基于Contourlet变换和Facet模型的红外小目标检测方法

卢瑞涛; 黄新生; 徐婉莹

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Contourlet变换和Facet模型的红外小目标检测方法

卢瑞涛, 黄新生, 徐婉莹

文章导航 > 红外与激光工程 > 2013 > 42(8): 2281-2287

卢瑞涛, 黄新生, 徐婉莹. 基于Contourlet变换和Facet模型的红外小目标检测方法[J]. 红外与激光工程, 2013, 42(8): 2281-2287.

引用本文:

卢瑞涛, 黄新生, 徐婉莹. 基于Contourlet变换和Facet模型的红外小目标检测方法[J]. 红外与激光工程, 2013, 42(8): 2281-2287.

Lu Ruitao, Huang Xinsheng, Xu Wanying. Method of infrared small target detection based on Contourlet transform and Facet model[J]. Infrared and Laser Engineering, 2013, 42(8): 2281-2287.

Citation:

Lu Ruitao, Huang Xinsheng, Xu Wanying. Method of infrared small target detection based on Contourlet transform and Facet model[J]. Infrared and Laser Engineering, 2013, 42(8): 2281-2287.

基于Contourlet变换和Facet模型的红外小目标检测方法

1.
国防科学技术大学机电工程与自动化学院,湖南长沙 410073

基金项目:

实验室青年教师创新研究项目（LWAS-QNJS-2011-05）

详细信息

作者简介:
卢瑞涛（1988-），男，硕士生，主要从事图像匹配、目标跟踪方面的研究。Email：lrt19880220@163.com；黄新生（1955-），男，教授，博士生导师，博士，主要从事精确制导、图像处理等方面的研究。Email：huangxinsheng@163.com

卢瑞涛（1988-），男，硕士生，主要从事图像匹配、目标跟踪方面的研究。Email：lrt19880220@163.com；黄新生（1955-），男，教授，博士生导师，博士，主要从事精确制导、图像处理等方面的研究。Email：huangxinsheng@163.com

中图分类号: TP391.4

Method of infrared small target detection based on Contourlet transform and Facet model

1.
College of Mechatronic Engineering and Automation,National University of Defense Technology,Changsha 410073,China

摘要: 针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题，提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换，利用硬阈值对图像进行去噪，提高图像的信噪比和平滑性；然后设计了一种基于Facet模型多向梯度特性的中值滤波器，对去噪后的图像进行滤波，有效地抑制复杂背景和噪声；其次采用两级最大类间方差算法对滤波后的图像进行分割；最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明，这种算法抗噪性强，对包含强纹理结构的复杂背景具有良好的抑制作用，能够有效地检测出弱小目标。
- 红外小目标 /
- 循环平移Contourlet变换 /
- Facet模型 /
- 中值滤波 /
- 阈值分割
Abstract: It is a problem to detect small moving target in infrared images, especially under the circumstances of complex background and noise. Now aiming at this problem, a novel method based on cycle spinning Contourlet transform and the multi-orientation gradient character of Facet model was proposed. Firstly, through cycle spinning Contourlet transform, the infrared image was decomposed so that the noise was removed and the signal-to-noise ratio and smoothness were increased. Then, a median filter based on the multi-orientation gradient character of facet model was designed to filter the reconstructed image, so the complex background and noise were restrained effectively. After that, the algorithm of 2-level maximum between-cluster variance was used to segment the filtered image. Finally, further detection of the small target was made according to the relationship of position and velocity in images. The results prove that the method concerned in this paper can restrain the complex background with strong clutter to good effect and can test small target efficiently.
- infrared small target /
- cycle spinning Contourlet transform /
- Facet cubic model /
- median filter /
- threshold segmentation

