基于梯度直方图和SUSAN算子的红外目标检测
发布时间：2021-06-08 23:19
红外制导技术的核心任务是将视场中的目标提取出来,然而受多种因素的影响,红外成像呈现出信噪比低,对比度不强的特点。为有效检测出红外目标,首先分析红外图像梯度信息并进行直方图统计,发现其值只占据窄小的区间,借鉴直方图均衡化思想,对梯度直方图进行拉伸,并与原图进行加权融合,增强图像对比度的同时增大信噪比,然后采用改进的SUSAN算法对图像进行处理,可较好的提取出红外目标。仿真实验结果表明,与传统算法相比,文中算法计算量小、运行时间短,可有效检测出目标,有利于工程实现。
【文章来源】：光电技术应用. 2020,35(01)
【文章页数】：4 页
【部分图文】：
红外图像及其梯度直方图
与传统滤波模板不同，SUSAN算子采用近似圆形的模板，参照模板中心像素灰度值，将模板内每一点像素值与中心像素值进行比较，若其差值小于设定阈值，则认为该点与中心像素具有相同的像素属性,如图2所示。满足上述条件的像素即构成吸收核同区（USAN）。可以看出，圆形模板所处位置不同，得到的USAN区大小也不一样，当圆形模板完全在背景中或完全在目标中时，USAN区面积最大；当模板移向目标边缘时，其USAN区面积逐渐减小；当圆心处在目标边缘时，USAN区很小；当圆形在目标角点处时，USAN区最小。用SUSAN算子的圆形模板遍历整幅图像，按照算法进行像素灰度值的比较，然后按照设定阈值确定模板内的像素是否属于USAN区域，具体判断如下
为验证文中算法的有效性，采用Windows7系统（64位），16G内存，在MATLAB2014b平台，对仿真生成的天空背景红外目标图像进行处理，其中加入高斯白噪声，同时采用形态学算法及聚类属性直方图算法进行检测，并对不同算法结果进行比较，结果如图3所示。其中图3a为原始红外图像；图3b聚类属性直方图处理结果；图3c为形态学算法处理结果；图3d为文中算法检测结果。从处理结果可以看出，聚类属性集检测算法对图像中的大片区域进行了正确识别，没有受到云层的干扰，但是在提取目标飞机时，由于目标自身灰度分布不均匀，产生了割裂效应，将完整的飞机目标识别为两部分；形态学算法由于过于依赖结构元，检测结果存在“光晕”效应，对于背景的抑制效果不理想，对目标的检测产生形状轮廓的失真；文中算法在抑制背景噪声的同时，完整地提取出飞机目标，且运行时间短，有利于工程实现。不同算法运行时间如表1所示。
【参考文献】：
期刊论文
[1]红外图像校正与增强技术研究现状[J]. 张宝辉,姚立斌,张巍伟,陈莹妍,王润宇. 红外技术. 2017(06)
[2]气溶胶及能见度变化对标准大气中远红外传输的影响分析[J]. 张芳,齐琳琳,葛杰,王举,吉微,黄泓. 红外技术. 2016(12)
[3]基于自适应尺度因子的Retinex红外图像增强算法[J]. 郝宇,王新赛,张彦波,路建方,贺菁,刘雨. 红外技术. 2016(10)
[4]红外成像制导末端局部图像识别跟踪研究[J]. 李成,李建勋,童中翔,贾林通,张志波. 兵工学报. 2015(07)
[5]二维信息熵的红外图像分割算法[J]. 王莹莹,何苹,魏彤,李珊珊. 空军工程大学学报(自然科学版). 2015(01)
[6]影响红外目标探测亮度的因素[J]. 易亚星,姚梅,吴军辉,乐开端. 红外与激光工程. 2014(01)
[7]近红外多视场白天测星分析[J]. 韩艳丽,王铎,张健,樊利恒,孙腾飞. 红外与激光工程. 2013(08)
[8]基于小波变换与图像增强技术的红外小目标检测[J]. 侯洁,辛云宏. 激光与红外. 2013(06)
