多尺度匹配的红外变分辨率弱小目标检测

赵晓; 张伟; 侯晴宇; 巩晋南

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

多尺度匹配的红外变分辨率弱小目标检测

赵晓, 张伟, 侯晴宇, 巩晋南

文章导航 > 红外与激光工程 > 2013 > 42(11): 2913-2918

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[J]. 红外与激光工程, 2013, 42(11): 2913-2918.

引用本文:

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[J]. 红外与激光工程, 2013, 42(11): 2913-2918.

Zhao Xiao, Zhang Wei, Hou Qingyu, Gong Jinnan. Infrared variable resolution dim target detection with multi－scale matching[J]. Infrared and Laser Engineering, 2013, 42(11): 2913-2918.

Citation:

Zhao Xiao, Zhang Wei, Hou Qingyu, Gong Jinnan. Infrared variable resolution dim target detection with multi－scale matching[J]. Infrared and Laser Engineering, 2013, 42(11): 2913-2918.

多尺度匹配的红外变分辨率弱小目标检测

1.
哈尔滨工业大学空间光学工程研究中心,黑龙江哈尔滨 150001

基金项目:

基础科研项目（k1402060311）

详细信息

作者简介:
赵晓（1989-），男，硕士生，主要从事空间目标探测与识别等方面的研究。Email：827689449@qq.com；张伟（1962-），男，教授，博士生导师，主要从事空间光电信息获取等方面的研究。Email：wzhang@hit.edu.cn

赵晓（1989-），男，硕士生，主要从事空间目标探测与识别等方面的研究。Email：827689449@qq.com；张伟（1962-），男，教授，博士生导师，主要从事空间光电信息获取等方面的研究。Email：wzhang@hit.edu.cn

中图分类号: TP391

Infrared variable resolution dim target detection with multi－scale matching

1.
Research Center for Space Optical Engineering,Harbin Institute of Technology,Harbin 150001,China

摘要: 针对云层背景下红外变分辨率小目标的成像特性，提出一种基于尺度空间理论的红外弱小目标检测方法。首先建立高斯小目标参数模型，以高斯核生成待检测图像的尺度空间，进而对尺度空间进行最佳尺度匹配，提取目标感兴趣区域（ROI）。然后构造ROI尺度自适应对比度作为检测判据，剔除虚警，实现小目标最终检测。实验结果显示，算法不仅能够准确检测目标，且可以估计目标像尺寸，同时具有较高的检测概率和执行效率。可有效地实现对变分辨率弱小目标的检测。
- 弱小目标检测 /
- 红外图像 /
- 变分辨率 /
- 尺度匹配
Abstract: According to the imaging characteristics of infrared variable resolution dim target in cloudy background, a method for small target detection based on scale space theory was proposed in this paper. Firstly, a Gaussian parameter model was established for small target, and then the scale space of the detected image was generated by using Gaussian kernel. Next, with optimal scale matching for scale space, the target region of interest (ROI) was extracted. Finally, the scale adaptive contrast (SAC) of ROI was calculated as detection criterion to remove the false alarms, achieving small target detection. The results of experiments show that the method proposed in this paper can not only accurately detect the target, but also estimate the size of target, and has high detection rate and efficiency.
- dim target detection /
- infrared image /
- variable resolution /
- scale matching

[1]	Pitas Ioannis, Venetsanopoulos Anastasios N. Order statistics in digital image processing[C]//IEEE, 1992, 80(11): 1893-1921.
[2]
[3]
[4]	Bae TaeWuk, Zhang Fei, Kweon In-So. Edge directional 2D LMS filter for infrared small target detection[J]. Infrared Physics and Technology, 2012, 55(7): 137-145.
[5]
[6]	Philip B, Chapple D C, Bertilone R S C. Stochastic model-based processing for detection of small targets in non-gaussian natural im-agery[J]. IEEE Tans on Image Processing, 2001, 10(4): 554-564.
[7]
[8]	Lafferty J, McCallum A, Pereira F. Conditional random fields: Probabilistic models for segmenting and labeling sequence data[C]//Conference on Machine Learning, 2001: 693-723.
[9]
[10]	Li Shaojun, Zhu Zhenfu. Track-before-detect algorithm via particle filtering[J]. Infrared and Laser Engineering, 2009, 38(2): 943-949. (in Chinese)
[11]	Zhang Luping, Li Biao, Wang Luping. Dim target detection method under complex spatial background[J]. Infrared and Laser Engineering, 2011, 40(10): 2048-2053. (in Chinese)
[12]
[13]	Gregoris D J. Detection of dim targets in FLIR imagery using multiscale transforms[C]//SPIE, 1994: 62-71.
[14]
[15]
[16]	Liu Tianhua, Yang Shaoqing, Liu Songtao. Research of sea-aero target detection from photo electricity image based on cellular neural networks[J]. Infrared and Laser Engineering, 2008, 37(5): 655-658. (in Chinese)
[17]
[18]	Kim Sungho, Yang Yukyung, Lee Joohyoung, et al. Small target detection utilizing robust methods of the human visual system for IRST[J]. Journal of Infrared Millimeter and Terahertz Waves, 2009, 30(10): 994-1011.
[19]	Witkin A P. Scale-space filtering[C]//Proc 8th Internat Joint Conf Art Intell Karlsruhe, 1983: 1019-1022.
[20]
[21]	Gregoris D J, Yu S K, Tritchew S, et al. Detection of dim targets in flir imagery using multiscale transforms[C]//SPIE, 1994, 2269: 62-71.
[22]
[23]	Tony Lindeberg. Scale-space for discrete signals[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 1990, 41(12): 224-239.

