基于频域显著性分析的红外小目标检测算法

发布时间：2019-08-10 09:47

【摘要】：针对复杂背景下的红外小目标检测问题,提出一种基于频域显著性分析的小目标检测算法。算法利用红外图像中目标在频域内相较于背景更加显著的特点,通过频域显著性计算得到红外图像的显著图,消除部分背景杂波干扰,然后通过自适应阈值分割显著图,提取出感兴趣区域,进一步在感兴趣区域中计算多尺度窗口的显著度,从而完成小目标的检测。从理论上分析了算法的有效性,并利用典型的红外图像进行了实验,实验结果表明,所提算法能够很好地完成低信噪比条件下的红外小目标检测。与其他方法相比,在保证目标检测准确率的前提下,所提算法简单有效、复杂度低、计算效率高,满足实时性要求。
【图文】：

孙泽军等:基于频域显著性分析的红外小目标检测算法亮，说明算法的有效性，图1e是显著图经过阈值化运算之后得到的二值图，视觉效果更加直观，缩小了目标范围，为进一步进行目标检测打下了基矗图1显著性检测效果图Fig．1Theperformanceofsaliencydetection2显著度计算2．1ＲOI区域提取对显著图S进行自适应阈值分割，可得到二值化显著图T，如图1e所示，其中二值化显著图T的每个像素值T(i，j)为T(i，j)=1ifS(i，j)≥tthreshold0ifS(i，j)＜t{threshold(5)式中:S(i，j)表示显著图S中(i，j)位置所对应的像素值;tthreshold是二值化阈值，是一个自适应常数。将二值化显著图T与显著图S相乘即可获得合成图F，得到感兴趣区域，如图2所示，合成图的每个像素值F(i，j)为F(i，j)=S(i，j)ifS(i，j)≥tthreshold0ifS(i，j)＜t{threshold(6)合成图F在提取ＲOI区域的基础上，保留了对应位置的显著度值，相对于二值化显著图T，更能反映图像信息。图2ＲOI区域提取Fig．2ＲOIextraction2．2窗口显著度计算ＲOI区域的提取缩小了目标检测范围，加快了后续检测算法的运行效率。由于ＲOI区域已经粗略地估计出了目标的位置，并且一般情况下，ＲOI区域所占的像素也很少，所以可以采用滑窗法精确地确定目标的位置。由于目标相对于背景更加显著，可以通过计算每个窗口的显著度，估计窗口含有目标的可能性，从而确定目标的精确位置。窗口显著度可以用合成图F中窗口内像素值的和来表示(如图3右侧下方图中的蓝色窗口)，但是往往目标的大小是未知的，需要引入二值化显著图T，计算所对应窗口(如图3右侧上方图中的蓝色窗口)中的有效像素，即属于目标的像素所占的比例，作为窗口W的权值w，即w=1|W|Σp∈WTp(7)

觉效果更加直观，缩小了目标范围，为进一步进行目标检测打下了基矗图1显著性检测效果图Fig．1Theperformanceofsaliencydetection2显著度计算2．1ＲOI区域提取对显著图S进行自适应阈值分割，可得到二值化显著图T，如图1e所示，其中二值化显著图T的每个像素值T(i，j)为T(i，j)=1ifS(i，j)≥tthreshold0ifS(i，，j)＜t{threshold(5)式中:S(i，j)表示显著图S中(i，j)位置所对应的像素值;tthreshold是二值化阈值，是一个自适应常数。将二值化显著图T与显著图S相乘即可获得合成图F，得到感兴趣区域，如图2所示，合成图的每个像素值F(i，j)为F(i，j)=S(i，j)ifS(i，j)≥tthreshold0ifS(i，j)＜t{threshold(6)合成图F在提取ＲOI区域的基础上，保留了对应位置的显著度值，相对于二值化显著图T，更能反映图像信息。图2ＲOI区域提取Fig．2ＲOIextraction2．2窗口显著度计算ＲOI区域的提取缩小了目标检测范围，加快了后续检测算法的运行效率。由于ＲOI区域已经粗略地估计出了目标的位置，并且一般情况下，ＲOI区域所占的像素也很少，所以可以采用滑窗法精确地确定目标的位置。由于目标相对于背景更加显著，可以通过计算每个窗口的显著度，估计窗口含有目标的可能性，从而确定目标的精确位置。窗口显著度可以用合成图F中窗口内像素值的和来表示(如图3右侧下方图中的蓝色窗口)，但是往往目标的大小是未知的，需要引入二值化显著图T，计算所对应窗口(如图3右侧上方图中的蓝色窗口)中的有效像素，即属于目标的像素所占的比例，作为窗口W的权值w，即w=1|W|Σp∈WTp(7)式中:WT表示窗口W在二值化显著图T中所对应的窗口;p表示窗口内像素的像素值;|W|表示窗口W的大校窗口W的显著度可以表示?
【作者单位】： 南京航空航天大学;光电控制技术重点实验室;
【基金】：国家自然科学基金(61203170) 航空科学基金(20155152041)
【分类号】：TN21;TP391.41

