基于显著密度的高效子窗口搜索的精准目标检测算法研究

发布时间：2021-09-06 02:39

　　准确性和实时性是影响目标检测性能的两项重要指标。为了在多种复杂场景中进行快速精准的目标检测,提出了一种融合超复杂傅里叶变换（HFT）显著性计算、高效子窗口搜索（ESS）和大津法（OTSU）的精准目标检测算法。该算法首先将输入图像进行HFT显著性计算,得到显著图,然后在显著图的基础上通过高效子窗口进行全局搜索并初步定位目标,最后利用大津法分割子窗口范围内的图像,并根据子窗口边界的像素值优化子窗口的位置,实现精准的目标检测。实验结果表明,新算法在保证运算速度的同时,显著提高了检测精度。 

【文章来源】：电光与控制. 2019,26(08)北大核心CSCD

【文章页数】：6 页

【部分图文】：

本文算法流程图Fig．2Flowchartofouralgorithm

ㄐ苑治?为检验算法的适应能力，本文对多种不同类型的目标进行定性实验，检测结果如图3～图5所示。在图3a、图4a、图5a中，由于子窗口边界含有目标信息，所以需要启用LOG算子进行边缘检测，因此按算法流程将HFT显著图、粗定位结果、大津法分割结果、LOG边缘检测结果、精准目标检测结果依次列出。在图3b、图4b、图5b中，由于子窗口边界无目标信息，因此按流程将显著图、粗定位结果、大津法分割结果和精准目标检测结果依次列出，本文不再赘述。图3为检测空中飞行目标的实验结果。图3a中，由于成像设备与目标较近，显著密度主要集中在鸟的躯干附近，导致子窗口边界包含目标，通过边缘检测判断后，放大子窗口，得到精准的目标检测结果。图3b中，由于成像设备与目标较远，并受到强光干扰，显著密度集中位置包含了大量背景，本文算法对子窗口内进行大津法分割后，目标区域并没有与子窗口边界重合，因此直接利用大津法分割的结果实现目标精确定位。图3空中飞行目标检测结果Fig．3Detectionresultsoftargetsintheair总之，针对空中飞行目标，无论距离远近，本文算法均能克服云层或强光干扰，具有较高的检测精度和抗干扰能力。图4为检测近地目标的实验结果。图4a中，由于背景复杂，显著密度虽然相对集中，但并不能精确定位目标，利用大津法分割缩小子窗口左右边界，而且子窗口下边界也有目标信息存在，所以需要利用LOG算子调整下边界，得到比较正确的检测图像。图4b中，第3幅是大津法的分割结果。机场背景下有大量背景干扰，导致显著密度不能全部集中在目标位置，而经过大津法分割后，子窗口上没有目

要集中在鸟的躯干附近，导致子窗口边界包含目标，通过边缘检测判断后，放大子窗口，得到精准的目标检测结果。图3b中，由于成像设备与目标较远，并受到强光干扰，显著密度集中位置包含了大量背景，本文算法对子窗口内进行大津法分割后，目标区域并没有与子窗口边界重合，因此直接利用大津法分割的结果实现目标精确定位。图3空中飞行目标检测结果Fig．3Detectionresultsoftargetsintheair总之，针对空中飞行目标，无论距离远近，本文算法均能克服云层或强光干扰，具有较高的检测精度和抗干扰能力。图4为检测近地目标的实验结果。图4a中，由于背景复杂，显著密度虽然相对集中，但并不能精确定位目标，利用大津法分割缩小子窗口左右边界，而且子窗口下边界也有目标信息存在，所以需要利用LOG算子调整下边界，得到比较正确的检测图像。图4b中，第3幅是大津法的分割结果。机场背景下有大量背景干扰，导致显著密度不能全部集中在目标位置，而经过大津法分割后，子窗口上没有目标信息，因此可直接利用大津法的处理结果缩小子窗口范围，得到目标精确位置。图4近地目标检测结果Fig．4Detectionresultsoftargetsneartheground可以看出，即使背景噪声干扰严重，本文算法在对第8期15

【参考文献】：
期刊论文
[1]基于超复数傅里叶变换的自适应显著性检测[J]. 黄侃,张涌,吕波.  计算机应用. 2017(S1)
[2]基于显著图生成和显著密度最大化的高效子窗口搜索目标检测方法[J]. 刘松涛,黄金涛,刘振兴.  电光与控制. 2015(12)
[3]红外小目标的模板提取及检测技术研究[J]. 王霄,辛云宏.  激光与红外. 2013(07)



本文编号：3386572