基于改进LCM的红外小目标检测算法

张祥越; 丁庆海; 罗海波; 惠斌; 常铮; 张俊超

doi:10.3788/IRLA201746.0726002

基于改进LCM的红外小目标检测算法

doi: 10.3788/IRLA201746.0726002

张祥越^1,2,3,
丁庆海⁴,
罗海波^1,2,
惠斌^1,2,
常铮^1,2,
张俊超^1,2,3

1.
中国科学院沈阳自动化研究所,辽宁沈阳 110016;
2.
中国科学院光电信息处理实验室,辽宁沈阳 110016;
3.
中国科学院大学,北京 100049;
4.
航天恒星科技有限公司,北京 100086

详细信息

作者简介:
张祥越(1991-),男,博士生,主要从事小目标检测、图像处理、模式识别等方面的研究。Email:zhangxiangyue@sia.cn

中图分类号: TP391.4

Infrared dim target detection algorithm based on improved LCM

1.
Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;
2.
Key Laboratory of Opt-Electronic Information Processing,Chinese Academy of Sciences,Shenyang 110016,China;
3.
University of Chinese Academy of Sciences,Beijing 100049,China;
4.
Space Star Technology Co,LTD,Beijing 100086,China

摘要: 如何在复杂背景和低信杂比条件下准确检测到小目标对于精确制导武器的发展和红外预警等具有重要意义。为了在复杂背景条件下提高图像信杂比并有效地检测出小目标，提出一种基于中心域与邻域灰度对比度的红外小目标检测方法。通过计算输入图像的对比度图和显著度图，提高了目标对比度同时抑制背景杂波；在此基础上自适应设定阈值分离出小目标。实验结果表明：与传统LCM（Local Contrast Measure）方法相比，所提出的方法能够取得更高的检测率和较低的虚警率，尤其是对于复杂背景下的弱小目标检测，相对于对比算法，优势更明显。
- 小目标检测 /
- 红外图像 /
- 检测算法 /
- 局部对比度
Abstract: How to detect infrared dim targets accurately under complex background and low SCR condition is of great significance for the development of precision guided weapons and infrared warning. In order to improve the SCR and detect the dim targets effectively, a new method for infrared dim target detection based on the gray contrast between the central region and its neighborhood was proposed. The contrast of the target was improved by calculating the contrast map and saliency map of the input image while suppressing the background clutter. The adaptive threshold was set on this basis to separate the dim targets. Experimental results show that the proposed method can achieve higher detection rate and lower false alarm rate compared with conventional LCM(Local Contrast Measure) method. The proposed method has an outperformance compared with other algorithms, especially in the case of complex background.
- dim target detection /
- infrared image /
- detection algorithm /
- local contrast

[1]	Tom V T, Peli T, Leung M, et al. Morphology-based algorithm for point target detection in infrared backgrounds[C]//SPIE, 1993, 1954:2-11.
[2]	Wang Weihua, Niu Zhaodong, Chen Zengping. Temporal-spatial fusion filtering algorithm for small infrared moving target detection[J]. Infrared and Laser Engineering, 2005, 34(6):714-718. (in Chinese)王卫华, 牛照东, 陈曾平. 基于时空域融合滤波的红外运动小目标检测算法[J]. 红外与激光工程, 2005, 34(6):714-718.
[3]	Wang X, Lv G, Xu L. Infrared dim target detection based on visual attention[J]. Infrared Physics Technoolgy, 2012, 55(6):513-521.
[4]	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.
[5]	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.
[6]	Liu Yunlong, Xue Yuli, Yuan Suzhen, et al. Infrared small targets detection using local mean[J]. Infrared and Laser Engineering, 2013, 42(3):815-822. (in Chinese)刘运龙, 薛雨丽, 袁素真, 等. 基于局部均值的红外小目标检测算法[J]. 红外与激光工程, 2013, 42(3):815-822.
[7]	Huang Min, Bao Susu, Qiu Wenchao. Study and simulation of surgical navigation based on binocular vision under visible light[J]. Robot, 2014, 36(4):461-468, 476. (in Chinese)黄敏, 鲍苏苏, 邱文超. 基于可见光下双目视觉的手术导航研究与仿真[J]. 机器人, 2014, 36(4):461-468, 476.
[8]	Song Xin, Luo Jun, Wang Luping, et al. Motion target tracking based on GVF Snake[J]. Infrared and Laser Engineering, 2007, 36(2):226-228. (in Chinese)宋新, 罗军, 王鲁平, 等. 基于GVF Snake的运动目标跟踪方法[J]. 红外与激光工程, 2007, 36(2):226-228.
[9]	Sun Wei, Wang Hongfei, Shao Xijun. Infrared target segmentation method based on improved watershed algorithms[J]. Infrared and Laser Engineering, 2006, 35(S4):31-37. (in Chinese)孙伟, 王宏飞, 邵锡军. 基于改进分水岭算法的红外图像分割[J]. 红外与激光工程, 2006, 35(S4):31-37.
[10]	Yang Yifan, Tian Yan, Yang Fan, et al. Tracking of infrared small-target based on improved Mean-Shift algorithm[J]. Infrared and Laser Engineering, 2014, 43(7):2164-2169. (in Chinese)杨一帆, 田雁, 杨帆, 等. 基于改进Mean-Shift算法的红外小目标跟踪[J]. 红外与激光工程, 2014, 43(7):2164-2169.
[11]	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. (in Chinese)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.