【相似文献】

相关期刊论文 前10条

1 林红;孙雅娟;;形态学和信息熵在红外目标检测算法中的应用研究[J];制造业自动化;2013年20期

2 朱伯伟;庾农;肖松;;红外极小目标检测算法研究[J];航空电子技术;2011年03期

3 罗大鹏;魏龙生;桑农;;基于聚类分析的红外弱小目标检测[J];计算机工程与应用;2013年08期

4 ;遥感、遥测、遥控[J];中国无线电电子学文摘;2008年04期

5 刘瑞明;刘尔琦;杨杰;张田昊;王芳琳;;核Fukunaga-Koontz变换检测红外小目标[J];红外与毫米波学报;2008年01期

6 张雷;杨风暴;郎文杰;李卉;;红外小目标与背景对比度特性研究[J];光电技术应用;2006年01期

7 陈玉丹;周冰;;红外小目标检测中的背景预处理技术研究[J];科学技术与工程;2006年18期

8 夏爱利;马彩文;张砺佳;;红外小目标检测与跟踪方法研究[J];科学技术与工程;2006年20期

9 张长城;杨德贵;王宏强;李智明;;基于粒子滤波的红外小目标跟踪方法[J];现代防御技术;2008年02期

10 李鹏;陈钱;郑海鸥;何宝福;;红外小目标图像的预处理方法[J];红外与激光工程;2011年04期

相关会议论文 前3条

1 张双垒;陈凡胜;段东;林剑春;董玉翠;;基于遗传算法红外小目标检测的研究[A];第十届全国光电技术学术交流会论文集[C];2012年

2 蒋跃;邓磊;徐生求;;红外小目标检测算法[A];2009年先进光学技术及其应用研讨会论文集（上册）[C];2009年

3 倪小慧;黄建军;;基于Top-hat变换的最大化背景预测红外小目标检测方法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

相关博士学位论文 前5条

1 刘源;空中平台大视场红外小目标实时探测技术研究[D];中国科学院上海技术物理研究所;2017年

2 钱惟贤;复杂背景下红外小目标探测与跟踪若干关键技术研究[D];南京理工大学;2010年

3 魏长安;红外小目标检测与跟踪算法研究[D];哈尔滨工业大学;2009年

4 杨磊;复杂背景条件下的红外小目标检测与跟踪算法研究[D];上海交通大学;2006年

5 刘云鹤;基于注意机制的红外小目标检测与跟踪算法研究[D];哈尔滨工程大学;2009年

相关硕士学位论文 前10条

1 齐立立;基于FPGA的红外小目标跟踪系统设计[D];合肥工业大学;2014年

2 李洲;红外小目标检测研究及DSP实现[D];西安电子科技大学;2014年

3 朱冰;天空背景下红外小目标检测与跟踪算法研究[D];陕西师范大学;2016年

4 夏爱利;红外小目标检测方法研究[D];中国科学院研究生院（西安光学精密机械研究所）;2007年

5 左康怀;复杂背景下红外小目标检测方法的研究[D];上海交通大学;2008年

6 郭张婷;红外小目标检测与跟踪算法研究[D];陕西师范大学;2012年

7 陈旭;基于背景重建和非均衡图切割的红外小目标检测技术[D];华中科技大学;2012年

8 罗蛟;杂波条件下的红外海面小目标检测与跟踪方法研究[D];华中科技大学;2009年

9 尹丹艳;基于背景预测的红外小目标检测[D];南京航空航天大学;2010年

10 林晓;红外小目标检测与跟踪技术研究[D];南京航空航天大学;2013年

本文编号：2525143