复杂天空背景下的红外弱小目标检测算法研究

发布时间：2022-01-23 03:48

　　为了提高单帧红外图像的检测概率,稳定检测到图像序列中的弱小目标,基于改进的双边滤波与多项式拟合,提出了一种复杂天空背景下的红外弱小目标检测算法。在传统双边滤波算法的权值系数中引入背景相关度因子,有效降低了背景抑制时目标点的影响,提高了目标区域的信噪比以及单帧图像的检测率。为了进一步剔除虚假目标,基于融合目标运动特征,对目标点进行多帧确认。针对序列检测中目标闪烁造成的目标漏检,引入多项式拟合算法对下一帧目标位置进行预测,有效避免了目标轨迹截断的问题。实验结果表明,在信噪比小于2的情况下,该算法能够稳定检测到复杂天空背景下的弱小目标轨迹。 

【文章来源】：光学学报. 2020,40(05)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

目标轨迹检测结果对比。

从(6)式可以看出,在预测中心像素(i,j)的灰度值时,其邻域像素(p,q)的灰度与局部背景的平均灰度越接近时,背景相关度因子c越大,即(p,q)所占权重越大;当两者的差值越大时,c越小,即(p,q)的权重变小。当中心像素移动到目标区域时,由于目标灰度值高于背景平均灰度且呈高斯分布,通过计算可知目标区域中心的背景相关度最小,并且向边缘方向逐渐增大,如图1所示。此时,通过背景相关度因子的调节,邻域像素的权重较传统双边滤波算法有所降低,目标像素的灰度得到抑制。3 序列检测算法

l max = f?v/u S 。 ??? (7)假设第k帧中的目标位置为xk,则相邻两帧间的目标点一定满足条件|xk+1-xk|≤lmax。当目标作转弯运动时,目标在连续三帧的位置如图3所示,其中l1=|xk-xk-1|,l2=|xk+1-xk|,l3=|xk+1-xk-1|,则转弯角φ为

【参考文献】：
期刊论文
[1]基于时域信噪比的红外弱小目标检测（英文）[J]. 刘炎,王涛,陈凡胜,苏晓锋.  太赫兹科学与电子信息学报. 2019(01)
[2]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)
[3]基于时空非局部相似性的海上红外弱小目标检测[J]. 张素,安博文,潘胜达.  光子学报. 2018(11)
[4]基于RPCA的单帧红外小目标检测算法[J]. 樊俊良,高永明,吴止锾,李磊.  兵器装备工程学报. 2018(11)
[5]基于各向异性双边滤波红外背景抑制方法研究[J]. 王涛,陈凡胜,苏晓锋.  湖南大学学报(自然科学版). 2018(02)
[6]滑动置信度约束的红外弱小目标跟踪算法研究[J]. 曾溢良,蓝金辉,邹金霖.  兵工学报. 2017(09)
[7]基于相关滤波器的红外弱小目标检测算法[J]. 何玉杰,李敏,张金利,邢宇航.  光学学报. 2016(05)
[8]鲁棒的高斯和容积卡尔曼滤波红外目标跟踪算法[J]. 吴昊,陈树新,杨宾峰,陈坤.  红外与毫米波学报. 2016(01)
[9]基于改进的剪切波变换和引导滤波的红外弱小目标背景抑制方法[J]. 荣生辉,刘刚,周慧鑫,秦翰林,钱琨,延翔,赵东.  光子学报. 2015(02)
[10]采用尺度空间理论的红外弱小目标检测方法[J]. 龚俊亮,何昕,魏仲慧,朱弘,郭立俊.  红外与激光工程. 2013(09)

博士论文
[1]复杂空间环境下红外弱小目标高可靠检测方法研究[D]. 王涛.中国科学院大学(中国科学院上海技术物理研究所) 2017
[2]红外序列图像中运动弱小目标时域检测方法[D]. 王博.西安电子科技大学 2010



本文编号：3603537