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

基于梯度信息融合的海面红外目标实时检测

万磊,  曾文静,  张铁栋,  秦再白

downloadPDF
文章导航 > 红外与激光工程  > 2013 >  42(1): 41-45
万磊, 曾文静, 张铁栋, 秦再白. 基于梯度信息融合的海面红外目标实时检测[J]. 红外与激光工程, 2013, 42(1): 41-45.
引用本文: 万磊, 曾文静, 张铁栋, 秦再白. 基于梯度信息融合的海面红外目标实时检测[J]. 红外与激光工程, 2013, 42(1): 41-45.
shu
Wan Lei, Zeng Wenjing, Zhang Tiedong, Qin Zaibai. Real-time detection of marine infrared objects based on the fusion of gradient information[J]. Infrared and Laser Engineering, 2013, 42(1): 41-45.
Citation: Wan Lei, Zeng Wenjing, Zhang Tiedong, Qin Zaibai. Real-time detection of marine infrared objects based on the fusion of gradient information[J]. Infrared and Laser Engineering, 2013, 42(1): 41-45.
shu

基于梯度信息融合的海面红外目标实时检测

  • 1.

    哈尔滨工程大学 水下机器人技术国防科技重点实验室,黑龙江 哈尔滨 150001

基金项目: 

国家自然科学基金（51009040\E091002）;国家863计划（2011AA09A106）

详细信息
    作者简介:

    万磊（1965-），男，研究员，博士生导师，主要从事机器人系统集成方面的研究。Email：wanlei@hrbeu.edu.cn

  • 中图分类号: TP391

Real-time detection of marine infrared objects based on the fusion of gradient information

  • 1.

    State Key Laboratory of Autonomous Underwater Vehicle,Harbin Engineering University,Harbin 150001,China

