时空谱多特征联合红外弱小目标检测方法研究
发布时间：2020-12-21 04:36
红外弱小目标检测技术是红外监视、红外预警以及红外搜索与跟踪等系统中的关键技术,在交通、安防及军事领域应用广泛。在这类应用场景中,由于成像距离远,目标在图像中的尺寸小;考虑到成像系统噪声及背景杂波干扰,目标在图像中的信杂比低;故目标在远距离红外成像后呈现为弱小目标。红外弱小目标具有特征少、强度低、成像环境复杂、运动状态复杂等特点,这些因素给检测任务带来了巨大的困难和挑战。经过几十年的发展,红外弱小目标检测技术已经取得了长足的进步,但是在复杂背景条件下,或是在差异较大的多个场景中,现有检测方法仍然难以稳定地消除虚警,实际表现仍有待提升。本文开展了时空谱多特征联合红外弱小目标检测方法研究。该研究致力于在空间域、时间域以及变换域中搜寻和构建特征以增强目标和背景的区分性,并根据各域特征的特点和优势,对多域特征进行综合分析和利用,从而提升红外弱小目标检测的质量和稳定性。具体而言,本文的主要内容包括以下几个方面:（1）对红外弱小目标检测基础理论进行了梳理和介绍。本文分析了远距离红外成像后的目标和背景特性,并通过与可见光目标检测任务进行对比,给出了红外弱小目标检测任务的具体描述,描绘了红外弱小目标检测...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：149 页
【学位级别】：博士
【部分图文】：
本文技术路线图
图2-1展示了一组典型的红外弱小目标图像,图中的目标均用红色矩形框标出。图2-1(a)展示了一个在天空场景中的弱小目标。在该图中,虽然天空背景较为纯净,几乎没有云层干扰,但图像下方产生的光晕使图像下部区域的灰度值普遍升高,使目标与背景之间的对比度将降低,对检测产生了不利的影响。图2-1(b)展示了一个低信噪比天空场景中的弱小目标。该图中的天空场景同样没有云层的干扰,但由于探测器成像质量的不足,该图中的噪声水平较高,造成目标信号的信噪比降低,目标与背景间的对比度下降,给检测任务带来了困难。图2-1(c)展示了一个处在视场边缘的小目标。该图同样是对天空场景进行成像,图中有少量的云雾,但目标相对于云雾而言,二者的灰度值具有明显差异,目标相对于背景的对比度较高,利于检测。该图主要的挑战是目标位于图像的边缘部分,这可能对一些基于显著性的方法带来挑战(部分显著性方法假设图像中心区域的显著性高,图像边缘区域的显著性低)。图2-1(d)展示了一个在低空场景中的弱小目标。该图左右两侧均存在一定强度的光晕,图像的下部区域存在着一片树林,光晕的高灰度值以及树木的不规则形态都会对目标检测任务造成干扰。此外,该场景中,目标在运动时经常被树枝的顶部遮挡,这进一步加大了检测难度。综合上述分析,可以看出,红外弱小目标在图中所占的面积小,辐射总能量低。目标包含的信息有限,红外图像中的目标没有颜色信息,我们也几乎不能辨认出图像中目标的形态,更难以识别出目标的具体型号。事实上,目标在图中是否存在,目标在图像中的什么位置,才是更加切合实际、更应该被关注的问题。回答这些问题同样困难重重:目标的大小、强弱、灰度分布是变化的,很难用特定的数学模型进行描述;背景是多样的,不同背景的辐射强度、大小、形态、噪声水平有着巨大的差异,这给背景抑制带来了巨大的挑战。下面我们将对三种典型的场景进行红外成像特性分析,进一步阐明不同场景的成像特点和在检测任务中的难点。
