基于多尺度局部对比度的前视红外舰船目标增强
发布时间:2021-09-06 15:00
前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题,为了更好地突出目标、抑制背景,提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容,然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM),通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM),最终得到了尺度不变局部对比度图像。实验结果表明,所提方法可以适应前视红外图像中多类型多尺寸的舰船目标,显著提高目标信号的信噪比(SNR)和信背比(SBR),与其他方法相比,所提方法的舰船目标增强效果更好,尤其是对于暗弱目标区域;另外,所提方法运算速度快,并且可以借助并行处理和积分图像进一步加速运行。
【文章来源】:电光与控制. 2020,27(09)北大核心CSCD
【文章页数】:7 页
【部分图文】:
典型的海天场景下的前视红外图像
图2所示为本文计算局部对比度的网格窗口,网格窗口由9个相同尺寸的子区域构成。图2中,中心区域T为潜在目标区域,假设中心区域T的尺寸在某个固定尺度下和目标区域的尺寸近似,区域Rk(k=1,2,…,8)为中心区域T周围8个方向上的第i个邻近背景区域,通过将滑动窗口从上到下、从左到右逐像素移动遍历整幅红外图像可以计算出图像中每个像素位置处的局部对比度,得到一幅显著图像。
图3所示为增益因子αk随比例因子βk变化的关系。假设gT/mk=βk,比例因子βk的大小直接反映中心区域T中灰度最大值与第k个邻近背景区域Rk内像素灰度均值之间的差异,进而影响增益因子αk,表明增益因子αk取决于中心区域T中灰度最大值和第k个邻近背景区域Rk内像素灰度均值之间的差异,具体关系主要有3种:1)gT<mk,βk<1,αk<1,此时,对T产生的是抑制效果;2)gT≈mk,βk≈1,αk≈1,此时,对T的影响不大;3)gT>mk,βk>1,αk>1,此时,对T产生的是增强效果。αk的定义更加侧重于对暗弱目标进行增强,随着βk的增大,αk增加越来越缓慢,但最大不超过自然数e≈2.7,为的是防止图像中存在中心区域与邻近背景灰度差异过大的情况,如果αk过大,对应区域的局部对比度也会过大,影响最终显著图像中弱小目标的视觉显著性。
【参考文献】:
期刊论文
[1]基于高信背比的视频低速暗弱目标增强[J]. 张刘,张皓晨,刘付成,满益云,孙俊,张冠宇. 光学精密工程. 2019(04)
[2]多波段红外图像的海面舰船目标检测[J]. 仇荣超,娄树理,李廷军,宫剑. 光谱学与光谱分析. 2019(03)
[3]基于海天线引导与卷积神经网络的舰船目标检测[J]. 梅升阳,田金文. 计算机与数字工程. 2018(04)
[4]一种新颖的强海杂波背景下弱小目标鲁棒检测算法[J]. 袁耀东,许红艳,陶琳. 红外技术. 2017(11)
[5]结合局部特征及全局特征的显著性检测[J]. 蔡强,郝佳云,曹健,李海生. 光学精密工程. 2017(03)
本文编号:3387668
【文章来源】:电光与控制. 2020,27(09)北大核心CSCD
【文章页数】:7 页
【部分图文】:
典型的海天场景下的前视红外图像
图2所示为本文计算局部对比度的网格窗口,网格窗口由9个相同尺寸的子区域构成。图2中,中心区域T为潜在目标区域,假设中心区域T的尺寸在某个固定尺度下和目标区域的尺寸近似,区域Rk(k=1,2,…,8)为中心区域T周围8个方向上的第i个邻近背景区域,通过将滑动窗口从上到下、从左到右逐像素移动遍历整幅红外图像可以计算出图像中每个像素位置处的局部对比度,得到一幅显著图像。
图3所示为增益因子αk随比例因子βk变化的关系。假设gT/mk=βk,比例因子βk的大小直接反映中心区域T中灰度最大值与第k个邻近背景区域Rk内像素灰度均值之间的差异,进而影响增益因子αk,表明增益因子αk取决于中心区域T中灰度最大值和第k个邻近背景区域Rk内像素灰度均值之间的差异,具体关系主要有3种:1)gT<mk,βk<1,αk<1,此时,对T产生的是抑制效果;2)gT≈mk,βk≈1,αk≈1,此时,对T的影响不大;3)gT>mk,βk>1,αk>1,此时,对T产生的是增强效果。αk的定义更加侧重于对暗弱目标进行增强,随着βk的增大,αk增加越来越缓慢,但最大不超过自然数e≈2.7,为的是防止图像中存在中心区域与邻近背景灰度差异过大的情况,如果αk过大,对应区域的局部对比度也会过大,影响最终显著图像中弱小目标的视觉显著性。
【参考文献】:
期刊论文
[1]基于高信背比的视频低速暗弱目标增强[J]. 张刘,张皓晨,刘付成,满益云,孙俊,张冠宇. 光学精密工程. 2019(04)
[2]多波段红外图像的海面舰船目标检测[J]. 仇荣超,娄树理,李廷军,宫剑. 光谱学与光谱分析. 2019(03)
[3]基于海天线引导与卷积神经网络的舰船目标检测[J]. 梅升阳,田金文. 计算机与数字工程. 2018(04)
[4]一种新颖的强海杂波背景下弱小目标鲁棒检测算法[J]. 袁耀东,许红艳,陶琳. 红外技术. 2017(11)
[5]结合局部特征及全局特征的显著性检测[J]. 蔡强,郝佳云,曹健,李海生. 光学精密工程. 2017(03)
本文编号:3387668
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3387668.html