红外图像中弱小目标检测前跟踪算法研究综述思维导图

问题：

提升检测效率的方法：

弱小目标定义：

通过滤波将红外图像低频和高频部分分离，提高信噪比，抑制原始图像中低频背景杂波干扰

利用相邻几帧中目标的运动信息分割可能目标，从背景抑制后的图像中分割出少量候选目标进行跟踪

利用序列图像中目标运动的连续性和轨迹的一致性，进一步排除虚假目标，从候选目标中检测出真正的 目标

针对目标所有可能的运动情况设计多个滤波器,从中选出输出信噪比最大的滤波器,确定目标位置和运动轨迹。

根据限定的速度及方向,将多个可能的目标轨迹按照 “树 ”的结构组织起来,在树形结构的每一层用假设检验方法对结构进行修正,随时去掉没有通过检验的树,以减少计算量和存储量

沿着轨迹上的像素灰度累加值与两个门限进行比较,超过上门限的轨迹认为是目标轨迹,低于下门限的轨迹作为噪声轨迹,介于上下门限之间的轨迹继续延伸,在下一帧 上 进 行 同 样 的 判 断。

利 用 目 标 轨 迹 点 的 时 空 相 关性,计算不同帧之间的高阶相关性,在有噪声的三维图像中检测出直 线 或 曲 线 轨 迹

将目标轨迹搜索问题分解为分级优化的问题。该方法依据最大概率准则设定一个评价函数,对评价函数作了一定阶段的递推 后,找 到 所 有 可 能 的 片 断,然 后 逆 向 反推,得到可能目标运动轨迹,然后对这些轨迹进行直线拟合,剔除非直线轨迹,并把同一目标产生的轨迹合并,得到检测结果。

通过某种形式的投影变换或逻辑运算,先将三维空间轨迹检测转化为二维平面轨迹检测问题,然后对二维平面内的轨迹进行搜索,实现能量积累和门限处理。检测方法是每一帧图像经过门限处理,检测出投影在同一个平面上的点,再对投影平面进行门限处理,采取计算量较小的后处理方法检测出目标运动的轨迹,最后采用投影法确定目标轨迹在三维空间的大致范围,将检测出的目标轨迹还原到三维空间进行 匹 配 滤 波。

利用背景杂波、噪声及目标像素点在时间上有着不同的特征来检测弱小目标的。检测方法是当目标经过某一像素点时,靠近该像素点时会出现幅值上升,离开该像素点时幅值下降,从而出现先升后降的特性,而背景则无此特征,时域滤波正是利用此差 别 进 行 检 测 的

序列重要采样法

通过蒙特卡罗积分模拟来实现对贝叶斯滤波递推的技术

选取一个重要性概率密度来得到后验概率分布的带有相关权值的随机样本,然后在测量的基础上,调整权值的大小和粒子的位置,当粒子数非常大时,此时的概率估算将等同于后验概率密度,从而得到状态的估计值