采用尺度空间理论的红外弱小目标检测方法

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

1.
中国电子科技集团第38研究所,安徽合肥 230088;
2.
中国科学院大学,北京 100049;
3.
中国科学院长春光学精密机械与物理研究所,吉林长春 130033

基金项目:

国家自然科学基金（60902067）

详细信息

作者简介:
龚俊亮（1988-），男，博士生，主要从事数字图像处理方面的研究。Email：gongjunliang198802@sina.com；何昕（1966-），男，研究员，博士生导师，主要从事光电测量等方面的研究。Email：hexin6627@sohu.com

龚俊亮（1988-），男，博士生，主要从事数字图像处理方面的研究。Email：gongjunliang198802@sina.com；何昕（1966-），男，研究员，博士生导师，主要从事光电测量等方面的研究。Email：hexin6627@sohu.com

中图分类号: TP391.4

Infrared dim and small target detection method using scale-space theory

1.
The 38th Research Institute of China Electronics Technology Group Corporation,Hefei 230088,China;
2.
University of Chinese Academy of Sciences,Beijing 100049,China;
3.
Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China

摘要: 为了检测红外场景中尺寸大小变化的弱小目标，针对传统滤波方法中固定大小滤波核对此类特性目标检测表现出的不足，提出一种基于尺度空间理论的红外弱小目标检测方法。首先对弱小目标特性进行分析，提出采用点扩散函数形式的目标模型来描述弱小目标；采用固定自适应邻域的方法对原始红外图像进行预处理，抑制背景杂波，增强目标能量；依据尺度规范化后的拉普拉斯尺度空间对图像不同元素滤波响应的不同，获取图像中的可疑目标，利用可疑目标点与其周围像素的梯度关系得到可疑目标点的中心坐标，并据此得到其在图中的尺寸大小；对每个可疑目标划分一个自适应大小窗口，获取分割阈值，分割出真实目标。实验结果表明，该方法能较好地检测出弱小目标，且具有较低的虚警率。
- 红外图像 /
- 尺度空间 /
- 目标检测
Abstract: In order to detect small targets with changing size in infrared scene, aiming at the problems in traditional filtering method with fixed size filter, a method for small and dim infrared targets detection based on scale-space theory was proposed. First, the target characteristic was analyzed and point spread function form was used to represent the target model. Then, in order to suppress background clutter and enhance the power of target, fixed adaptive neighborhood method was used in image preprocessing, on the basis of Laplace scale-space after scale standardization which has different filtering responses for different elements, the suspicious targets were obtained in the images, then with the gradient relationship between suspicious target point and its surrounding pixels, the coordinates of the suspicious targets centers and its size were got; Finally, each suspicious targets gained an adaptive window to obtain segmentation threshold and true targets. Experiments results show that, compared with traditional methods, the new method proposed in this paper has a better performance to detect small targets, and has a lower false alarm rate.
- infrared image /
- scale-space theory /
- targets detection