[1]	Pei Lili, Luo Haibo. Pautomatic sea target detection based on wavelet transform[J]. Journal of Ordnance, 2009, 5(1): 36-40.
[2]	Peng Jiaxiong, Zhou Wenli. Infrared background suppression for segmenting and detecting small target[J]. Acta Electronica Sinica, 1999, 27(12): 47-51. (in Chinese)
[3]	Duan Fei, Zhang Yujin. A highly effective impulse noise detection algorithm for swithing median filters[C]//IEEE Signal Processing Letters, 2010, 17(7): 647-650.
[4]	Li Peng, Chen Qian, Zheng Haiou, et al. Pretreatment method of small targets infrared image based on complex background[J]. Infrared and Laser Engineering, 2011, 40(5): 958-962. (in Chinese)
[5]	Zeng Ming, Li Jianxun, Peng Zhang. The design of Top-hat morphological filter and application to infrared target detection[J]. Infrared Physics & Technology, 2006, 48(1): 67-76.
[6]	Do M N, Vetterli M. The contourlet transform: an efficient directional multiresolution image representation[J]. IEEE Trans on Image Processing, 2005, 14(12): 2091-2106.
[7]	Coifman R R, Donoho D L. Translation invariant danoising[C]//Wavelets and Statistics Springer Lecture Notes in Statistics 103, 1995: 125-150.
[8]	Haralick R M. Digital step edges from zero crossing of second directional derivatives[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 1984, 6(1): 58-68.
[9]	Ye Jihui, Kim Yongjin, Lee Boohwan, et al. Improved small target detection for IR point target[C]//34th International Conference on Infrared, Millimeter, and Terahert Waves, 2009: 1-2.
[10]	Ostu N A. Threshold selection method from gray-level histograms[J]. IEEE Trans on System, Man, and Cybemetics, 1979, 9(1): 62-66.
[11]	Yang L, Yang J, Yang K. Adaptive detection for infrared small target under sea-sky complex background[J]. Elecronics Letters, 2004, 40(17): 1083-1085.
[12]	Wu Wenyi, Wu Yiquan. Method of infrared dim targets detection based on Contourlet transform[J]. Infrared and Laser Engineering, 2008, 37(1): 136-138. (in Chinese)

