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

红外图像显著目标检测算法

孙照蕾,  惠斌,  秦莫凡,  常铮,  罗海波,  夏仁波

downloadPDF
文章导航 > 红外与激光工程  > 2015 >  44(9): 2633-2637
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[J]. 红外与激光工程, 2015, 44(9): 2633-2637.
引用本文: 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[J]. 红外与激光工程, 2015, 44(9): 2633-2637.
shu
Sun Zhaolei, Hui Bin, Qin Mofan, Chang Zheng, Luo Haibo, Xia Renbo. Object detection method based on saliency measure for infrared radiation image[J]. Infrared and Laser Engineering, 2015, 44(9): 2633-2637.
Citation: Sun Zhaolei, Hui Bin, Qin Mofan, Chang Zheng, Luo Haibo, Xia Renbo. Object detection method based on saliency measure for infrared radiation image[J]. Infrared and Laser Engineering, 2015, 44(9): 2633-2637.
shu

红外图像显著目标检测算法

  • 1.

    中国科学院沈阳自动化研究所,辽宁 沈阳 110016;

  • 2.

    中国科学院大学,北京 100049;

  • 3.

    中国科学院光电信息处理重点实验室,辽宁 沈阳 110016;

  • 4.

    辽宁省图像理解与视觉计算重点实验室,沈阳 110016;

  • 5.

    四川大学锦城学院,四川 成都 611731

基金项目: 

中国科学院国防科技长信重点基金(CXJJ-14-Z65)

详细信息
    作者简介:

    孙照蕾(1990-),女,硕士生,主要从事目标检测及跟踪方面的研究。Email:xinlei0616@163.com

  • 中图分类号: TP391.9

Object detection method based on saliency measure for infrared radiation image

  • 1.

    Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;

  • 2.

    University of Chinese Academy of Sciences,Beijing 100049,China;

  • 3.

    Key Laboratory of Opto-Electronic Information Processing,Chinese Academy of Sciences,Shenyang 110016,China;

  • 4.

    The Key Lab of Image Understanding and Computer Vision,Liaoning Province,Shenyang 110016,China;

  • 5.