  • 摘要: 针对海面红外序列图像的特点，提出一种适用于海天背景和海岸背景的目标检测方法。该方法不需要进行特殊的预处理来滤除图像噪声，首先量化子图像的区域复杂度以及单元区域上下邻域的灰度差异，从而预测出海界限区域的位置；然后利用改进Canny算子提取轮廓边缘，突出海界线特征，降低其他纹理的干扰，再进行Hough变换，提取出海界线；最后提出泛化梯度概念，通过融合的梯度信息，联合海界线的位置，进行海面目标标记。实验表明，所提方法能准确地定位海界限区域以及水平或倾斜的海界线，并快速精确地提取红外海面目标。整个过程的平均花费时间约为60 ms，具备很好的鲁棒性和实时性。
    Abstract: A feasible method considering the character of marine infrared image was proposed to detect objects in the sequential images from surface vehicle, which was not only appropriate for sea-sky background but also for offshore background. There was no need to filter the noise. Firstly, the complexity of sub-images and the average gray difference of their up and down neighborhood were measured to predict the sea line region. Secondly, improved Canny edge detection was applied to extract the contour of the sea line region. It made the sea line obvious and meaningless edges disappear greatly. Thirdly, Hough transformation was used to pick the longest line as the sea line. Finally, a kind of general concept of gradient was put forward. The targets could be marked excellently under the fusion of gradient. The experiment results show that this method can locate the sea-line region and the sea line with any tilt reliably and obtain the information of objects effectively. The whole procedure costs about 60 ms and it is real-time and robust.
  • [1] Wang Lidi,Huang Shabai,Shi Zelin. Automatic detection of the infrared small sea target based on wavelet and fractal[J]. Laser Infrared, 2004, 34(6): 481-484. (in Chinese)
    [2]
    [3] Wei Ying, Shi Zelin, Li Chengjun, et al. Detection algorithm for infrared small target in background of sea and sky[J]. Infrared and Laser Engineering, 2003, 32(2): 153-156. (in Chinese)
    [4] 王立地, 黄莎白, 史泽林. 基于小波和分形的海面红外小目标自动检测方法[J]. 激光与红外, 2004, 34(6): 481-484.
    [5] Yang Lei, Yang Jie, Zheng Zhonglong. Detecting infrared small targets based on adaptive local energy threshold under sea-sky complex background[J]. J Infrared Millim Waves,2006, 25(1): 42-46. (in Chinese)
    [6]
    [7] Pan Yuzhu, Huang Shunhuan, Li Chisheng. Detection of infrared small target based on UDWT[J]. Laser Infrared, 2009, 39(11): 1237-1240. (in Chinese)
    [8]
    [9] Yang L, Zhou Y, Yang J, et al. Variance WIE based infrared images processing[J]. Electronics Letters, 2006, 42(15): 857-859.
    [10] 魏颖, 史泽林, 李成军, 等. 海空背景下红外小目标检测算法[J]. 红外与激光工程, 2003, 32(2): 153-156.
    [11] Liu Yuanyuan, Liu Wenbo, Zhen Ziyang. Image segmentation method based on fuzzy entropy and grey relational analysis[J]. Journal of OptoelectronicsLaser, 2008, 19(9): 1250-1253. (in Chinese)
    [12]
    [13] Zhu Shiping, Xia Xi, Zhang Qingrong. An edge detection algorithm in image processing based oil point-by-point threshold segmentation[J]. Journal of OptoelectronicsLaser,2008, 19(10): 1383-1387. (in Chinese)
    [14]
    [15] 杨磊, 杨杰, 郑忠龙. 海空复杂背景中基于自适应局部能量阈值的红外小目标检测[J]. 红外与毫米波学报, 2006, 25(1): 42-46.
    [16] Cosmin Grigorescu, Nicolai Petkov, Michel A Westenberg. Contour and boundary detection improved by surround suppression of texture edges[J]. Image and Vision Computing, 2004, 22(8): 609-622.
    [17] Guo Siyu, Pridmore Tony, Kong Yaguang, et al. An improved Hough transform voting scheme utilizing surround suppression[J]. Pattern Recognition Letters, 2009, 30(13): 1241-1252.
    [18]
    [19]
    [20] Ray Hidayat. Texture-boundary detection in real-time[D]. Christchurch: University of Canterbury, 2010: 75-76.
    [21] 潘玉竹, 黄顺欢, 李迟生. 基于非抽样小波的红外小目标检测[J]. 激光与红外, 2009, 39 (11): 1237-1240.
    [22]
    [23]
    [24]
    [25] 刘媛媛, 刘文波, 甄子洋. 灰色关联度和模糊熵相结合的图像分割算法[J]. 光电子激光, 2008, 19(9): 1250-1253.
    [26]
    [27]
    [28] 祝世平, 夏曦, 张庆荣. 一种基于逐点闽值分割的图像边缘检测方法[J]. 光电子激光, 2008, 19(10): 1383-1387.
    [29]
    [30]
    [31]
  • [1] 杨棉绒, 牛丽平.  基于LGBM的Zernike特征选取及红外图像目标识别方法 . 红外与激光工程, 2022, 51(4): 20210309-1-20210309-6. doi: 10.3788/IRLA20210309
    [2] 廖莎莎.  基于筛选深度特征的红外图像目标识别方法 . 红外与激光工程, 2022, 51(5): 20210372-1-20210372-6. doi: 10.3788/IRLA20210372
    [3] 李霖, 王红梅, 李辰凯.  红外与可见光图像深度学习融合方法综述 . 红外与激光工程, 2022, 51(12): 20220125-1-20220125-20. doi: 10.3788/IRLA20220125
    [4] 廖辉传, 赵海霞.  基于分类器决策融合的红外图像目标识别方法 . 红外与激光工程, 2022, 51(8): 20210725-1-20210725-6. doi: 10.3788/IRLA20210725
    [5] 王鹏翔, 张兆基, 杨怀.  结合多特征融合和极限学习机的红外图像目标分类方法 . 红外与激光工程, 2022, 51(6): 20210597-1-20210597-6. doi: 10.3788/IRLA20210597
    [6] 黄攀, 杨小冈, 卢瑞涛, 常振良, 刘闯.  基于空间联合的红外舰船目标数据增强方法 . 红外与激光工程, 2021, 50(12): 20210281-1-20210281-10. doi: 10.3788/IRLA20210281
    [7] 杨雅志, 李骏.  单演信号在红外图像目标分类中的应用研究 . 红外与激光工程, 2021, 50(12): 20210165-1-20210165-7. doi: 10.3788/IRLA20210165
    [8] 史国军.  深度特征联合表征的红外图像目标识别方法 . 红外与激光工程, 2021, 50(3): 20200399-1-20200399-6. doi: 10.3788/IRLA20200399
    [9] 沈英, 黄春红, 黄峰, 李杰, 朱梦娇, 王舒.  红外与可见光图像融合技术的研究进展 . 红外与激光工程, 2021, 50(9): 20200467-1-20200467-18. doi: 10.3788/IRLA20200467
    [10] 赵璐, 熊森.  多视角红外图像目标识别方法 . 红外与激光工程, 2021, 50(11): 20210206-1-20210206-6. doi: 10.3788/IRLA20210206
    [11] 陆福星, 陈忻, 陈桂林, 饶鹏.  背景自适应的多特征融合的弱小目标检测 . 红外与激光工程, 2019, 48(3): 326002-0326002(7). doi: 10.3788/IRLA201948.0326002
    [12] 韩义波, 杨新锋, 滕书华, 庄祉昀.  激光与红外融合目标检测 . 红外与激光工程, 2018, 47(8): 804005-0804005(7). doi: 10.3788/IRLA201847.0804005
    [13] 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
    [14] 张迪飞, 张金锁, 姚克明, 成明伟, 吴永国.  基于SVM分类的红外舰船目标识别 . 红外与激光工程, 2016, 45(1): 104004-0104004(6). doi: 10.3788/IRLA201645.0104004
    [15] 张士杰, 李俊山, 杨亚威, 张姣, 李海龙, 郭毅.  湍流退化红外图像校正算法 . 红外与激光工程, 2014, 43(11): 3670-3675.
    [16] 赵微, 惠斌, 张玉晓.  红外舰船目标的要害点检测算法 . 红外与激光工程, 2014, 43(1): 48-52.
    [17] 张宝辉, 闵超波, 窦亮, 张俊举, 常本康.  目标增强的红外与微光图像融合算法 . 红外与激光工程, 2014, 43(7): 2349-2353.
    [18] 王慧丽, 齐异, 刘焕英.  舰船尾流红外图像边界检测方法 . 红外与激光工程, 2013, 42(2): 524-527.
    [19] 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.
    [20] 赵晓, 张伟, 侯晴宇, 巩晋南.  多尺度匹配的红外变分辨率弱小目标检测 . 红外与激光工程, 2013, 42(11): 2913-2918.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  254
  • HTML全文浏览量:  17
  • PDF下载量:  132
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-05-07
  • 修回日期:  2012-06-11
  • 刊出日期:  2013-01-25

