基于梯度关系和局部连通性的红外小目标检测方法
发布时间：2020-12-12 03:02
红外图像中的弱小目标检测技术在精确制导等领域有着广泛的应用,是提升现代军事实力的关键环节。传统的目标检测算法主要基于背景抑制和目标显著性两个方面,但往往不适用于色差较大、干扰较多的复杂环境。本文提出一种基于梯度检测和局部连通性判断的弱小目标检测算法,利用弱小目标在局部区域的梯度特性和连通特性识别可疑目标,并采用区域生长算法进一步剔除检测到的干扰点。同时采用自适应策略确定相关阈值,提升算法的灵活性与应用范围。本文算法在反映多种检测环境的图片和视频序列中进行检测,并与传统方法比较。检测结果表明:该方法准确率较高,可保证较低的虚警率,同时处理速度较快。
【文章来源】：上海航天(中英文). 2020年05期 第113-118页
【文章页数】：6 页
【部分图文】：
检测小目标的像素图Fig.1Pixelimageofdetecteddimtarget
第37卷2020年第5期李佳文，等：基于梯度关系和局部连通性的红外小目标检测方法max(Xi，j-Xi+r，j+r)>TG（3）式中：TG为梯度阈值，具体数值与检测的数据集和检测环境有关。图2表示将待检测点像素值与周围3×3区域点的像素值相比较，当差值超过梯度阈值时，则说明该点与周围区域满足梯度关系，判定为疑似目标点。如果处理的是如图3所示的多像素目标，需要进行如文献［10］的多尺度检测处理。梯度与连通性的关系如图4所示。图中可见，满足梯度关系不一定保证该区域的不连通性。因此，本文在判断局部区域的梯度关系之后加入区域生长算法［11-13］，将经过梯度关系判断得到的可疑目标点作为种子点，对种子点做区域生长，记录区域生长结束后形成的区域面积。判断的方法是比较区域生长后的面积与事先设定的阈值大小关系。具体的判断准则为Sij<Tc（4）式中：Si，j为由目标点Xi，j生长出的区域面积；Tc为区域生长的面积阈值，数值由自适应策略确定。根据区域生长算法，可以有效判断当前可疑点是否具有连通性。连通性的准则判断依据如下：1）若生长区域的面积>阈值，则该点具有连通性，故不是目标点；2）若生长区域的面积<阈值，则该点不具有连通性，故是目标点。1.2自适应阈值确定本文提出的检测方法中梯度检测算法和区域生长算法都涉及阈值的设定，而且阈值依赖于数据本身，不同的数据集，能量分布特性和目标特性可能会有很大不同，因此，使阈值能够自适应很有必要。本文先给出检测算法的评判标准，在此基础上给出区域生长算法的阈值选取准则。对于检测结果的评估，采用P（
第37卷2020年第5期李佳文，等：基于梯度关系和局部连通性的红外小目标检测方法max(Xi，j-Xi+r，j+r)>TG（3）式中：TG为梯度阈值，具体数值与检测的数据集和检测环境有关。图2表示将待检测点像素值与周围3×3区域点的像素值相比较，当差值超过梯度阈值时，则说明该点与周围区域满足梯度关系，判定为疑似目标点。如果处理的是如图3所示的多像素目标，需要进行如文献［10］的多尺度检测处理。梯度与连通性的关系如图4所示。图中可见，满足梯度关系不一定保证该区域的不连通性。因此，本文在判断局部区域的梯度关系之后加入区域生长算法［11-13］，将经过梯度关系判断得到的可疑目标点作为种子点，对种子点做区域生长，记录区域生长结束后形成的区域面积。判断的方法是比较区域生长后的面积与事先设定的阈值大小关系。具体的判断准则为Sij<Tc（4）式中：Si，j为由目标点Xi，j生长出的区域面积；Tc为区域生长的面积阈值，数值由自适应策略确定。根据区域生长算法，可以有效判断当前可疑点是否具有连通性。连通性的准则判断依据如下：1）若生长区域的面积>阈值，则该点具有连通性，故不是目标点；2）若生长区域的面积<阈值，则该点不具有连通性，故是目标点。1.2自适应阈值确定本文提出的检测方法中梯度检测算法和区域生长算法都涉及阈值的设定，而且阈值依赖于数据本身，不同的数据集，能量分布特性和目标特性可能会有很大不同，因此，使阈值能够自适应很有必要。本文先给出检测算法的评判标准，在此基础上给出区域生长算法的阈值选取准则。对于检测结果的评估，采用P（
【参考文献】：
期刊论文
[1]基于自适应形态学滤波的红外小目标检测算法[J]. 徐文晴,王敏. 激光与红外. 2017(01)
[2]基于改进算法的自动种子区域生长图像分割[J]. 魏津瑜,施鹤南,苏思沁. 中南大学学报(自然科学版). 2013(S2)
[3]基于局部均值的红外小目标检测算法[J]. 刘运龙,薛雨丽,袁素真,毛峡. 红外与激光工程. 2013(03)
[4]基于人类视觉模型的区域生长图像分割[J]. 谭洪波,侯志强,刘荣. 中国图象图形学报. 2010(09)
[5]一种基于梯度方向信息的运动目标检测算法[J]. 孙瑾,顾宏斌,郑吉平. 中国图象图形学报. 2008(03)
[6]一种基于熵优化的区域生长图像分割方法[J]. 张爱华. 华中科技大学学报(自然科学版). 2004(07)
[7]多尺度形态学图像边缘检测方法[J]. 刘循,游志胜. 光电工程. 2003(03)
