采用人类视觉对比机制的红外弱小目标检测
发布时间：2021-03-23 12:34
针对复杂背景下红外弱小目标检测难题,提出一种基于人类视觉系统对比机制的红外弱小目标检测算法。首先,对红外图像进行预处理,通过中值滤波去除红外图像中的孤立噪声点。然后对处理后的图像进行高斯函数差分滤波处理,抑制图像中大面积高亮区域。最后,通过改进的基于局部对比度方法去除高亮边缘区域,消除高疑似目标,最终实现对复杂背景下红外弱小目标的检测。实验表明:相较于传统的LCM算法、Top-hat算法、TDLMS算法和Infrared Patch-Image Model算法等,该算法在虚警率、正确检测率、检测时间等方面更有优势,具有检测率高、虚警率低、鲁棒性好、运行时间短的特点。
【文章来源】：红外技术. 2020,42(06)北大核心CSCD
【文章页数】：7 页
【部分图文】：
滑动窗口口v及其子块
其的特性，仅对关计算，进一（建筑物边杂、高频成分式，对像素点于经验值的像算，有效降低如下：步骤1：大小为3K×3K×K大小值为Ln，当L表达式如下：式中：I为图差，k1根据经步骤2：子块w如图5l，其表达式如式中：f(i,j)为(i,j)为子块w步骤3：子块u内所有如下：式中：bwI为根据经验通常步骤4：按的灰度值。步骤5：，直至整幅图依据目标长是算法能否略大于目标尺0。在窗口尺如图6所示，前提下尽可能除此之外响。k1即Th1间；其次，利用其经过DoG算对亮度高于经一步节省算法边缘、云层边分较多的特点点周围高频成像素点将被舍低虚警率，剔待处理图像K的相应区小的子块，un大于阈值TTh1＝I＋图像I像素平经验通常取3～分割得到以所示，计算如下：cl=子块w二值内的像素点当cl小于阈有像素的灰度Th2图像I二值常取0.5～0.7。按照表达式(以一定步长在图像遍历结束标大小设定合否得到理想结尺寸，依据数尺寸选定前提显然，滑动能覆盖目标，外，阈值k1、k过小可能导用弱小目标亮算子滤波后此经验值的像素法耗时；最后，缘等）周围环，采用多尺寸分像素点占舍弃，不再进除疑似目标。像记为I，通过区域v，再将该内所有像素点h1时继续步k1×I均值；I为5。u为中心的中心子块u的,,,wv()()()Nijcfijij值化处理后(i,点个数。阈值Th2时继
楸旰盼?0，，7，8，平均8，标号为0的最大值为L代中心子块u视觉对比机制的(3)2分其2＝景的oG亮度点尺效地声干有方缘效下的处理。亮度度值增强体原区域其均灰的n。的(4)历整先，算法标为框选所占背景多尺小会处理耗时法的均波器ML图像先，耗时的红外弱小目标最后按照从整幅图像，阈LCM算法逐个像素计法耗时较长；为右侧框选区选区域中的无占像素较少的景下LCM算Fig.3Fig.4考虑到上述尺度计算方式会导致算法耗理并划分子块时；Qin等[11（novellocal均值和方差；器增强高频LCM（multis像。本文提出了由于LCM时较长，因此标检测从左到右、从阈值分割后即法具有方向性计算并比较8其次，如图区域中的建筑无人机，结果的高亮边缘，算法实际处理图3滑动窗口Slidingwindow图4LCM算LCMalgorith述LCM算法式提高算法准耗时较长；H块的计算方式1]提出了一种contrastmethShi等[12]先频信号并抑制scalelocalco了一种改进的M算法逐个像此理论上移动从上到下的顺即可得到结果性，但其仍有个方向的对图4所示，算筑边缘，而真果显示对相较在高疑似目理效果并不理口v及其子块wvanditssub-算法处理结果hmprocessingr法不足之处，准确率，但不an等[10]通过式降低虚警种新型的局部hod,NLCM）先通过一种改制低频信号，ontrastmeasu的基于局部对像素点移动窗动步长大于1Vol.42NoJune205顺序逐个像素果。有一定缺陷。对比度信息导算
【参考文献】：
期刊论文
[1]背景自适应的多特征融合的弱小目标检测[J]. 陆福星,陈忻,陈桂林,饶鹏. 红外与激光工程. 2019(03)
[2]基于加权LoG算子的红外弱小目标检测方法研究[J]. 周苑,张健民,林晓. 应用光学. 2017(01)