图2-2展示了一组典型的天空场景红外成像示意图。可以看出,在天空场景中,云层往往灰度值较大。这是由于云层对太阳辐射具有吸收、散射、反射的作用,因此红外探测器接收的来自云层的红外辐射强度较大,成像后云层的灰度值较高,进而对目标检测造成干扰。图2-2(a)展示了一个低云量的天空场景。在该图中,云层区域的灰度值没有明显高于其他区域,云层均匀地分布在图像中,没有呈现出明显的形状;因此,可以将该图中的云层视为平滑背景。平滑背景容易被抑制,不会给检测带来严重干扰。图2-2(b)展示了一个存在积云的天空场景。在该图中,云层呈现出明显的聚集性,以团簇的形式存在于图像上。主要的团簇区域尺寸较大,团簇内部可以视为平滑区域;但在主要团簇周围,还零星分布着尺寸较小的云层团簇,它们与弱小目标更为相似。积云区域灰度值较高,具有不规则的形态,属于复杂背景,会对目标检测产生不利影响。图2-2(c)展示了一个高云量的天空场景。在该图中,云层占据了图像中的大部分区域,云层区域的灰度值较高。虽然云量较大,但云层并没有聚集成一个整体,在图像的下部,存在着大量的小型云层团块,这些团块与弱小目标较为相似,它们增强了背景的非均匀性,给目标检测增加了难度。图2-2(d)展示了一个存在厚积云的天空场景。在该图中,云量较大,且云层呈聚集性分布,分布于图像上方;云层区域的灰度值明显高于其他区域,二者之间有一条清晰的分界线。云层的灰度分布较为均匀,可以大体看作平滑区域。在该场景中,云层很厚,容易对目标造成遮挡,云层的强边缘也容易对检测造成干扰,因此,该场景中的厚积云同样属于复杂背景。综上所述,在天空场景中,不同气象条件下形成的云呈现出不同的空间分布、辐射强度与形态特点。高云量通常会对目标检测造成干扰。碎片状的小型云层团块与弱小目标的相似度高,是典型的复杂背景,也是红外弱小目标检测任务中的难点。图2-3展示了一组典型的海面场景红外成像示意图。从中可以看出,不同环境下的海面场景具有明显差异。图2-3(a)展示了一个纯净的海天场景。该图中的背景组成比较简单,图像上部是天空背景,图像下部是海面背景,没有其他的背景辐射源。在海面内部以及天空内部,灰度分布较为均匀,因此,可以将海面和天空看作平滑背景。该图像中存在着一条明显的海天线,同时还存在一定强度的噪声,这些是目标检测的不利因素。图2-3(b)展示了一个海面正在波动的场景。在该场景中,红外探测器沿斜下方对海面进行观测,由于成像距离较近,图中只有海面的影像。该图中的海面背景总体上较为纯净,但海面上起伏的波浪以及图像中的噪声会对目标检测产生一定干扰。图2-3(c)展示了一个远距离成像后的积云-海面场景。该图像上部是天空背景,下部是海面背景,中部存在着一条明显的海天线。在该场景中,天空中聚集着大量积云,并形成了大小不一的团块;云层处在较低的高度,并占据了图中大部分天空背景。海面较为平静,由于探测视角的原因,部分海面反射太阳辐射,使其呈现为高灰度区域。该图像中的背景成分较为复杂,给检测任务带来了一定困难。图2-3(d)展示了一个靠近海岸的海面场景。该图像由天空、海面、海岸三种背景成分组成。天空中聚集着少量的云,由于成像距离远,图像中的云尺寸较小。天空与海面之间具有明显的交界线。海面较为平静,由于阴影的缘故,海面上具有明显的明暗变化。图像左侧是海岸部分,海岸区域的灰度值普遍较高,且有着复杂的纹理信息。该图的背景细节丰富,是典型的复杂海面场景。综上所述,在海面场景中,海天交界线、海上波浪通常会给红外图像带来线条型的杂波;而天空中的云与岸边的岩石具有不规则的形态,是更加复杂的杂波;这些问题需要在检测算法的设计过程中重点关注。
【参考文献】：
期刊论文
[1]基于深度卷积神经网络的红外小目标检测[J]. 吴双忱,左峥嵘. 红外与毫米波学报. 2019(03)
[2]局部对比度结合区域显著性红外弱小目标检测[J]. 王晓阳,彭真明,张萍,孟晔铭. 强激光与粒子束. 2015(09)
[3]强杂波背景红外弱小目标检测算法[J]. 武自刚,彭真明,张萍. 强激光与粒子束. 2015(04)
[4]红外弱小目标检测技术研究现状与发展趋势[J]. 侯旺,孙晓亮,尚洋,于起峰. 红外技术. 2015(01)