[8]基于形态学Top-Hat算子的小目标检测方法[J]. 叶斌,彭嘉雄. 中国图象图形学报. 2002(07)
[9]基于小波变换的红外成像海面小目标检测算法[J]. 左震,张天序. 红外与激光工程. 1998(03)
本文编号：2911731
【文章来源】：上海航天(中英文). 2020年05期 第113-118页
【文章页数】：6 页
【部分图文】：
检测小目标的像素图Fig.1Pixelimageofdetecteddimtarget
第37卷2020年第5期李佳文，等：基于梯度关系和局部连通性的红外小目标检测方法max(Xi，j-Xi+r，j+r)>TG（3）式中：TG为梯度阈值，具体数值与检测的数据集和检测环境有关。图2表示将待检测点像素值与周围3×3区域点的像素值相比较，当差值超过梯度阈值时，则说明该点与周围区域满足梯度关系，判定为疑似目标点。如果处理的是如图3所示的多像素目标，需要进行如文献［10］的多尺度检测处理。梯度与连通性的关系如图4所示。图中可见，满足梯度关系不一定保证该区域的不连通性。因此，本文在判断局部区域的梯度关系之后加入区域生长算法［11-13］，将经过梯度关系判断得到的可疑目标点作为种子点，对种子点做区域生长，记录区域生长结束后形成的区域面积。判断的方法是比较区域生长后的面积与事先设定的阈值大小关系。具体的判断准则为Sij<Tc（4）式中：Si，j为由目标点Xi，j生长出的区域面积；Tc为区域生长的面积阈值，数值由自适应策略确定。根据区域生长算法，可以有效判断当前可疑点是否具有连通性。连通性的准则判断依据如下：1）若生长区域的面积>阈值，则该点具有连通性，故不是目标点；2）若生长区域的面积<阈值，则该点不具有连通性，故是目标点。1.2自适应阈值确定本文提出的检测方法中梯度检测算法和区域生长算法都涉及阈值的设定，而且阈值依赖于数据本身，不同的数据集，能量分布特性和目标特性可能会有很大不同，因此，使阈值能够自适应很有必要。本文先给出检测算法的评判标准，在此基础上给出区域生长算法的阈值选取准则。对于检测结果的评估，采用P（
第37卷2020年第5期李佳文，等：基于梯度关系和局部连通性的红外小目标检测方法max(Xi，j-Xi+r，j+r)>TG（3）式中：TG为梯度阈值，具体数值与检测的数据集和检测环境有关。图2表示将待检测点像素值与周围3×3区域点的像素值相比较，当差值超过梯度阈值时，则说明该点与周围区域满足梯度关系，判定为疑似目标点。如果处理的是如图3所示的多像素目标，需要进行如文献［10］的多尺度检测处理。梯度与连通性的关系如图4所示。图中可见，满足梯度关系不一定保证该区域的不连通性。因此，本文在判断局部区域的梯度关系之后加入区域生长算法［11-13］，将经过梯度关系判断得到的可疑目标点作为种子点，对种子点做区域生长，记录区域生长结束后形成的区域面积。判断的方法是比较区域生长后的面积与事先设定的阈值大小关系。具体的判断准则为Sij<Tc（4）式中：Si，j为由目标点Xi，j生长出的区域面积；Tc为区域生长的面积阈值，数值由自适应策略确定。根据区域生长算法，可以有效判断当前可疑点是否具有连通性。连通性的准则判断依据如下：1）若生长区域的面积>阈值，则该点具有连通性，故不是目标点；2）若生长区域的面积<阈值，则该点不具有连通性，故是目标点。1.2自适应阈值确定本文提出的检测方法中梯度检测算法和区域生长算法都涉及阈值的设定，而且阈值依赖于数据本身，不同的数据集，能量分布特性和目标特性可能会有很大不同，因此，使阈值能够自适应很有必要。本文先给出检测算法的评判标准，在此基础上给出区域生长算法的阈值选取准则。对于检测结果的评估，采用P（
【参考文献】：
期刊论文
[1]基于自适应形态学滤波的红外小目标检测算法[J]. 徐文晴,王敏. 激光与红外. 2017(01)
[2]基于改进算法的自动种子区域生长图像分割[J]. 魏津瑜,施鹤南,苏思沁. 中南大学学报(自然科学版). 2013(S2)
[3]基于局部均值的红外小目标检测算法[J]. 刘运龙,薛雨丽,袁素真,毛峡. 红外与激光工程. 2013(03)
[4]基于人类视觉模型的区域生长图像分割[J]. 谭洪波,侯志强,刘荣. 中国图象图形学报. 2010(09)
[5]一种基于梯度方向信息的运动目标检测算法[J]. 孙瑾,顾宏斌,郑吉平. 中国图象图形学报. 2008(03)
[6]一种基于熵优化的区域生长图像分割方法[J]. 张爱华. 华中科技大学学报(自然科学版). 2004(07)
[7]多尺度形态学图像边缘检测方法[J]. 刘循,游志胜. 光电工程. 2003(03)
[8]基于形态学Top-Hat算子的小目标检测方法[J]. 叶斌,彭嘉雄. 中国图象图形学报. 2002(07)
[9]基于小波变换的红外成像海面小目标检测算法[J]. 左震,张天序. 红外与激光工程. 1998(03)
本文编号：2911731
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2911731.html
