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

周视红外成像搜索系统中的实时目标检测方法

孙刚,  郭仕剑,  陈曾平

downloadPDF
文章导航 > 红外与激光工程  > 2014 >  43(7): 2152-2158
孙刚, 郭仕剑, 陈曾平. 周视红外成像搜索系统中的实时目标检测方法[J]. 红外与激光工程, 2014, 43(7): 2152-2158.
引用本文: 孙刚, 郭仕剑, 陈曾平. 周视红外成像搜索系统中的实时目标检测方法[J]. 红外与激光工程, 2014, 43(7): 2152-2158.
shu
Sun Gang, Guo Shijian, Chen Zengping. Real-time target detection algorithm of infrared imaging alarm system in panoramic field-of-view[J]. Infrared and Laser Engineering, 2014, 43(7): 2152-2158.
Citation: Sun Gang, Guo Shijian, Chen Zengping. Real-time target detection algorithm of infrared imaging alarm system in panoramic field-of-view[J]. Infrared and Laser Engineering, 2014, 43(7): 2152-2158.
shu

周视红外成像搜索系统中的实时目标检测方法

  • 1.

    国防科技大学自动目标识别重点实验室,湖南长沙 410073

基金项目: 

国防科技大学博士生跨学科联合培养计划（kxk130405）

详细信息
    作者简介:

    孙刚（1986-），男，博士生，主要从事精确制导及自动目标识别方面的研究。Email：sg1032@163.com

  • 中图分类号: TP391.4

Real-time target detection algorithm of infrared imaging alarm system in panoramic field-of-view

  • 1.

    Automatic Target Recognition Laboratory,National University of Defense Technology,Changsha 410073,China