[1]	Zhang Qiang, Cai Jingju, Zhang Qiheng, et al. Small dim infrared targets segmentation method based on local maximum[J]. Infrared Technology, 2011, 33(1): 41-44. (in Chinese) 张强, 蔡敬菊, 张启衡, 等. 基于局部极大值的红外弱小目标分割方法[J]. 红外技术, 2011, 33(1): 41-44.
[2]
[3]
[4]	Wang Bo, Zhang Jianqi. Dynamic programming approach to small moving target detection in infrared image sequences[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(4): 613-616. (in Chinese) 王博, 张建奇. 红外运动弱小目标的动态规划检测[J]. 电子科技大学学报, 2009, 38(4): 613-616.
[5]	Qin Jian, Chen Qian, Qian Weixian. Dim and small target detection based on complex filter bank[J]. High Power Laser and Particle Beams, 2011, 23(10): 2583-2588. (in Chinese) 秦剑, 陈钱, 钱惟贤. 基于复滤波器组的红外弱小目标检测算法[J]. 强激光与粒子束, 2011, 23(10): 2583-2588.
[6]
[7]
[8]	Gregoris D J, Yu S K W, Tritchew S. Detection of dim targets in FLIR imagery using multiscale transforms[C]//SPIE, 1994, 2269: 62-71.
[9]
[10]	Kong Jun, Tang Xinyi, Jiang Min, et al. IR target tracking based on scale space feature points matching[J]. Infrared and Laser Engineering, 2011, 40(11): 2104-2109. (in Chinese) 孔军, 汤心溢, 蒋敏, 等. 采用尺度空间特征点匹配的红外目标跟踪[J]. 红外与激光工程, 2011, 40(11): 2104-2109.
[11]	Qin Hanlin, Zhou Huixin, Liu Qunchang, et al. Suppression of infrared image background by multiscale hidden Markov model[J]. Optics and Precision Engineering, 2011, 19(8): 1950-1956. (in Chinese) 秦翰林, 周慧鑫, 刘群昌, 等. 采用多尺度隐式马尔可夫模型的红外图像背景抑制[J]. 光学精密工程, 2011, 19(8): 1950-1956.
[12]
[13]
[14]	Li Peng, Chen Qian, Zheng Haiou, et al. Pretreatment method of small targets infrared image based on complex background[J]. Infrared and Laser Engineering, 2011, 40(5): 958-962. (in Chinese). 李鹏, 陈钱, 郑海鸥, 等. 基于复杂背景的红外小目标图像预处理方法[J]. 红外与激光工程, 2011, 40(5): 958-962.
[15]	Gao Jing, Sun Jiyin, Liu Jing, et al. FLIR target recognition based on local fuzzy threshold[J]. Optics and Precision Engineering, 2011, 19(12): 3056-3063. (in Chinese) 高晶, 孙继银, 刘婧, 等. 基于区域模糊阈值的前视红外目标识别[J]. 光学精密工程, 2011, 19(12): 3056-3063.
[16]
[17]	Zhang Z, Cao Z, Zhang T, et al. Real-time detecting system for infrared small target[C]//SPIE, 2007, 6786: 648-656.
[18]
[19]	Liu Xingmiao, Wang Shicheng, Zhao Jing. Infrared small target detection based on nonsubsampled Contourlet transform and statistical distribution[J]. Optics and Precision Engineering, 2011, 19(4): 908-915. (in Chinese) 刘兴淼, 王仕成, 赵静. 结合统计分布和非下采样Contourlet变换的红外小目标检测[J]. 光学精密工程,2011, 19(4): 908-915.
[20]
[21]	Wu Yiquan, Luo Zijuan. Small infrared target detection based on least squares support vector machine temporal background prediction[J]. ACTA Armamentarii, 2010, 31(6): 678-684. (in Chinese) 吴一全, 罗子娟. 基于最小二乘支持向量机时域背景预测的红外弱小目标检测[J]. 兵工学报, 2010, 31(6): 678-684.

[1]	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
[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]	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
[5]	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
[6]	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
[7]	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
[8]	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
[9]	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
[10]	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
[11]	黄攀, 杨小冈, 卢瑞涛, 常振良, 刘闯. 基于空间联合的红外舰船目标数据增强方法 . 红外与激光工程, 2021, 50(12): 20210281-1-20210281-10. doi: 10.3788/IRLA20210281
[12]	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
[13]	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
[14]	熊晶莹, 戴明, 赵春蕾. 红外激光车载云台去抖动设计 . 红外与激光工程, 2018, 47(1): 126002-0126002(7). doi: 10.3788/IRLA201847.0126002
[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]	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.
[17]	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.
[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]	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.
[20]	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 . 红外与激光工程, 2013, 42(11): 2913-2918.

点击查看大图

计量

文章访问数: 312
HTML全文浏览量: 26
PDF下载量: 280
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

采用尺度空间理论的红外弱小目标检测方法

Infrared dim and small target detection method using scale-space theory

计量

采用尺度空间理论的红外弱小目标检测方法

1. 中国电子科技集团第38研究所,安徽合肥 230088;

2. 中国科学院大学,北京 100049;

3. 中国科学院长春光学精密机械与物理研究所,吉林长春 130033

English Abstract

Infrared dim and small target detection method using scale-space theory

1. The 38th Research Institute of China Electronics Technology Group Corporation,Hefei 230088,China;

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

3. Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China

全文HTML

目录

留言板

采用尺度空间理论的红外弱小目标检测方法

Infrared dim and small target detection method using scale-space theory

计量

出版历程

采用尺度空间理论的红外弱小目标检测方法

1. 中国电子科技集团第38研究所,安徽 合肥 230088; 2. 中国科学院大学,北京 100049; 3. 中国科学院长春光学精密机械与物理研究所,吉林 长春 130033

English Abstract

Infrared dim and small target detection method using scale-space theory

1. The 38th Research Institute of China Electronics Technology Group Corporation,Hefei 230088,China; 2. University of Chinese Academy of Sciences,Beijing 100049,China; 3. Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China

全文HTML

目录

1. 中国电子科技集团第38研究所,安徽合肥 230088;

2. 中国科学院大学,北京 100049;

3. 中国科学院长春光学精密机械与物理研究所,吉林长春 130033

1. The 38th Research Institute of China Electronics Technology Group Corporation,Hefei 230088,China;

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

3. Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun 130033,China