基于局部均值的红外小目标检测算法

刘运龙; 薛雨丽; 袁素真; 毛峡

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

基于局部均值的红外小目标检测算法

刘运龙, 薛雨丽, 袁素真, 毛峡

文章导航 > 红外与激光工程 > 2013 > 42(3): 814-822

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[J]. 红外与激光工程, 2013, 42(3): 814-822.

引用本文:

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[J]. 红外与激光工程, 2013, 42(3): 814-822.

Liu Yunlong, Xue Yuli, Yuan Suzhen, Mao Xia. Infrared small targets detection using local mean[J]. Infrared and Laser Engineering, 2013, 42(3): 814-822.

Citation:

Liu Yunlong, Xue Yuli, Yuan Suzhen, Mao Xia. Infrared small targets detection using local mean[J]. Infrared and Laser Engineering, 2013, 42(3): 814-822.

基于局部均值的红外小目标检测算法

1.
北京航空航天大学电子信息工程学院,北京100191

基金项目:

中央高校基本科研业务费专项资金（YWF-12-LZGF-054）

详细信息

作者简介:
刘运龙（1988- ），男，硕士生，主要从事红外小目标检测方面的研究。Email：liuyunlong198812@yahoo.cn；毛峡（1952- ），女，教授，博士生导师，博士，主要从事红外图像处理和人工智能方面的研究。Email：moukyou@buaa.edu.cn

刘运龙（1988- ），男，硕士生，主要从事红外小目标检测方面的研究。Email：liuyunlong198812@yahoo.cn；毛峡（1952- ），女，教授，博士生导师，博士，主要从事红外图像处理和人工智能方面的研究。Email：moukyou@buaa.edu.cn

中图分类号: TP391

Infrared small targets detection using local mean

1.
Institute of Electronic and Information Engineering,Beihang University,Beijing 100191,China

摘要: 复杂背景条件下红外小目标检测是红外自动寻的、红外预警系统的关键技术和研究热点之一。为了能有效地检测出小目标，对红外图像中的小目标与背景特性进行了分析，在充分利用小目标与其局部背景差异的基础上，提出一种基于局部灰度均值确定红外小目标尺寸和位置信息的算法。首先，给出判断像元属于小目标的必要条件，该条件判定图像中哪些像元可能属于红外小目标；其次，基于可能属于小目标的像元给出小目标可能的尺寸值；再次，对所得结果进行优化，排除虚警；最后，根据前三阶段所得结果确定小目标的尺寸和位置。Matlab 仿真结果表明，对复杂云层背景的红外图像，Top-Hat 检测算法虽然检测速度快，但当虚警和目标的灰度值相等时不能很好地对目标进行检测；新算法在选择合适参数的基础上能准确给出目标的位置信息，并能较好地估算小目标尺寸，然而新算法在检测速度上仍有待进一步提高。
- 局部均值 /
- 复杂背景 /
- 红外小目标 /
- 小目标检测
Abstract: The detection of infrared small targets under the condition of complex background is one of the most important technologies and the most popular research topics in infrared auto target search and infrared guarding systems. In order to detect the small target efficiently, the local gray mean was proposed to determine the size and location of the infrared small target based on the analysis of the characteristics of the small target and its local background. Firstly, the necessary condition to judge whether a pixel was a small target was given. Secondly, based on the pixels which was the target, the possible sizes of the small target could be figured out. Then, the result was optimized and false alarm was eliminated as far as possible. Finally, according to the result obtained from the first three steps, the ultimated size and location of the infrared small target were given. Matlab simulation results show that, for the complex cloud backgrounds, the detection algorithm based on Top-Hat transform has good detection speed, but when the gray values of false alarm and target are equal, the algorithm could not detect the target efficiently. When choosing suitable parameters, the new algorithm not only can accurately give the location information of the small target, but also has good ability to estimate the small target size. However, the detection speed of the new algorithm remains to be further improved.
- local mean /
- complex background /
- infrared small target /
- small targets detection
[1] null