[5]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)
[6]改进的非下采样Contourlet变换红外弱小目标检测方法[J]. 马科,彭真明,何艳敏,高原,张萍. 强激光与粒子束. 2013(11)
[7]各向异性SUSAN滤波红外弱小目标检测[J]. 景亮,彭真明,何艳敏,蒲恬. 强激光与粒子束. 2013(09)
[8]基于运动方向估计的管道滤波算法[J]. 董维科,张建奇,刘德连,王晓蕊. 光子学报. 2013(04)
[9]基于小波变换和管道滤波的红外空中小目标检测[J]. 刘刚,梁晓庚. 计算机工程与应用. 2011(30)
[10]基于红外目标局部灰度特性分析的管道滤波方法[J]. 连可,王厚军,李丹. 弹箭与制导学报. 2011(04)
博士论文
[1]基于稀疏动态反演的红外弱小目标检测理论及方法研究[D]. 王晓阳.电子科技大学 2018
硕士论文
[1]基于稀疏表示的红外与可见光图像融合方法研究[D]. 许晓伟.电子科技大学 2017
[2]基于空时显著性的红外弱小目标检测[D]. 韩演.电子科技大学 2017
[3]基于“谱”反演的红外图像增强与重建方法研究[D]. 张帆.电子科技大学 2016
[4]复杂背景下红外弱小目标的正演模拟与仿真技术研究[D]. 钟露.电子科技大学 2016
[5]成像探测系统中的红外弱小目标跟踪点漂移抑制方法研究[D]. 孟晔铭.电子科技大学 2015
[6]红外图像的多尺度几何分析理论及应用研究[D]. 马科.电子科技大学 2014
[7]基于多尺度几何分析的红外弱小目标检测方法研究[D]. 魏芳.电子科技大学 2012
[8]远距离前视红外多目标跟踪方法研究[D]. 吴大.电子科技大学 2012
[9]复杂环境下红外弱小目标检测方法研究[D]. 史漫丽.电子科技大学 2011
本文编号：2929197
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：149 页
【学位级别】：博士
【部分图文】：
本文技术路线图
图2-1展示了一组典型的红外弱小目标图像,图中的目标均用红色矩形框标出。图2-1(a)展示了一个在天空场景中的弱小目标。在该图中,虽然天空背景较为纯净,几乎没有云层干扰,但图像下方产生的光晕使图像下部区域的灰度值普遍升高,使目标与背景之间的对比度将降低,对检测产生了不利的影响。图2-1(b)展示了一个低信噪比天空场景中的弱小目标。该图中的天空场景同样没有云层的干扰,但由于探测器成像质量的不足,该图中的噪声水平较高,造成目标信号的信噪比降低,目标与背景间的对比度下降,给检测任务带来了困难。图2-1(c)展示了一个处在视场边缘的小目标。该图同样是对天空场景进行成像,图中有少量的云雾,但目标相对于云雾而言,二者的灰度值具有明显差异,目标相对于背景的对比度较高,利于检测。该图主要的挑战是目标位于图像的边缘部分,这可能对一些基于显著性的方法带来挑战(部分显著性方法假设图像中心区域的显著性高,图像边缘区域的显著性低)。图2-1(d)展示了一个在低空场景中的弱小目标。该图左右两侧均存在一定强度的光晕,图像的下部区域存在着一片树林,光晕的高灰度值以及树木的不规则形态都会对目标检测任务造成干扰。此外,该场景中,目标在运动时经常被树枝的顶部遮挡,这进一步加大了检测难度。综合上述分析,可以看出,红外弱小目标在图中所占的面积小,辐射总能量低。目标包含的信息有限,红外图像中的目标没有颜色信息,我们也几乎不能辨认出图像中目标的形态,更难以识别出目标的具体型号。事实上,目标在图中是否存在,目标在图像中的什么位置,才是更加切合实际、更应该被关注的问题。回答这些问题同样困难重重:目标的大小、强弱、灰度分布是变化的,很难用特定的数学模型进行描述;背景是多样的,不同背景的辐射强度、大小、形态、噪声水平有着巨大的差异,这给背景抑制带来了巨大的挑战。下面我们将对三种典型的场景进行红外成像特性分析,进一步阐明不同场景的成像特点和在检测任务中的难点。