[1]	隋钧铖, 任登凤, 韩玉阁. 地面目标红外建模缺失参数反演与模型验证方法 . 红外与激光工程, 2022, 51(10): 20220033-1-20220033-12. doi: 10.3788/IRLA20220033
[2]	鲁晓锋, 柏晓飞, 李思训, 王轩, 黑新宏. 基于改进加权增强局部对比度测量的红外小目标检测方法 . 红外与激光工程, 2022, 51(8): 20210914-1-20210914-9. doi: 10.3788/IRLA20210914
[3]	王亚平, 周裕丰, 张宝华. 基于去雾增强和张量恢复的红外小目标检测 . 红外与激光工程, 2022, 51(4): 20210417-1-20210417-9. doi: 10.3788/IRLA20210417
[4]	韩金辉, 蒋亚伟, 张小件, 梁琨, 李知铮, 董兴浩, 李楠. 采用三层窗口局部对比度的红外小目标检测 . 红外与激光工程, 2021, 50(2): 20200146-1-20200146-10. doi: 10.3788/IRLA20200146
[5]	田光宝, 王见, 王博文. 单目相机非合作目标提取及位姿检测 . 红外与激光工程, 2021, 50(12): 20210166-1-20210166-9. doi: 10.3788/IRLA20210166
[6]	房胜男, 谷小婧, 顾幸生. 基于自适应响应融合的相关滤波红外目标跟踪 . 红外与激光工程, 2019, 48(6): 626003-0626003(8). doi: 10.3788/IRLA201948.0626003
[7]	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 . 红外与激光工程, 2019, 48(S1): 174-180. doi: 10.3788/IRLA201948.S128002
[8]	张祥越, 丁庆海, 罗海波, 惠斌, 常铮, 张俊超. 基于改进LCM的红外小目标检测算法 . 红外与激光工程, 2017, 46(7): 726002-0726002(7). doi: 10.3788/IRLA201746.0726002
[9]	贾桂敏, 卢薇冰, 路玉君, 杨金锋. 基于地理同名点配准的机载红外移动小目标检测方法 . 红外与激光工程, 2016, 45(8): 804002-0804002(7). doi: 10.3788/IRLA201645.0804002
[10]	刘志青, 李鹏程, 郭海涛, 张保明, 丁磊, 赵传, 张旭光. 融合强阈值三角网与总体最小二乘曲面拟合滤波 . 红外与激光工程, 2016, 45(4): 406003-0406003(8). doi: 10.3788/IRLA201645.0406003
[11]	孙斌, 常本康, 张俊举, 王贵圆, 李英杰. 基于红外运动目标分割的夜视融合系统设计 . 红外与激光工程, 2015, 44(7): 2064-2069.
[12]	顾有林, 叶应流, 曹光华, 胡以华, 朱峰. EMD和小波变换在低可探测目标检测中的应用 . 红外与激光工程, 2015, 44(11): 3494-3499.
[13]	杨舒, 王玉德. 基于Contourlet 变换和Hu 不变矩的图像检索算法 . 红外与激光工程, 2014, 43(1): 306-310.
[14]	黄浩, 陶华敏, 陈尚锋. 基于混合融合策略的双波段红外小目标检测方法 . 红外与激光工程, 2014, 43(9): 2827-2831.
[15]	杨一帆, 田雁, 杨帆, 黄彪. 基于改进Mean-Shift 算法的红外小目标跟踪 . 红外与激光工程, 2014, 43(7): 2164-2169.
[16]	刘松林, 牛照东, 陈曾平. 交叉熵约束的红外图像最小错误阈值分割 . 红外与激光工程, 2014, 43(3): 979-984.
[17]	高陈强, 阎兵早, 李强. 基于非线性映射模型的红外弱小目标图像仿真 . 红外与激光工程, 2013, 42(11): 2919-2924.
[18]	闵超波, 张俊举, 常本康, 孙斌, 李英杰. 采用边界评价的红外视频运动目标时空域分割方法 . 红外与激光工程, 2013, 42(10): 2636-2641.
[19]	刘运龙, 薛雨丽, 袁素真, 毛峡. 基于局部均值的红外小目标检测算法 . 红外与激光工程, 2013, 42(3): 814-822.
[20]	齐蕾, 张闻文, 陈钱, 顾国华. EMCCD图像自适应模糊中值滤波算法研究 . 红外与激光工程, 2013, 42(11): 3150-3155.

点击查看大图

计量

文章访问数: 341
HTML全文浏览量: 57
PDF下载量: 140
被引次数: 0

基于Contourlet变换和Facet模型的红外小目标检测方法

1. 国防科学技术大学机电工程与自动化学院,湖南长沙 410073

作者简介:
卢瑞涛（1988-），男，硕士生，主要从事图像匹配、目标跟踪方面的研究。Email：lrt19880220@163.com；黄新生（1955-），男，教授，博士生导师，博士，主要从事精确制导、图像处理等方面的研究。Email：huangxinsheng@163.com

卢瑞涛（1988-），男，硕士生，主要从事图像匹配、目标跟踪方面的研究。Email：lrt19880220@163.com；黄新生（1955-），男，教授，博士生导师，博士，主要从事精确制导、图像处理等方面的研究。Email：huangxinsheng@163.com

收稿日期: 2012-07-10
修回日期: 2012-08-12
刊出日期: 2013-08-25

基金项目:

实验室青年教师创新研究项目（LWAS-QNJS-2011-05）

中图分类号: TP391.4

关键词:

摘要: 针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题，提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换，利用硬阈值对图像进行去噪，提高图像的信噪比和平滑性；然后设计了一种基于Facet模型多向梯度特性的中值滤波器，对去噪后的图像进行滤波，有效地抑制复杂背景和噪声；其次采用两级最大类间方差算法对滤波后的图像进行分割；最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明，这种算法抗噪性强，对包含强纹理结构的复杂背景具有良好的抑制作用，能够有效地检测出弱小目标。