留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于邻域特征的红外低慢小目标检测

南天章 耿建君 陈旭 陈颖

南天章, 耿建君, 陈旭, 陈颖. 基于邻域特征的红外低慢小目标检测[J]. 红外与激光工程, 2019, 48(S1): 174-180. doi: 10.3788/IRLA201948.S128002
引用本文: 南天章, 耿建君, 陈旭, 陈颖. 基于邻域特征的红外低慢小目标检测[J]. 红外与激光工程, 2019, 48(S1): 174-180. doi: 10.3788/IRLA201948.S128002
Nan Tianzhang, Geng Jianjun, Chen Xu, Chen Ying. Infrared low, slow and small target detection based on neighborhood characteristics[J]. Infrared and Laser Engineering, 2019, 48(S1): 174-180. doi: 10.3788/IRLA201948.S128002
Citation: Nan Tianzhang, Geng Jianjun, Chen Xu, Chen Ying. Infrared low, slow and small target detection based on neighborhood characteristics[J]. Infrared and Laser Engineering, 2019, 48(S1): 174-180. doi: 10.3788/IRLA201948.S128002

基于邻域特征的红外低慢小目标检测

doi: 10.3788/IRLA201948.S128002
详细信息
    作者简介:

    南天章(1987-),男,工程师,硕士,主要从事图像处理、红外目标识别与跟踪方面的研究。Email:190828317@qq.com

  • 中图分类号: TP391

Infrared low, slow and small target detection based on neighborhood characteristics