[9]一种改进型图像降噪方法[J]. 胡宏伟,赵建,曾明. 光电技术应用. 2012(05)
[10]基于复杂度和方向梯度的红外弱小目标检测方法[J]. 王田,刘伟宁,孙海江,韩广良. 液晶与显示. 2012(05)
本文编号：3219415
【文章来源】：光电技术应用. 2020,35(01)
【文章页数】：4 页
【部分图文】：
红外图像及其梯度直方图
与传统滤波模板不同，SUSAN算子采用近似圆形的模板，参照模板中心像素灰度值，将模板内每一点像素值与中心像素值进行比较，若其差值小于设定阈值，则认为该点与中心像素具有相同的像素属性,如图2所示。满足上述条件的像素即构成吸收核同区（USAN）。可以看出，圆形模板所处位置不同，得到的USAN区大小也不一样，当圆形模板完全在背景中或完全在目标中时，USAN区面积最大；当模板移向目标边缘时，其USAN区面积逐渐减小；当圆心处在目标边缘时，USAN区很小；当圆形在目标角点处时，USAN区最小。用SUSAN算子的圆形模板遍历整幅图像，按照算法进行像素灰度值的比较，然后按照设定阈值确定模板内的像素是否属于USAN区域，具体判断如下
为验证文中算法的有效性，采用Windows7系统（64位），16G内存，在MATLAB2014b平台，对仿真生成的天空背景红外目标图像进行处理，其中加入高斯白噪声，同时采用形态学算法及聚类属性直方图算法进行检测，并对不同算法结果进行比较，结果如图3所示。其中图3a为原始红外图像；图3b聚类属性直方图处理结果；图3c为形态学算法处理结果；图3d为文中算法检测结果。从处理结果可以看出，聚类属性集检测算法对图像中的大片区域进行了正确识别，没有受到云层的干扰，但是在提取目标飞机时，由于目标自身灰度分布不均匀，产生了割裂效应，将完整的飞机目标识别为两部分；形态学算法由于过于依赖结构元，检测结果存在“光晕”效应，对于背景的抑制效果不理想，对目标的检测产生形状轮廓的失真；文中算法在抑制背景噪声的同时，完整地提取出飞机目标，且运行时间短，有利于工程实现。不同算法运行时间如表1所示。
【参考文献】：
期刊论文
[1]红外图像校正与增强技术研究现状[J]. 张宝辉,姚立斌,张巍伟,陈莹妍,王润宇. 红外技术. 2017(06)
[2]气溶胶及能见度变化对标准大气中远红外传输的影响分析[J]. 张芳,齐琳琳,葛杰,王举,吉微,黄泓. 红外技术. 2016(12)
[3]基于自适应尺度因子的Retinex红外图像增强算法[J]. 郝宇,王新赛,张彦波,路建方,贺菁,刘雨. 红外技术. 2016(10)
[4]红外成像制导末端局部图像识别跟踪研究[J]. 李成,李建勋,童中翔,贾林通,张志波. 兵工学报. 2015(07)
[5]二维信息熵的红外图像分割算法[J]. 王莹莹,何苹,魏彤,李珊珊. 空军工程大学学报(自然科学版). 2015(01)
[6]影响红外目标探测亮度的因素[J]. 易亚星,姚梅,吴军辉,乐开端. 红外与激光工程. 2014(01)
[7]近红外多视场白天测星分析[J]. 韩艳丽,王铎,张健,樊利恒,孙腾飞. 红外与激光工程. 2013(08)
[8]基于小波变换与图像增强技术的红外小目标检测[J]. 侯洁,辛云宏. 激光与红外. 2013(06)
[9]一种改进型图像降噪方法[J]. 胡宏伟,赵建,曾明. 光电技术应用. 2012(05)
[10]基于复杂度和方向梯度的红外弱小目标检测方法[J]. 王田,刘伟宁,孙海江,韩广良. 液晶与显示. 2012(05)
本文编号：3219415
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3219415.html
