项目名称: 自适应实时红外小目标图像处理方法研究

项目编号: No.61471355

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 邓鹤

作者单位: 中国科学院武汉物理与数学研究所

项目金额: 80万元

中文摘要: 传统局域化分析方法因受Heisenberg测不准原理的制约,在分析复杂背景下低信噪比红外小目标图像时,易产生模态混叠问题,自适应性差,且难以满足系统实时性的要求。针对上述挑战,本项目基于经验模态分解(EMD)自适应局域化分析特性,探索复杂背景下自适应实时红外小目标图像处理新方法。首先,正确认识复杂背景下红外小目标图像的模态混叠及机理,并设计基于多帧集成的去混叠算法,提升算法分析性能;其次,探索符合红外图像特性的二维EMD方法,并依此构建图像自适应预处理、自适应分割等技术,高效提取候选目标;最后,结合目标的时空特性,研究基于时空域融合滤波的真假目标甄别方法,降低算法运算量,满足系统实时性需求。与此同时,开发红外小目标图像处理算法仿真平台,并通过仿真改进和完善理论研究。本项目为自适应实时红外小目标图像处理系统的设计和开发提供关键理论基础和应用方案,拓展该技术在军用和民用领域的应用范围。

中文关键词: 图像增强;图像处理

英文摘要: When adopted to analyze the images of infrared small targets with low signal-to-noise ratio against complex backgrounds, the traditional localization methods restricted to the Heisenberg Uncertainty Principle expose the problem of mode mixing and bad self-adaptive property, and fail to meet the requirement for the real time. Consequently, the project utilizes the self-adaptive decomposition property of empirical mode decomposition (EMD), aiming to study a novel self-adaptive and real-time processing method of infrared small target images. Firstly, correctly understand the problem of mode mixing of infrared small target images against complex backgrounds, and then propose an effective de-mixing method based on the multi-frame integration. Secondly, explore a realization method of bidimensional EMD, then construct a self-adaptive image preprocessing algorithm and a self-adaptive segmentation method to enhance the capability of the candidate target extraction. Thirdly, consider the spatial and temporal features of the targets, and study a true or false target discrimination method based on the temporal-spatial fusion filtering, aiming to lessen the computation cost and meet the requirement for the real time. Meanwhile, develop a simulation platform for processing algorithms of infrared small target images, aiming to improve and perfect the theoretical research based on the simulated results. The study provides the design and development of the self-adaptive and real-time processing system of infrared small target images with key theoretical bases and application schemes. Therefore, the project enlarges the practical application of the processing technology of infrared small target images in military and civil fields.

英文关键词: image enhancement;image processing

成为VIP会员查看完整内容
3

相关内容

智能视频监控关键技术:行人再识别研究综述
专知会员服务
38+阅读 · 2021年12月30日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
18+阅读 · 2021年6月29日
专知会员服务
121+阅读 · 2021年4月29日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
专知会员服务
69+阅读 · 2021年3月23日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
103+阅读 · 2020年11月27日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
解决小目标检测!多尺度方法汇总
极市平台
2+阅读 · 2021年8月28日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
21+阅读 · 2020年10月12日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
14+阅读 · 2021年3月10日
Arxiv
10+阅读 · 2020年11月26日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
智能视频监控关键技术:行人再识别研究综述
专知会员服务
38+阅读 · 2021年12月30日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
18+阅读 · 2021年6月29日
专知会员服务
121+阅读 · 2021年4月29日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
专知会员服务
69+阅读 · 2021年3月23日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
103+阅读 · 2020年11月27日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
解决小目标检测!多尺度方法汇总
极市平台
2+阅读 · 2021年8月28日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
21+阅读 · 2020年10月12日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员