  • 摘要: 红外搜索系统具有不发射电磁波、抗电磁干扰能力强、目标指示精度高等优势,在低慢小目标探测领域有很好的应用前景。目前国内外基于红外搜索系统的目标检测算法通常利用当前图像与背景图像配准、差分的手段提取疑似目标,往往需要较大的存储空间保存周视背景图像,高精度实时图像配准算法的工程化应用也有较大难度。针对以上问题,设计了一种基于邻域特征的红外低慢小目标检测方法。通过高通滤波、边缘检测法提取疑似目标、目标邻域特征值统计法剔除背景干扰、多帧图像目标信息相关等处理过程,可在有效排除地物、云层及飞鸟等多种干扰的同时,准确地检测图像中的无人机目标。试验结果表明,该方法相比传统LCM算法目标检测概率更高、虚警率更低,且不涉及图像差分,具有对硬件资源要求低、实时性好等优点,有较高的工程应用价值。
  • [1] Shen Yang, Tang Mingwen. Overview of airborne infrared search and tracking system(IRST)[J]. Infrared Technology, 2003, 25(1):13-18. (in Chinese)申洋, 唐明文. 机载红外搜索跟踪系统(IRST)综述[J]. 红外技术, 2003, 25(1):13-18.
    [2] Zhu Zhenping. Research on the target detection technology of peripheral infrared search system[D]. Changsha:University of National Defense Science and Technology, 2011:29-30. (in Chinese)朱振平. 周视红外搜索系统目标检测技术研究[D]. 长沙:国防科学技术大学, 2011:29-30.
    [3] Qi S, Ma J, Tao C, et al. A robust directional saliency-based method for infrared small-target detection under various complex backgrounds[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(3):495-499.
    [4] Chen C L P, Li H, Wei Y, et al. A local contrast method for small infrared target detection[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1):574-581.
    [5] Zhang Xiangyue, Ding Qinghai, Luo Haibo, et al. Infrared small target detection algorithm based on improved LCM[J]. Infrared and Laser Engineering, 2017, 46(7):0726002. (in Chinese)张祥越, 丁庆海, 罗海波, 等. 基于改进LCM的红外小目标检测算法[J]. 红外与激光工程, 2017, 46(7):0726002.
    [6] Zeng Ming, Li Jianxun. Infrared dim target detection method based on adaptive morphological Top-Hat filter[J]. Journal of Shanghai Jiaotong University, 2006, 40(1):90-93. (in Chinese)曾明, 李建勋. 基于自适应形态学Top-Hat滤波器的红外弱小目标检测方法[J]. 上海交通大学学报, 2006, 40(1):90-93.
    [7] Wang X, Lv G, Xu L. Infrared dim target detection based on visual attention[J]. Infrared Physics Technoolgy, 2012, 55(6):513-521.
    [8] Frank Y Shih, Wu Yita. Decomposition of arbitrary gray-scale morphological structuring elements[J]. Pattern Recognition, 2005, 38(12):2323-2332.
    [9] Wang Kang. A detection algorithm for infrared dim target in complicated sea-sky background[J]. Optical and Optoelectronic Technology, 2016, 14(3):2-3. (in Chinese)王康. 一种复杂海天背景下红外弱小目标检测算法[J]. 光学与光电子技术, 2016, 14(3):2-3.
    [10] Wang Peizao, Wang Weihua, Wang Haisong, et al. Infrared target detection based on the multi-level synthesis classifier[J]. Software Engineering, 2017, 20(12):4-6. (in Chinese)王培早, 王卫华, 王海松, 等. 基于多级综合分类器的红外目标检测[J]. 软件工程, 2017, 20(12):4-6.
  • [1] 李鸿龙, 杨杰, 张忠星, 罗迁, 于双铭, 刘力源, 吴南健.  用于实时目标检测的高速可编程视觉芯片 . 红外与激光工程, 2020, 49(5): 20190553-20190553-10. doi: 10.3788/IRLA20190553
    [2] 曹文焕, 黄树彩, 赵炜, 黄达.  二维非重构压缩感知自适应目标检测算法 . 红外与激光工程, 2019, 48(1): 126001-0126001(8). doi: 10.3788/IRLA201948.0126001
    [3] 吴天舒, 张志佳, 刘云鹏, 裴文慧, 陈红叶.  基于改进SSD的轻量化小目标检测算法 . 红外与激光工程, 2018, 47(7): 703005-0703005(7). doi: 10.3788/IRLA201847.0703005
    [4] 唐聪, 凌永顺, 郑科栋, 杨星, 郑超, 杨华, 金伟.  基于深度学习的多视窗SSD目标检测方法 . 红外与激光工程, 2018, 47(1): 126003-0126003(9). doi: 10.3788/IRLA201847.0126003
    [5] 王鑫, 王向军.  大视场双目视觉定位系统中多目标稀疏匹配 . 红外与激光工程, 2018, 47(7): 726001-0726001(6). doi: 10.3788/IRLA201847.0726001
    [6] 陈卫, 孙晓兵, 乔延利, 陈震庭, 殷玉龙.  海面耀光背景下的目标偏振检测 . 红外与激光工程, 2017, 46(S1): 63-68. doi: 10.3788/IRLA201746.S117001
    [7] 费小亮, 任侃, 钱惟贤, 汪鹏程, 陈钱.  红外面阵旋转搜索系统下的恒虚警检测方法 . 红外与激光工程, 2016, 45(2): 204003-0204003(7). doi: 10.3788/IRLA201645.0204003
    [8] 刘峰, 奚晓梁, 沈同圣.  基于最大值投影和快速配准的空间小目标检测 . 红外与激光工程, 2016, 45(11): 1104002-1104002(6). doi: 10.3788/IRLA201645.1104002
    [9] 陈善静, 康青, 顾忠征, 王正刚, 沈志强, 蒲欢, 辛颖.  基于三维GMRF的高光谱图像空天融合目标检测 . 红外与激光工程, 2016, 45(S2): 132-139. doi: 10.3788/IRLA201645.S223003
    [10] 王晓飞, 王霄衣, 史翔宇, 阎秋静, 陈向南.  基于空间上下文单类分类器的目标检测算法 . 红外与激光工程, 2015, 44(S1): 236-240.
    [11] 孙照蕾, 惠斌, 秦莫凡, 常铮, 罗海波, 夏仁波.  红外图像显著目标检测算法 . 红外与激光工程, 2015, 44(9): 2633-2637.
    [12] 韩艳丽, 刘峰.  基于三角形匹配的空间小目标检测算法 . 红外与激光工程, 2014, 43(9): 3134-3140.
    [13] 彭志勇, 王向军, 卢进.  窗口热辐射下基于视觉显著性的红外目标检测方法 . 红外与激光工程, 2014, 43(6): 1772-1776.
    [14] 吴明军, 许建铮, 周桢, 张亚涛.  针对运动摄像机的快速低存储开销运动目标检测算法 . 红外与激光工程, 2013, 42(8): 2275-2280.
    [15] 张法全, 王国富, 曾庆宁, 叶金才.  利用重心原理的图像目标最小外接矩形快速算法 . 红外与激光工程, 2013, 42(5): 1382-1387.
    [16] 龚俊亮, 何昕, 魏仲慧, 朱弘, 郭立俊.  采用尺度空间理论的红外弱小目标检测方法 . 红外与激光工程, 2013, 42(9): 2566-2573.
    [17] 黎志华, 李新国.  基于OpenCV的红外弱小运动目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2561-2565.
    [18] 刘志刚, 卢云龙, 魏一苇.  有监督的高光谱图像伪装目标检测方法 . 红外与激光工程, 2013, 42(11): 3076-3081.
    [19] 何莲, 蔡敬菊, 张启衡.  改进的基于弦切变换的目标检测方法 . 红外与激光工程, 2012, 41(1): 239-247.
    [20] 杨亚威, 李俊山, 杨威, 赵方舟.  利用稀疏化生物视觉特征的多类多视角目标检测方法 . 红外与激光工程, 2012, 41(1): 267-272.
  • 加载中
计量
  • 文章访问数:  152
  • HTML全文浏览量:  27
  • PDF下载量:  30
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-11-10
  • 修回日期:  2018-12-16
  • 刊出日期:  2019-04-25

基于邻域特征的红外低慢小目标检测

doi: 10.3788/IRLA201948.S128002
    作者简介:

    南天章(1987-),男,工程师,硕士,主要从事图像处理、红外目标识别与跟踪方面的研究。Email:190828317@qq.com

  • 中图分类号: TP391

摘要: 红外搜索系统具有不发射电磁波、抗电磁干扰能力强、目标指示精度高等优势,在低慢小目标探测领域有很好的应用前景。目前国内外基于红外搜索系统的目标检测算法通常利用当前图像与背景图像配准、差分的手段提取疑似目标,往往需要较大的存储空间保存周视背景图像,高精度实时图像配准算法的工程化应用也有较大难度。针对以上问题,设计了一种基于邻域特征的红外低慢小目标检测方法。通过高通滤波、边缘检测法提取疑似目标、目标邻域特征值统计法剔除背景干扰、多帧图像目标信息相关等处理过程,可在有效排除地物、云层及飞鸟等多种干扰的同时,准确地检测图像中的无人机目标。试验结果表明,该方法相比传统LCM算法目标检测概率更高、虚警率更低,且不涉及图像差分,具有对硬件资源要求低、实时性好等优点,有较高的工程应用价值。

English Abstract

参考文献 (10)

目录

    /

    返回文章
    返回