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] 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] 翟光, 胡圣冉, 孙一勇.  面向天基红外预警的高动态弱小目标LSTM检测方法研究 . 红外与激光工程, 2023, 52(10): 20230010-1-20230010-11. doi: 10.3788/IRLA20230010
    [3] 刘芬, 孙杰, 张帅, 桑宏强, 孙秀军.  基于YOLOv5的红外船舶目标检测算法 . 红外与激光工程, 2023, 52(10): 20230006-1-20230006-12. doi: 10.3788/IRLA20230006
    [4] 王思宇, 杨小冈, 卢瑞涛, 李清格, 范继伟, 朱正杰.  基于跨模态数据增强的红外时敏目标检测技术 . 红外与激光工程, 2023, 52(9): 20220876-1-20220876-12. doi: 10.3788/IRLA20220876
    [5] 蔡仁昊, 程宁, 彭志勇, 董施泽, 安建民, 金钢.  基于深度学习的轻量化红外弱小车辆目标检测算法研究 . 红外与激光工程, 2022, 51(12): 20220253-1-20220253-11. doi: 10.3788/IRLA20220253
    [6] 高凡, 杨小冈, 卢瑞涛, 王思宇, 高久安, 夏海.  Anchor-free轻量级红外目标检测方法(特邀) . 红外与激光工程, 2022, 51(4): 20220193-1-20220193-9. doi: 10.3788/IRLA20220193
    [7] 蒋昕昊, 蔡伟, 杨志勇, 徐佩伟, 姜波.  基于YOLO-IDSTD算法的红外弱小目标检测 . 红外与激光工程, 2022, 51(3): 20210106-1-20210106-10. doi: 10.3788/IRLA20210106
    [8] 张景程, 乔新博, 赵永强.  红外偏振摄像机动目标检测跟踪系统(特邀) . 红外与激光工程, 2022, 51(4): 20220233-1-20220233-10. doi: 10.3788/IRLA20220233
    [9] 韩金辉, 魏艳涛, 彭真明, 赵骞, 陈耀弘, 覃尧, 李楠.  红外弱小目标检测方法综述 . 红外与激光工程, 2022, 51(4): 20210393-1-20210393-24. doi: 10.3788/IRLA20210393
    [10] 陈明, 赵连飞, 苑立民, 徐峰, 韩默.  基于特征选择YOLOv3网络的红外图像绝缘子检测方法 . 红外与激光工程, 2020, 49(S2): 20200401-20200401. doi: 10.3788/IRLA20200401
    [11] 魏豪, 张凯, 郑磊, 曹源, 张丁文.  基于HOG-RCNN的电力巡检红外图像目标检测 . 红外与激光工程, 2020, 49(S2): 20200411-20200411. doi: 10.3788/IRLA20200411
    [12] 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
    [13] 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
    [14] 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
    [15] 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.
    [16] 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.
    [17] 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.
    [18] 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.
    [19] 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.
    [20] 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.
  • 加载中
计量
  • 文章访问数:  483
  • HTML全文浏览量:  115
  • PDF下载量:  60
  • 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