    Jincheng College of Sichuan University,Chengdu 611731,China

  • 摘要: 提出一种简单快速的红外图像显著目标检测算法,算法可以分为三步:首先,对原始红外图像进行预处理以增强目标与背景的对比度;然后,在log频谱中提取预处理后图像的频谱残差,通过相应的反变换及简单的阈值分割,可以得到显著目标的大致区域;最后,采用一个滑动窗口在目标候选区域内进行搜索确定显著目标的准确位置,这个过程采用由目标及其周围区域在原始图像中的灰度分布得到的半局部特征对比度的概率表达得到每个像素点的显著性值,进行阈值分割得到显著目标,改变滑动窗口的大小可以检测出不同尺度的目标。采用大量的红外图像对算法进行测试,实验结果表明该算法具有高效性和鲁棒性。
    Abstract: A simple and computationally efficient method was presented for detecting visually salient objects in infrared radiation images. The proposed method can be divided into three steps. Firstly, the infrared image was pre-processed to increase the contrast between objects and background. Secondly, the spectral residual of the pre-processed image was extracted in the log spectrum, then via corresponding inverse transform and threshold segmentation we could get the rough regions of the salient objects. Finally, a sliding window was applied to acquire the explicit position of the salient objects using the probabilistic interpretation of the semi-local feature contrast which was estimated by comparing the gray level distribution of the object and the surrounding area in the original image. And changing the size of the sliding window, different size of objects could be found out. The method was tested on abundant amount of infrared radiation images, and the results show that the saliency detection based object detection method is effective and robust.
  • [1]
    [2] Liu Yunlong, Xue Yuli, Yuan Suzhen, et al. Infrared small targets detection using local mean[J]. Infrared and Laser Engineering, 2013, 42(3): 814-822. (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): 814-822.
    [3]
    [4] Zhao Ji, Feng Chuang, Shao Fuqun, et al. Moving object detection and segmentation based on adaptive frame difference and level set[J]. Information and Control, 2012(2): 153-158. (in Chinese) 赵骥, 冯闯, 邵富群, 等.基于自适应帧差和水平集的运动目标检测和分割[J]. 信息与控制, 2012(2): 153-158.
    [5]
    [6] Chen Haixin, Gu Guohua, Qian Weixian, et al. MOF algorithm for moving target detection on mobile platform[J]. Infrared and Laser Engineering, 2014, 43(2): 620-624. (in Chinese) 陈海欣, 顾国华, 钱惟贤, 等. 移动平台下运动目标检测的 MOF 算法[J]. 红外与激光工程, 2014, 43(2): 620-624.
    [7]
    [8] Rahtu E, Kannala J, Salo M, et al. Segmenting salient objects from images and videos[C]//Computer Vision-ECCV 2010, 2010: 366-379.
    [9] Ma Long, Li Jicheng, Lu Xinping, et el. Region-of-interest-based target segmentation method in IR images[J]. Infrared and Laser Engineering, 2007, 36(S): 271-274. (in Chinese) 马龙, 李吉成, 鲁新平, 等.一种基于区域显著性的红外图像目标分割方法[J]. 红外与激光工程, 2007, 36(S): 271-274.
    [10]
    [11] Hou Xiaodi, Zhang Liqing. Saliency detection: A spectral residual approach[C]//Computer Vision and Pattern Recognition, 2007: 1-8.
    [12]
    [13]
    [14] Achanta R, Hemami S, Estrada F, et al. Frequency-tuned salient region detection[C]//Computer Vision and Pattern Recognition, IEEE, 2009: 1597-1604.
    [15] Cheng Mingming, Mitra N J, Huang Xiaolei, et al. Salient object detection and segmentation[J]. Image, 2011, 2(3): 9.
    [16]
    [17] Rahtu E, Heikkila J. A simple and efficient saliency detector for background subtraction[C]//Computer Vision Workshops (ICCV Workshops), 2009, 2009: 1137-1144.
    [18]
    [19] Borji A, Sihite D N, Itti L. Salient object detection: A benchmark[C]//Computer Vision-ECCV 2012, 2012: 414-429.
  • [1] 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
    [2] 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
    [3] 李岳楠, 徐浩宇, 董浩.  频域内面向目标检测的领域自适应 . 红外与激光工程, 2022, 51(7): 20210638-1-20210638-9. doi: 10.3788/IRLA20210638
    [4] 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
    [5] 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
    [6] 孙鹏, 于跃, 陈嘉欣, 秦翰林.  基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀) . 红外与激光工程, 2022, 51(4): 20220167-1-20220167-8. doi: 10.3788/IRLA20220167
    [7] 杨子龙, 朱付平, 田金文, 田甜.  基于显著性与稠密光流的红外船只烟幕检测方法研究 . 红外与激光工程, 2021, 50(7): 20200496-1-20200496-8. doi: 10.3788/IRLA20200496
    [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] 唐聪, 凌永顺, 郑科栋, 杨星, 郑超, 杨华, 金伟.  基于深度学习的多视窗SSD目标检测方法 . 红外与激光工程, 2018, 47(1): 126003-0126003(9). doi: 10.3788/IRLA201847.0126003
    [10] 陈卫, 孙晓兵, 乔延利, 陈震庭, 殷玉龙.  海面耀光背景下的目标偏振检测 . 红外与激光工程, 2017, 46(S1): 63-68. doi: 10.3788/IRLA201746.S117001
    [11] 刘峰, 奚晓梁, 沈同圣.  基于最大值投影和快速配准的空间小目标检测 . 红外与激光工程, 2016, 45(11): 1104002-1104002(6). doi: 10.3788/IRLA201645.1104002
    [12] 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
    [13] 王晓飞, 王霄衣, 史翔宇, 阎秋静, 陈向南.  基于空间上下文单类分类器的目标检测算法 . 红外与激光工程, 2015, 44(S1): 236-240.
    [14] 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.
    [15] 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.
    [16] 吴明军, 许建铮, 周桢, 张亚涛.  针对运动摄像机的快速低存储开销运动目标检测算法 . 红外与激光工程, 2013, 42(8): 2275-2280.
    [17] 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.
    [18] 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.
    [19] 何莲, 蔡敬菊, 张启衡.  改进的基于弦切变换的目标检测方法 . 红外与激光工程, 2012, 41(1): 239-247.
    [20] 杨亚威, 李俊山, 杨威, 赵方舟.  利用稀疏化生物视觉特征的多类多视角目标检测方法 . 红外与激光工程, 2012, 41(1): 267-272.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  695
  • HTML全文浏览量:  91
  • PDF下载量:  343
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-01-12
  • 修回日期:  2015-02-21
  • 刊出日期:  2015-09-25

红外图像显著目标检测算法

  • 1. 中国科学院沈阳自动化研究所,辽宁 沈阳 110016;
  • 2. 中国科学院大学,北京 100049;
  • 3. 中国科学院光电信息处理重点实验室,辽宁 沈阳 110016;
  • 4. 辽宁省图像理解与视觉计算重点实验室,沈阳 110016;
  • 5. 四川大学锦城学院,四川 成都 611731
    • 作者简介:

    孙照蕾(1990-),女,硕士生,主要从事目标检测及跟踪方面的研究。Email:xinlei0616@163.com

  • 收稿日期: 2015-01-12
  • 修回日期: 2015-02-21
  • 刊出日期: 2015-09-25
基金项目:

中国科学院国防科技长信重点基金(CXJJ-14-Z65)

  • 中图分类号: TP391.9

摘要: 提出一种简单快速的红外图像显著目标检测算法,算法可以分为三步:首先,对原始红外图像进行预处理以增强目标与背景的对比度;然后,在log频谱中提取预处理后图像的频谱残差,通过相应的反变换及简单的阈值分割,可以得到显著目标的大致区域;最后,采用一个滑动窗口在目标候选区域内进行搜索确定显著目标的准确位置,这个过程采用由目标及其周围区域在原始图像中的灰度分布得到的半局部特征对比度的概率表达得到每个像素点的显著性值,进行阈值分割得到显著目标,改变滑动窗口的大小可以检测出不同尺度的目标。采用大量的红外图像对算法进行测试,实验结果表明该算法具有高效性和鲁棒性。

English Abstract

    全文HTML

参考文献 (19)

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