[1]	徐丹旸, 魏宏光, 金秋春, 钱金旺, 郭星辰. 基于二维模态分解与斑块对比度相结合的红外小目标检测算法 . 红外与激光工程, 2022, 51(12): 20220148-1-20220148-7. doi: 10.3788/IRLA20220148
[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]	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
[4]	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
[5]	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
[6]	范明明, 田少卿, 刘凯, 赵嘉鑫, 李云松. 基于梯度方向一致性和特征分解的红外小目标检测算法 . 红外与激光工程, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001
[7]	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
[8]	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
[9]	李文通, 丁雯, 朱牧. 复杂背景下玫瑰扫描红外探测系统作用距离评估方法 . 红外与激光工程, 2017, 46(10): 1004002-1004002(7). doi: 10.3788/IRLA201781.1004002
[10]	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
[11]	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
[12]	乔立永, 徐立新, 高敏. 带宽自适应均值偏移红外目标跟踪 . 红外与激光工程, 2015, 44(1): 354-362.
[13]	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.
[14]	王会改, 李正周, 顾园山, 唐岚, 王臻, 金钢. 基于多尺度自适应稀疏字典的小弱目标检测方法 . 红外与激光工程, 2014, 43(7): 2371-2378.
[15]	王恩国, 高印寒, 苏成志, 刘妍妍. 小目标图像局部极值收敛提取算法 . 红外与激光工程, 2014, 43(4): 1352-1358.
[16]	陈宇, 霍富荣, 刘洪志, 郑丽芹. 基于改进MACH算法的畸变目标识别 . 红外与激光工程, 2014, 43(12): 4186-4191.
[17]	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.
[18]	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.
[19]	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 . 红外与激光工程, 2013, 42(8): 2281-2287.
[20]	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.

点击查看大图

计量

文章访问数: 332
HTML全文浏览量: 45
PDF下载量: 141
被引次数: 0

基于局部均值的红外小目标检测算法

1. 北京航空航天大学电子信息工程学院,北京100191

作者简介:
刘运龙（1988- ），男，硕士生，主要从事红外小目标检测方面的研究。Email：liuyunlong198812@yahoo.cn；毛峡（1952- ），女，教授，博士生导师，博士，主要从事红外图像处理和人工智能方面的研究。Email：moukyou@buaa.edu.cn

刘运龙（1988- ），男，硕士生，主要从事红外小目标检测方面的研究。Email：liuyunlong198812@yahoo.cn；毛峡（1952- ），女，教授，博士生导师，博士，主要从事红外图像处理和人工智能方面的研究。Email：moukyou@buaa.edu.cn

收稿日期: 2012-07-12
修回日期: 2012-08-05
刊出日期: 2013-03-25

基金项目:

中央高校基本科研业务费专项资金（YWF-12-LZGF-054）

中图分类号: TP391

关键词:

摘要: 复杂背景条件下红外小目标检测是红外自动寻的、红外预警系统的关键技术和研究热点之一。为了能有效地检测出小目标，对红外图像中的小目标与背景特性进行了分析，在充分利用小目标与其局部背景差异的基础上，提出一种基于局部灰度均值确定红外小目标尺寸和位置信息的算法。首先，给出判断像元属于小目标的必要条件，该条件判定图像中哪些像元可能属于红外小目标；其次，基于可能属于小目标的像元给出小目标可能的尺寸值；再次，对所得结果进行优化，排除虚警；最后，根据前三阶段所得结果确定小目标的尺寸和位置。Matlab 仿真结果表明，对复杂云层背景的红外图像，Top-Hat 检测算法虽然检测速度快，但当虚警和目标的灰度值相等时不能很好地对目标进行检测；新算法在选择合适参数的基础上能准确给出目标的位置信息，并能较好地估算小目标尺寸，然而新算法在检测速度上仍有待进一步提高。

English Abstract

Infrared small targets detection using local mean

1. Institute of Electronic and Information Engineering,Beihang University,Beijing 100191,China

Received Date: 2012-07-12
Rev Recd Date: 2012-08-05
Publish Date: 2013-03-25

Keywords:

Abstract: The detection of infrared small targets under the condition of complex background is one of the most important technologies and the most popular research topics in infrared auto target search and infrared guarding systems. In order to detect the small target efficiently, the local gray mean was proposed to determine the size and location of the infrared small target based on the analysis of the characteristics of the small target and its local background. Firstly, the necessary condition to judge whether a pixel was a small target was given. Secondly, based on the pixels which was the target, the possible sizes of the small target could be figured out. Then, the result was optimized and false alarm was eliminated as far as possible. Finally, according to the result obtained from the first three steps, the ultimated size and location of the infrared small target were given. Matlab simulation results show that, for the complex cloud backgrounds, the detection algorithm based on Top-Hat transform has good detection speed, but when the gray values of false alarm and target are equal, the algorithm could not detect the target efficiently. When choosing suitable parameters, the new algorithm not only can accurately give the location information of the small target, but also has good ability to estimate the small target size. However, the detection speed of the new algorithm remains to be further improved.