估计结果，加强当前帧对背景估计结果的贡献，以达到最大程度抑制背景杂波，从而提高雷达对于目标定位成像的效果；结合硬件设计，可以选取背景估计帧长度，来达到更好的背景杂波抑制效果。

摘要： 本发明涉及一种拉曼光谱检测中的荧光背景抑制系统及抑制方法。所述抑制系统包括拉曼激光器和编码孔径光纤拉曼光谱分析模块；在所述拉曼激光器的激发光输出端连接有激发光纤，在激发光纤的传输光路中依次设置有激发光纤准直镜、激发光纤耦合镜和窄带滤光片；在所述编码孔径光纤拉曼光谱分析模块的信号输入端连接有编码孔径光纤阵列，所述编码孔径光纤阵列外接收集光纤，在所述收集光纤的传输光路中依次设置有收集光纤准直镜、收集光纤耦合镜和高通拉曼滤光片；所述激发光纤与所述收集光纤在自由端汇聚成束后集结成拉曼信号激发/收集光纤探头；所述拉曼信号激发/收集光纤探头中的激发光纤位于轴心位置，收集光纤以激发光纤为中心密集排布。

摘要： 本发明涉及一种基于毫米波交通雷达的公路背景识别与公路背景抑制方法，利用同时含有车辆信息和背景信息的交通雷达回波信号实现了公路背景功率谱自动识别和实时更新，并完成了公路背景抑制。该方法以侧向毫米波交通雷达的时域数字回波信号作为信号输入，应用周期图法得到随时间变化的雷达回波功率谱时间序列；在每个频点处将功率谱时间序列按照功率谱幅度升序排列；选择部分幅度有序功率谱序列作为公路背景功率谱估计的有效数据；对有效幅度有序功率谱序列进行相干平均；利用自学习方法实现公路背景功率谱的实时更新；进行公路背景抑制。本发明能准确实时地识别公路背景功率谱，并能够很好的抑制公路背景，大幅度提高了雷达回波信号的信噪比。

摘要： 本发明涉及一种拉曼光谱检测中的荧光背景抑制系统及抑制方法。所述抑制系统包括拉曼激光器和编码孔径光纤拉曼光谱分析模块；在所述拉曼激光器的激发光输出端连接有激发光纤，在激发光纤的传输光路中依次设置有激发光纤准直镜、激发光纤耦合镜和窄带滤光片；在所述编码孔径光纤拉曼光谱分析模块的信号输入端连接有编码孔径光纤阵列，所述编码孔径光纤阵列外接收集光纤，在所述收集光纤的传输光路中依次设置有收集光纤准直镜、收集光纤耦合镜和高通拉曼滤光片；所述激发光纤与所述收集光纤在自由端汇聚成束后集结成拉曼信号激发/收集光纤探头；所述拉曼信号激发/收集光纤探头中的激发光纤位于轴心位置，收集光纤以激发光纤为中心密集排布。

摘要： 本发明针对红外弱小目标图像，提出一种基于自适应背景预测的红外背景抑制方法。依次扩大以当前点为中心的子图像，子图像的尺寸不能超过系统所允许弱小目标的最大尺寸的三倍。在子图像中计算弱小目标存在的必要条件，选择符合此必要条件的最大尺寸的子图像，将子图像划分为3×3的区域，以除中心区域之外的剩余8个区域的灰度均值中的中值作为该点的背景预测值。反之，认为当前点属于背景区域，直接采用原图像中该点的灰度值作为该点的背景预测值。在完成对该点的背景预测之后，然后与原图像求残差，最终完成对红外背景的抑制。该方法能够适用于天空背景、海天背景、海面背景、低空和地面混合背景等典型类型的红外背景抑制。

摘要： 本发明涉及一种基于毫米波交通雷达的公路背景识别与公路背景抑制方法，利用同时含有车辆信息和背景信息的交通雷达回波信号实现了公路背景功率谱自动识别和实时更新，并完成了公路背景抑制。该方法以侧向毫米波交通雷达的时域数字回波信号作为信号输入，应用周期图法得到随时间变化的雷达回波功率谱时间序列；在每个频点处将功率谱时间序列按照功率谱幅度升序排列；选择部分幅度有序功率谱序列作为公路背景功率谱估计的有效数据；对有效幅度有序功率谱序列进行相干平均；利用自学习方法实现公路背景功率谱的实时更新；进行公路背景抑制。本发明能准确实时地识别公路背景功率谱，并能够很好的抑制公路背景，大幅度提高了雷达回波信号的信噪比。

摘要： 本发明公开了一种基于浅层特征背景抑制的弱监督目标定位方法及装置，方法为：获取图像数据集；基于神经网络构建目标定位分类网络，包括分类器、生成器、评价器；分类器生成浅层特征图并对生成器进行初始化，得到前景激活图；前景激活图与浅层特征图进行点乘，输入评价器中得到分类结果并计算其与原始标签的前景交叉熵损失；使用PCA方法对训练数据集中的每张图进行背景主成分分析，通过聚类得到背景激活图，输入评价器计算背景分类损失；引入前景‑背景对抗损失并使用Transformer辅助生成器学习，获得总损失函数；输入测试数据集获得定位结果。本方法利用浅层特征信息来抑制背景以训练目标定位网络，将分类与定位任务解绑，避免了分类对定位效果的限制。