  • 摘要: 在周视红外成像的预警搜索系统中，大视场下红外图像的背景成分十分复杂；与此同时，高分辨成像使得图像数据量也急剧增加。针对周视成像系统中红外图像的特点，提出了一种基于分块图像加权熵值矩阵的快速目标提取算法：首先根据大视场下红外图像的空间分布特性，对原始图像建立子图像块矩阵；然后提出一种加权熵的特征判别函数，建立子图像块的加权熵值矩阵；最后分析了基于加权熵矩阵自适应阈值选取方法，对背景进行分类并快速提取目标兴趣区。实测数据结果表明：该算法流程是一种适合大视场条件下的有效目标检测算法，且具备良好的工程应用性。
    Abstract: In the panoramic field-of-view (FOV) infrared imaging search system (PIRSS), the infrared image background was especially complicated, along with rapidly increasing of the data quantity. According to the infrared image's characteristics in the PIRSS, a flow of detecting algorithm based on the weighted local entropy (WLE) matrix of image blocks was proposed. Firstly, it established the image blocks matrix for the entire image, which was based on the spatial distributing characteristics of the panoramic image. Then a new characteristic function called weighted local entropy was presented, and calculated the WLE matrix for the image blocks. Finally, an appropriate adaptive threshold method based on the analysis of WLE matrix was adopted, which implemented the region separation of candidate targets from background and obtained the ROI. Experimental results demonstrated that the proposed algorithm was effective and befitting for the infrared target detection in large FOV. It also has good performance for real-time processing and engineering realization.
  • [1] Yang Lei, Yang Jie, Ling Jianguo, et al. Real-time method for detecting multi-small targets in infrared large sight field [J]. Infrared Millimeter Waves, 2006, 25(4): 377-381. (in Chinese) 杨磊, 杨杰, 凌建国, 等. 一种红外大视场下的多目标实时检测方法[J]. 红外与毫米波学报, 2006, 25(5): 377-381.
    [2]
    [3]
    [4] Wang Guangjun, Tian Jinwen, Liu Jian. Infrared small objects detection based on local entropy method[J]. Infrared and Laser Engineering, 2000, 29(4): 26-29. (in Chinese) 王广君, 田金文, 柳健. 基于局部熵的红外图像小目标检测[J]. 红外与激光工程, 2000, 29(4): 26-29.
    [5] Wu Zepeng, Guo Lingling, Zhu Mingchao, et al. Improved image registration using feature points combined with image entropy [J]. Infrared and Laser Engineering, 2010, 42(10): 2846-2852. (in Chinese) 吴泽鹏, 郭玲玲, 朱明超, 等. 结合图像信息熵和特征点的图像配准方法[J]. 红外与激光工程, 2010, 42 (10):2846-2852.
    [6]
    [7]
    [8] Seok Pil Yoon, Taek Lyul, Song Tae Han Kim. Automatic target recognition and tracking in forward-looking infrared image sequences with a complex background [J]. International Journal of Control, Automation and Systems, 2013, 11(1):21-32.
    [9] Qiao Liyong, Xu Lixin, Gao Min. Fast maximum entropy thresholding based on two-dimensional histogram oblique segmentation in infrared imaging guidance [J]. Infrared and Laser Engineering, 2013, 42(7): 1691-1699. (in Chinese) 乔立永, 徐立新, 高敏. 红外成像制导二维斜分最大熵分割的快速实现[J]. 红外与激光工程, 2013, 42(7): 1691-1699.
    [10]
    [11]
    [12] Deng He, Liu Jianguo, Cheng Zhong. Infrared small target detection based on modified local entropy and EMD [J]. Chinese Optics Letters, 2010, 8(1): 24-28.
    [13] Fan Hongbo. A high performance IRST system based on 11526 LWIR detectors[J]. Infrared Technology, 2010, 32(1): 20-24. (in Chinese) 范宏波. 基于11526 长波线列探测器的高性能红外搜索预警系统[J]. 红外技术, 2010, 32(1): 20-24.
    [14]
    [15] Pun T. A new method for gray-level picture thresholding using the entropy of the histogram[J]. Signal Process, 1980, (2): 223-237.
  • [1] 周云扬, 吴昱臻, 王岭雪, 戎宁涛, 李洪兵, 顾溢汀, 曹峰梅, 蔡毅.  非全对称五面镜单视点折反射红外周视系统 . 红外与激光工程, 2023, 52(10): 20230266-1-20230266-10. doi: 10.3788/IRLA20230266
    [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] 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
    [4] 马丹丹.  图像分块匹配的SAR目标识别方法 . 红外与激光工程, 2021, 50(10): 20210120-1-20210120-8. doi: 10.3788/IRLA20210120
    [5] 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
    [6] 于鲲, 郭彪, 丛明煜.  空间目标临边探测背景红外成像建模与图像仿真 . 红外与激光工程, 2019, 48(9): 904005-0904005(10). doi: 10.3788/IRLA201948.0904005
    [7] 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
    [8] 程全, 樊宇, 刘玉春, 程朋.  分块投影匹配的运动目标检测方法 . 红外与激光工程, 2018, 47(10): 1026004-1026004(4). doi: 10.3788/IRLA201847.1026004
    [9] 刘博虎, 宋承天, 段亚博.  周视激光成像引信设计及仿真 . 红外与激光工程, 2018, 47(4): 406003-0406003(8). doi: 10.3788/IRLA201847.0406003
    [10] 侯幸林, 罗海波, 周培培.  基于局部信息熵最大的多曝光控制方法 . 红外与激光工程, 2017, 46(7): 726001-0726001(7). doi: 10.3788/IRLA201746.0726001
    [11] 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.
    [12] 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.
    [13] 杨蔚, 顾国华, 陈钱, 曾海芳, 徐富元, 王长江.  红外偏振图像的目标检测方法 . 红外与激光工程, 2014, 43(8): 2746-2751.
    [14] 李林, 卢焕章, 肖山竹, 廖斌.  周扫条件下的红外运动目标检测 . 红外与激光工程, 2014, 43(3): 967-972.
    [15] 王鲁平, 张路平, 韩建涛.  采用灰度加权核函数的动态背景运动目标检测算法 . 红外与激光工程, 2013, 42(12): 3453-3457.
    [16] 乔立永, 徐立新, 高敏.  红外成像制导二维斜分最大熵分割的快速实现 . 红外与激光工程, 2013, 42(7): 1691-1699.
    [17] 苏娟, 杨小冈, 卢俊.  鲁棒的前视红外目标多核跟踪算法 . 红外与激光工程, 2013, 42(2): 543-548.
    [18] 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.
    [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] 王明明, 郝颖明, 朱枫, 付双飞, 石坤.  空中目标红外辐射特性计算与实时仿真 . 红外与激光工程, 2012, 41(8): 1979-1984.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  410
  • HTML全文浏览量:  98
  • PDF下载量:  228
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-11-05
  • 修回日期:  2013-12-03
  • 刊出日期:  2014-07-25

周视红外成像搜索系统中的实时目标检测方法

  • 1. 国防科技大学自动目标识别重点实验室,湖南长沙 410073
    • 作者简介:

    孙刚（1986-），男，博士生，主要从事精确制导及自动目标识别方面的研究。Email：sg1032@163.com

  • 收稿日期: 2013-11-05
  • 修回日期: 2013-12-03
  • 刊出日期: 2014-07-25
基金项目:

国防科技大学博士生跨学科联合培养计划（kxk130405）

  • 中图分类号: TP391.4

摘要: 在周视红外成像的预警搜索系统中，大视场下红外图像的背景成分十分复杂；与此同时，高分辨成像使得图像数据量也急剧增加。针对周视成像系统中红外图像的特点，提出了一种基于分块图像加权熵值矩阵的快速目标提取算法：首先根据大视场下红外图像的空间分布特性，对原始图像建立子图像块矩阵；然后提出一种加权熵的特征判别函数，建立子图像块的加权熵值矩阵；最后分析了基于加权熵矩阵自适应阈值选取方法，对背景进行分类并快速提取目标兴趣区。实测数据结果表明：该算法流程是一种适合大视场条件下的有效目标检测算法，且具备良好的工程应用性。

English Abstract

    全文HTML

参考文献 (15)

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