基于梯度方向一致性和特征分解的红外小目标检测算法

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

基于梯度方向一致性和特征分解的红外小目标检测算法

范明明, 田少卿, 刘凯, 赵嘉鑫, 李云松

文章导航 > 红外与激光工程 > 2020 > 49(1): 0126001-0126001(12)

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[J]. 红外与激光工程, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001

引用本文:

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[J]. 红外与激光工程, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001

Fan Mingming, Tian Shaoqing, Liu Kai, Zhao Jiaxin, Li Yunsong. Infrared small target detection agorithm based on gradient direction consistency and eigendecomposition[J]. Infrared and Laser Engineering, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001

Citation:

Fan Mingming, Tian Shaoqing, Liu Kai, Zhao Jiaxin, Li Yunsong. Infrared small target detection agorithm based on gradient direction consistency and eigendecomposition[J]. Infrared and Laser Engineering, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001

基于梯度方向一致性和特征分解的红外小目标检测算法

doi: 10.3788/IRLA202049.0126001

1. 西安电子科技大学通信工程学院, 陕西西安 710071;
2. 西安电子科技大学计算机科学与技术学院, 陕西西安 710071;
3. 长春长光睿视光电技术有限责任公司, 吉林长春 130102

基金项目:

国家自然科学基金面上项目（61571345）

作者简介:
范明明(1996-),女,硕士生,主要从事红外小目标检测方面的研究。Email:mmfanxidian@163.com

中图分类号: TP391.41

Infrared small target detection agorithm based on gradient direction consistency and eigendecomposition

1. School of Telecommunications Engineering, Xidian University, Xi'an 710071, China;
2. School of Computer Science and Technology, Xidian University, Xi'an 710071, China;
3. Changchun Changguang Insight Vision Optoelectronic Technology Co., Ltd, Changchun 130102, China

摘要: 在复杂的海天背景下，现有红外小目标检测算法存在虚警率高的问题，文中深入分析目标和背景的特征差异，首先，提出了一种基于灰度差和梯度方向一致性的方法，增强了小目标并抑制了部分背景杂波，其次，结合特征分解法进一步抑制了锐利边缘背景，最后，采用自适应阈值分离出小目标。实验结果表明，与五种现有算法相比，所提出的检测算法能够在不同复杂场景都有效降低虚警率，大大提升信杂比（SCR）和背景抑制因子（BSF），并且具有良好的鲁棒性。
- 红外小目标检测 /
- 灰度差 /
- 梯度方向一致性 /
- 特征分解
Abstract: Under the complicated sea and sky background, the existing infrared small target detection algorithms have the problem of high false alarm rate. In this paper, the feature differences between the target and the background were deeply analyzed. Firstly, a method based on gray difference and gradient direction consistency was proposed. The small target was enhanced and some background clutter was suppressed. Secondly, the sharp edge background was further suppressed by combining the eigendecomposition method. Finally, the adaptive threshold was used to separate the small target. The experimental results show that compared with the five existing algorithms, the proposed detection algorithm can effectively reduce the false alarm rate in different complex scenes, greatly improve the signal-to-clutter ratio (SCR) and the background inhibitory factor (BSF), and have good robustness.
- infrared small target detection /
- gray difference /
- gradient direction consistency /
- eigendecomposition

[1]	Chen C L P, Li H, Wei Y T, et al. A local contrast method for small infrared target detection[J]. IEEE Transactions on Geoscience & Remote Sensing, 2013, 52(1):574-581.
[2]	Han J, Ma Y, Zhou B, et al. A robust infrared small target detection algorithm based on human visual system[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(12):2168-2172.
[3]	Deng H, Sun X, Liu M, et al. Small infrared target detection based on weighted local difference measure[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(7):4204-4214.
[4]	Wei Y T, You X G, Li H. Multiscale patch-based contrast measure for small infrared target detection[J]. Pattern Recognition, 2016, 58:216-226.
[5]	Nie J Y, Qu S C, Wei Y T, et al. An infrared small target detection method based on multiscale local homogeneity measure[J]. Infrared Physics & Technology, 2018, 90:186-194.
[6]	Moradi S, Moallem P, Sabahi M F. A false-alarm aware methodology to develop robust and efficient multi-scale infrared small target detection algorithm[J]. Infrared Physics & Technology, 2018, 89:387-397.
[7]	Zhang H, Zhang L, Yuan D, et al. Infrared small target detection based on local intensity and gradient properties[J]. Infrared Physics & Technology, 2018, 89:88-96.
[8]	Liu Depeng, Cao Lei, Li Zhengzhou, et al. Infrared small target detection based on flux density and direction diversity in gradient vector field[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(7):2528-2554.