[1]	曹军峰, 丁庆海, 罗海波. 基于空间非一致模糊核标定的红外图像超分辨率重建方法 . 红外与激光工程, 2024, 53(2): 20230252-1-20230252-10. doi: 10.3788/IRLA20230252
[2]	廖莎莎. 基于筛选深度特征的红外图像目标识别方法 . 红外与激光工程, 2022, 51(5): 20210372-1-20210372-6. doi: 10.3788/IRLA20210372
[3]	王鹏翔, 张兆基, 杨怀. 结合多特征融合和极限学习机的红外图像目标分类方法 . 红外与激光工程, 2022, 51(6): 20210597-1-20210597-6. doi: 10.3788/IRLA20210597
[4]	杨棉绒, 牛丽平. 基于LGBM的Zernike特征选取及红外图像目标识别方法 . 红外与激光工程, 2022, 51(4): 20210309-1-20210309-6. doi: 10.3788/IRLA20210309
[5]	杨雅志, 李骏. 单演信号在红外图像目标分类中的应用研究 . 红外与激光工程, 2021, 50(12): 20210165-1-20210165-7. doi: 10.3788/IRLA20210165
[6]	史国军. 深度特征联合表征的红外图像目标识别方法 . 红外与激光工程, 2021, 50(3): 20200399-1-20200399-6. doi: 10.3788/IRLA20200399
[7]	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
[8]	蒋国清, 万烂军. 基于最恰对比度显著性分析的红外弱小目标检测方法 . 红外与激光工程, 2021, 50(4): 20200377-1-20200377-8. doi: 10.3788/IRLA20200377
[9]	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
[10]	陆福星, 陈忻, 陈桂林, 饶鹏. 背景自适应的多特征融合的弱小目标检测 . 红外与激光工程, 2019, 48(3): 326002-0326002(7). doi: 10.3788/IRLA201948.0326002
[11]	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
[12]	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
[13]	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
[14]	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.
[15]	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.
[16]	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.
[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]	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.
[20]	张俊, 刘荣忠, 郭锐, 马晓冬, 赵博博, 邦志辉, 张鹏. 末敏弹稳态扫描段红外特性的实验研究 . 红外与激光工程, 2013, 42(11): 2876-2881.

点击查看大图

计量

文章访问数: 258
HTML全文浏览量: 17
PDF下载量: 192
被引次数: 0

多尺度匹配的红外变分辨率弱小目标检测

1. 哈尔滨工业大学空间光学工程研究中心,黑龙江哈尔滨 150001

作者简介:
赵晓（1989-），男，硕士生，主要从事空间目标探测与识别等方面的研究。Email：827689449@qq.com；张伟（1962-），男，教授，博士生导师，主要从事空间光电信息获取等方面的研究。Email：wzhang@hit.edu.cn

赵晓（1989-），男，硕士生，主要从事空间目标探测与识别等方面的研究。Email：827689449@qq.com；张伟（1962-），男，教授，博士生导师，主要从事空间光电信息获取等方面的研究。Email：wzhang@hit.edu.cn

收稿日期: 2013-03-10
修回日期: 2013-04-25
刊出日期: 2013-11-25

基金项目:

基础科研项目（k1402060311）

中图分类号: TP391

关键词:

摘要: 针对云层背景下红外变分辨率小目标的成像特性，提出一种基于尺度空间理论的红外弱小目标检测方法。首先建立高斯小目标参数模型，以高斯核生成待检测图像的尺度空间，进而对尺度空间进行最佳尺度匹配，提取目标感兴趣区域（ROI）。然后构造ROI尺度自适应对比度作为检测判据，剔除虚警，实现小目标最终检测。实验结果显示，算法不仅能够准确检测目标，且可以估计目标像尺寸，同时具有较高的检测概率和执行效率。可有效地实现对变分辨率弱小目标的检测。