[1]	薛珊, 安宏宇, 吕琼莹, 曹国华. 复杂背景下基于YOLOv7-tiny的图像目标检测算法 . 红外与激光工程, 2024, 53(1): 20230472-1-20230472-12. doi: 10.3788/IRLA20230472
[2]	袁帅, 延翔, 张昱赓, 秦翰林. 双邻域差值放大的高动态红外弱小目标检测方法（特邀） . 红外与激光工程, 2022, 51(4): 20220171-1-20220171-11. doi: 10.3788/IRLA20220171
[3]	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
[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]	李方舟, 赵耀宏, 向伟, 刘海峥. 基于改进非局部均值的红外图像混合噪声去除方法 . 红外与激光工程, 2019, 48(S1): 163-173. doi: 10.3788/IRLA201948.S128001
[6]	朱晓婷, 刘雁翔, 郭锐, 刘荣忠, 武军安. 末敏弹线阵红外图像的Harris角点检测优化算法 . 红外与激光工程, 2019, 48(S2): 149-155. doi: 10.3788/IRLA201948.S226004
[7]	赵耀宏, 王园园, 罗海波, 李方舟. 红外成像系统中的高动态范围压缩与对比度增强新技术 . 红外与激光工程, 2018, 47(S1): 172-181. doi: 10.3788/IRLA201847.S126001
[8]	耿磊, 梁晓昱, 肖志涛, 李月龙. 基于多形态红外特征与深度学习的实时驾驶员疲劳检测 . 红外与激光工程, 2018, 47(2): 203009-0203009(9). doi: 10.3788/IRLA201847.0203009
[9]	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
[10]	唐庆菊, 刘俊岩, 王扬, 刘元林, 梅晨. 基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测 . 红外与激光工程, 2016, 45(9): 928001-0928001(5). doi: 10.3788/IRLA201645.0928001
[11]	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.
[12]	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.
[13]	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.
[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]	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.
[16]	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.
[17]	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 . 红外与激光工程, 2013, 42(1): 41-45.
[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]	林建粦, 平西建, 马德宝. 采用DBT的漂移扫描星图小目标检测方法 . 红外与激光工程, 2013, 42(12): 3440-3446.
[20]	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.

点击查看大图

计量

文章访问数: 818
HTML全文浏览量: 141
PDF下载量: 242
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

基于改进LCM的红外小目标检测算法

doi: 10.3788/IRLA201746.0726002

作者简介:
张祥越(1991-),男,博士生,主要从事小目标检测、图像处理、模式识别等方面的研究。Email:zhangxiangyue@sia.cn

Infrared dim target detection algorithm based on improved LCM

计量

基于改进LCM的红外小目标检测算法

doi: 10.3788/IRLA201746.0726002

1. 中国科学院沈阳自动化研究所,辽宁沈阳 110016;

2. 中国科学院光电信息处理实验室,辽宁沈阳 110016;

3. 中国科学院大学,北京 100049;

4. 航天恒星科技有限公司,北京 100086

作者简介:
张祥越(1991-),男,博士生,主要从事小目标检测、图像处理、模式识别等方面的研究。Email:zhangxiangyue@sia.cn

English Abstract

Infrared dim target detection algorithm based on improved LCM

全文HTML

目录

留言板

基于改进LCM的红外小目标检测算法

doi: 10.3788/IRLA201746.0726002

作者简介: 张祥越(1991-),男,博士生,主要从事小目标检测、图像处理、模式识别等方面的研究。Email:zhangxiangyue@sia.cn

Infrared dim target detection algorithm based on improved LCM

计量

出版历程

基于改进LCM的红外小目标检测算法

doi: 10.3788/IRLA201746.0726002

1. 中国科学院沈阳自动化研究所,辽宁 沈阳 110016; 2. 中国科学院光电信息处理实验室,辽宁 沈阳 110016; 3. 中国科学院大学,北京 100049; 4. 航天恒星科技有限公司,北京 100086

作者简介: 张祥越(1991-),男,博士生,主要从事小目标检测、图像处理、模式识别等方面的研究。Email:zhangxiangyue@sia.cn

English Abstract

Infrared dim target detection algorithm based on improved LCM

全文HTML

目录

作者简介:
张祥越(1991-),男,博士生,主要从事小目标检测、图像处理、模式识别等方面的研究。Email:zhangxiangyue@sia.cn

1. 中国科学院沈阳自动化研究所,辽宁沈阳 110016;

2. 中国科学院光电信息处理实验室,辽宁沈阳 110016;

3. 中国科学院大学,北京 100049;

4. 航天恒星科技有限公司,北京 100086

作者简介:
张祥越(1991-),男,博士生,主要从事小目标检测、图像处理、模式识别等方面的研究。Email:zhangxiangyue@sia.cn