摘要：针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。

摘要：基于离散小波变换(DWT)理论,提出了一种基于场景的红外焦平面阵列(IRFPA)非均匀性实时校正算法;针对算法所涉及的运算量和数据量庞大的特点,设计了实时非均匀性校正的红外图像处理系统,系统是以高性能DSP(TMS320C6713)为核心器件,采用DSP不同的传输通道并行传输数据,并充分利用DSP硬件的并行性和流水线操作进行非均匀性校正;以真实的红外图像序列为例,进行了非均匀性校正的仿真实验,结果表明,基于高性能DSP的非均匀性实时校正系统完全可以达到实时校正的要求,所用算法对慢变化量具有较好的自适应性。

摘要：为提升传统成像激光雷达系统对场景的感知能力和信号处理算法的泛化能力,提出了一种基于深度学习的认知成像激光雷达方法,通过深度学习点云目标检测算法的处理结果进一步调控核心成像参数,形成认知反馈,提升系统成像质量和环境感知能力。为验证该方法的可行性,设计并实现了一套认知成像激光雷达演示模块,通过实验对比分析,选择激光器的发射功率、成像系统的扫描视场和扫描角分辨率三个成像参数进行认知反馈,并结合深度学习方法实现了与场景的动态交互学习,解决了传统激光雷达成像参数固化的问题。实验结果表明,采用基于深度学习的认知成像工作模式有效提升了现有深度学习点云目标检测算法的泛化能力和目标检测精度。

摘要：提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题。根据红外目标和背景杂波所具有的不同统计分布特性,利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系,建立了基于剪切波变换的多尺度隐式马尔可夫模型。通过期望最大化算法计算最优背景参数,分离红外图像中弱小目标信号和复杂背景杂波,达到抑制背景、保存并增强目标信号的目的。对真实的和模拟的包含弱小目标的红外图像序列进行了实验验证,实验结果表明,与最大中值滤波和局部去均值两种方法相比较,本文方法对红外弱小目标(SCR≥1.6)的复杂背景从主观视觉和数值指标上都具有良好抑制效果。

摘要：为解决红外图像弱小目标检测技术中的云层和地物等复杂自然背景抑制这一难题,提出了一种基于多尺度核归一化策略的弱小目标复杂背景抑制新方法。首先,采用波原子变换对图像进行尺度和方向分解,提取图像的多尺度和方向细节特征;然后,根据目标和背景杂波信号子带系数之间的差异,对波原子变换后各子带系数采用设计的核局部归一化调整函数进行修改,以达到有效地抑制原始图像中背景边缘、轮廓和纹理等信息和增强目标信号系数强度的目的;最后,重构调整后各个子带系数获得抑制背景后的目标图像。实验结果显示,与小波和最大中值滤波方法相比较,该方法对包含弱小目标的红外复杂背景都具有良好抑制效果,信杂比增益和背景抑制因子分别提高到3倍和4倍以上。

摘要：提出了一种基于曲面波变换的弱小目标背景抑制新方法,解决红外搜索跟踪系统探测远距离弱小目标中复杂结构化背景抑制难题。根据红外图像中目标和背景杂波的特性,首先,采用曲面波变换对序列图像进行多尺度、多方向和各项异性分解,提取图像的多尺度和方向细节特征;其次,根据目标和背景杂波信号的差异,通过应用设计的核函数调整分解后的各尺度和方向的子带系数值;然后,重构修改后的各子带,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的;最后,采用自适应阈值分割技术得到真实目标点,最终实现对弱小目标的精确探测。实验结果显示,与局部去均值和最大中值滤波方法相比较,该方法能有效地检测出信杂比(signal-to-clutter ratio,SCR)在1.6以上的目标。

摘要：红外目标的探测在告警、制导等领域具有重要意义。在中远距离探测中,红外搜索与跟踪系统的作用距离受到大气传输、红外探测器的性能以及目标的辐射功率等因素的影响。传统红外系统的作用距离方程具有一定的局限性。考虑到目标成像弥散斑和背景辐射的影响,对红外搜索与跟踪系统(IRST)的作用距离方程进行修正,得到IRST系统的作用距离与系统的噪声等效温差(NETD)之间的关系,推导出探测器噪声限下对点源目标的作用距离方程。为IRST系统的综合评估和设计提供了一个重要的依据。

摘要：提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下,利用光谱和空间两种信息完成对异常目标信号的定位,从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解,将其划分为不同尺度子块;然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性,采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布,从而抑制异常数据对背景的干扰;最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性,利用真实和模拟的AVIRIS数据进行了实验,并与经典RX算法相比较,实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。

摘要：为了提高地面和云层等红外复杂背景下弱小目标的检测性能,提出了一种基于视觉细胞响应模型的红外弱小目标背景抑制新方法.首先利用简单细胞的感受野计算模型将原始图像采用Gabor函数卷积获得相同大小的两幅图像;然后采用设计的复杂细胞响应的非线性汇聚策略函数对获得的两幅图像进行融合处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的;最后采用自适应阈值分割技术得到目标点,实现了对红外弱小目标的检测跟踪.实验结果显示,与去局部均值和最大中值滤波两种滤波方法相比较,该方法能有效地检测出信杂比较低的弱小目标信号.