博士论文
[1]基于人类视觉特性的复杂背景红外小目标检测研究[D]. 韩金辉.华中科技大学 2016
硕士论文
[1]基于OpenCV的运动目标检测与跟踪算法的研究[D]. 王艳红.杭州电子科技大学 2014
本文编号：3095801
【文章来源】：红外技术. 2020,42(06)北大核心CSCD
【文章页数】：7 页
【部分图文】：
滑动窗口口v及其子块
其的特性，仅对关计算，进一（建筑物边杂、高频成分式，对像素点于经验值的像算，有效降低如下：步骤1：大小为3K×3K×K大小值为Ln，当L表达式如下：式中：I为图差，k1根据经步骤2：子块w如图5l，其表达式如式中：f(i,j)为(i,j)为子块w步骤3：子块u内所有如下：式中：bwI为根据经验通常步骤4：按的灰度值。步骤5：，直至整幅图依据目标长是算法能否略大于目标尺0。在窗口尺如图6所示，前提下尽可能除此之外响。k1即Th1间；其次，利用其经过DoG算对亮度高于经一步节省算法边缘、云层边分较多的特点点周围高频成像素点将被舍低虚警率，剔待处理图像K的相应区小的子块，un大于阈值TTh1＝I＋图像I像素平经验通常取3～分割得到以所示，计算如下：cl=子块w二值内的像素点当cl小于阈有像素的灰度Th2图像I二值常取0.5～0.7。按照表达式(以一定步长在图像遍历结束标大小设定合否得到理想结尺寸，依据数尺寸选定前提显然，滑动能覆盖目标，外，阈值k1、k过小可能导用弱小目标亮算子滤波后此经验值的像素法耗时；最后，缘等）周围环，采用多尺寸分像素点占舍弃，不再进除疑似目标。像记为I，通过区域v，再将该内所有像素点h1时继续步k1×I均值；I为5。u为中心的中心子块u的,,,wv()()()Nijcfijij值化处理后(i,点个数。阈值Th2时继
楸旰盼?0，，7，8，平均8，标号为0的最大值为L代中心子块u视觉对比机制的(3)2分其2＝景的oG亮度点尺效地声干有方缘效下的处理。亮度度值增强体原区域其均灰的n。的(4)历整先，算法标为框选所占背景多尺小会处理耗时法的均波器ML图像先，耗时的红外弱小目标最后按照从整幅图像，阈LCM算法逐个像素计法耗时较长；为右侧框选区选区域中的无占像素较少的景下LCM算Fig.3Fig.4考虑到上述尺度计算方式会导致算法耗理并划分子块时；Qin等[11（novellocal均值和方差；器增强高频LCM（multis像。本文提出了由于LCM时较长，因此标检测从左到右、从阈值分割后即法具有方向性计算并比较8其次，如图区域中的建筑无人机，结果的高亮边缘，算法实际处理图3滑动窗口Slidingwindow图4LCM算LCMalgorith述LCM算法式提高算法准耗时较长；H块的计算方式1]提出了一种contrastmethShi等[12]先频信号并抑制scalelocalco了一种改进的M算法逐个像此理论上移动从上到下的顺即可得到结果性，但其仍有个方向的对图4所示，算筑边缘，而真果显示对相较在高疑似目理效果并不理口v及其子块wvanditssub-算法处理结果hmprocessingr法不足之处，准确率，但不an等[10]通过式降低虚警种新型的局部hod,NLCM）先通过一种改制低频信号，ontrastmeasu的基于局部对像素点移动窗动步长大于1Vol.42NoJune205顺序逐个像素果。有一定缺陷。对比度信息导算
【参考文献】：
期刊论文
[1]背景自适应的多特征融合的弱小目标检测[J]. 陆福星,陈忻,陈桂林,饶鹏. 红外与激光工程. 2019(03)
[2]基于加权LoG算子的红外弱小目标检测方法研究[J]. 周苑,张健民,林晓. 应用光学. 2017(01)
博士论文
[1]基于人类视觉特性的复杂背景红外小目标检测研究[D]. 韩金辉.华中科技大学 2016
硕士论文
[1]基于OpenCV的运动目标检测与跟踪算法的研究[D]. 王艳红.杭州电子科技大学 2014
本文编号：3095801
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3095801.html