[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]	王向军, 李名洋, 王霖, 刘峰, 王玮. 边缘信息引导多级尺度特征融合的显著性目标检测方法 . 红外与激光工程, 2023, 52(1): 20220344-1-20220344-10. doi: 10.3788/IRLA20220344
[3]	王兆明, 栗孟娟, 于秋跃, 李春林, 赵子跃, 王经华, 吕天斌, 张兆健, 于长锁. 两面共体非球面反射镜光轴一致性高精度测量方法研究 (特邀) . 红外与激光工程, 2023, 52(9): 20230476-1-20230476-8. doi: 10.3788/IRLA20230476
[4]	高琰, 肖小月, 李小虎, 朱洪, 唐琎, 郭璠. 非一致重叠率大批量航拍远红外图像拼接方法研究 . 红外与激光工程, 2022, 51(7): 20210611-1-20210611-12. doi: 10.3788/IRLA20210611
[5]	雷韫璠, 王龙, 钟红军, 张辉, 武延鹏. 基于轨迹一致性检测的空间碎片天基识别方法 . 红外与激光工程, 2022, 51(11): 20220076-1-20220076-10. doi: 10.3788/IRLA20220076
[6]	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
[7]	何泽阳, 邓慧萍, 向森, 吴谨. 融合一致性与差异性约束的光场深度估计 . 红外与激光工程, 2021, 50(11): 20210021-1-20210021-11. doi: 10.3788/IRLA20210021
[8]	Chen Yuanyuan, Han Jinhui, Zhang Honghui, Sang Xiaodan. Infrared small dim target detection using local contrast measure weighted by reversed local diversity . 红外与激光工程, 2021, 50(8): 20200418-1-20200418-17. doi: 10.3788/IRLA20200418
[9]	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
[10]	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
[11]	牛青林, 杨霄, 陈彪, 贺志宏, 刘连伟, 董士奎. 高速滑翔目标点源红外辐射特征模拟及可探测性分析 . 红外与激光工程, 2018, 47(11): 1104001-1104001(8). doi: 10.3788/IRLA201847.1104001
[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]	郭伟, 董丽虹, 王海斗, 徐雅薇, 徐滨士. 基于小波分解的热波相位特征提取及喷涂层厚度评价 . 红外与激光工程, 2017, 46(9): 904003-0904003(7). doi: 10.3788/IRLA201746.0904003
[14]	巩稼民, 郭涛, 曹懿, 柳华勃, 王贝贝. 红外靶标的图像灰度与温度相关性剖析 . 红外与激光工程, 2016, 45(3): 304006-0304006(8). doi: 10.3788/IRLA201645.0304006
[15]	闫勇刚, 邓小玲, 马祥, 欧阳健飞. 人体皮肤彩色视频误差分析及一致性提高 . 红外与激光工程, 2016, 45(S1): 222-226. doi: 10.3788/IRLA201645.S126005
[16]	张仲瑜, 焦淑红. 多特征融合的红外舰船目标检测方法 . 红外与激光工程, 2015, 44(S1): 29-34.
[17]	王琳, 张少辉, 李霄, 邵晓鹏. 应用相位一致性评价多光谱遥感图像条带噪声 . 红外与激光工程, 2015, 44(10): 3148-3154.
[18]	王敏, 黄成功, 郭正红, 许振领, 亓凤杰, 李华. 红外成像导引头闭环注入式仿真试验系统设计及一致性分析 . 红外与激光工程, 2014, 43(10): 3211-3216.
[19]	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.
[20]	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.

WeChat

点击查看大图

计量

文章访问数: 1169
HTML全文浏览量: 238
PDF下载量: 90
被引次数: 0

基于梯度方向一致性和特征分解的红外小目标检测算法

doi: 10.3788/IRLA202049.0126001

1. 西安电子科技大学通信工程学院, 陕西西安 710071;

2. 西安电子科技大学计算机科学与技术学院, 陕西西安 710071;

3. 长春长光睿视光电技术有限责任公司, 吉林长春 130102

作者简介:
范明明(1996-),女,硕士生,主要从事红外小目标检测方面的研究。Email:mmfanxidian@163.com

收稿日期: 2019-10-11
修回日期: 2019-11-21
刊出日期: 2020-01-28

基金项目:

国家自然科学基金面上项目（61571345）

中图分类号: TP391.41

关键词:

摘要: 在复杂的海天背景下，现有红外小目标检测算法存在虚警率高的问题，文中深入分析目标和背景的特征差异，首先，提出了一种基于灰度差和梯度方向一致性的方法，增强了小目标并抑制了部分背景杂波，其次，结合特征分解法进一步抑制了锐利边缘背景，最后，采用自适应阈值分离出小目标。实验结果表明，与五种现有算法相比，所提出的检测算法能够在不同复杂场景都有效降低虚警率，大大提升信杂比（SCR）和背景抑制因子（BSF），并且具有良好的鲁棒性。

English Abstract

全文HTML

参考文献 (8)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回