基于梯度信息融合的海面红外目标实时检测

  • 1. 哈尔滨工程大学 水下机器人技术国防科技重点实验室,黑龙江 哈尔滨 150001
    • 作者简介:

    万磊（1965-），男，研究员，博士生导师，主要从事机器人系统集成方面的研究。Email：wanlei@hrbeu.edu.cn

  • 收稿日期: 2012-05-07
  • 修回日期: 2012-06-11
  • 刊出日期: 2013-01-25
基金项目:

国家自然科学基金（51009040\E091002）;国家863计划（2011AA09A106）

  • 中图分类号: TP391

摘要: 针对海面红外序列图像的特点，提出一种适用于海天背景和海岸背景的目标检测方法。该方法不需要进行特殊的预处理来滤除图像噪声，首先量化子图像的区域复杂度以及单元区域上下邻域的灰度差异，从而预测出海界限区域的位置；然后利用改进Canny算子提取轮廓边缘，突出海界线特征，降低其他纹理的干扰，再进行Hough变换，提取出海界线；最后提出泛化梯度概念，通过融合的梯度信息，联合海界线的位置，进行海面目标标记。实验表明，所提方法能准确地定位海界限区域以及水平或倾斜的海界线，并快速精确地提取红外海面目标。整个过程的平均花费时间约为60 ms，具备很好的鲁棒性和实时性。

English Abstract

    全文HTML

参考文献 (31)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计