图2-2展示了一组典型的天空场景红外成像示意图。可以看出,在天空场景中,云层往往灰度值较大。这是由于云层对太阳辐射具有吸收、散射、反射的作用,因此红外探测器接收的来自云层的红外辐射强度较大,成像后云层的灰度值较高,进而对目标检测造成干扰。图2-2(a)展示了一个低云量的天空场景。在该图中,云层区域的灰度值没有明显高于其他区域,云层均匀地分布在图像中,没有呈现出明显的形状;因此,可以将该图中的云层视为平滑背景。平滑背景容易被抑制,不会给检测带来严重干扰。图2-2(b)展示了一个存在积云的天空场景。在该图中,云层呈现出明显的聚集性,以团簇的形式存在于图像上。主要的团簇区域尺寸较大,团簇内部可以视为平滑区域;但在主要团簇周围,还零星分布着尺寸较小的云层团簇,它们与弱小目标更为相似。积云区域灰度值较高,具有不规则的形态,属于复杂背景,会对目标检测产生不利影响。图2-2(c)展示了一个高云量的天空场景。在该图中,云层占据了图像中的大部分区域,云层区域的灰度值较高。虽然云量较大,但云层并没有聚集成一个整体,在图像的下部,存在着大量的小型云层团块,这些团块与弱小目标较为相似,它们增强了背景的非均匀性,给目标检测增加了难度。图2-2(d)展示了一个存在厚积云的天空场景。在该图中,云量较大,且云层呈聚集性分布,分布于图像上方;云层区域的灰度值明显高于其他区域,二者之间有一条清晰的分界线。云层的灰度分布较为均匀,可以大体看作平滑区域。在该场景中,云层很厚,容易对目标造成遮挡,云层的强边缘也容易对检测造成干扰,因此,该场景中的厚积云同样属于复杂背景。综上所述,在天空场景中,不同气象条件下形成的云呈现出不同的空间分布、辐射强度与形态特点。高云量通常会对目标检测造成干扰。碎片状的小型云层团块与弱小目标的相似度高,是典型的复杂背景,也是红外弱小目标检测任务中的难点。图2-3展示了一组典型的海面场景红外成像示意图。从中可以看出,不同环境下的海面场景具有明显差异。图2-3(a)展示了一个纯净的海天场景。该图中的背景组成比较简单,图像上部是天空背景,图像下部是海面背景,没有其他的背景辐射源。在海面内部以及天空内部,灰度分布较为均匀,因此,可以将海面和天空看作平滑背景。该图像中存在着一条明显的海天线,同时还存在一定强度的噪声,这些是目标检测的不利因素。图2-3(b)展示了一个海面正在波动的场景。在该场景中,红外探测器沿斜下方对海面进行观测,由于成像距离较近,图中只有海面的影像。该图中的海面背景总体上较为纯净,但海面上起伏的波浪以及图像中的噪声会对目标检测产生一定干扰。图2-3(c)展示了一个远距离成像后的积云-海面场景。该图像上部是天空背景,下部是海面背景,中部存在着一条明显的海天线。在该场景中,天空中聚集着大量积云,并形成了大小不一的团块;云层处在较低的高度,并占据了图中大部分天空背景。海面较为平静,由于探测视角的原因,部分海面反射太阳辐射,使其呈现为高灰度区域。该图像中的背景成分较为复杂,给检测任务带来了一定困难。图2-3(d)展示了一个靠近海岸的海面场景。该图像由天空、海面、海岸三种背景成分组成。天空中聚集着少量的云,由于成像距离远,图像中的云尺寸较小。天空与海面之间具有明显的交界线。海面较为平静,由于阴影的缘故,海面上具有明显的明暗变化。图像左侧是海岸部分,海岸区域的灰度值普遍较高,且有着复杂的纹理信息。该图的背景细节丰富,是典型的复杂海面场景。综上所述,在海面场景中,海天交界线、海上波浪通常会给红外图像带来线条型的杂波;而天空中的云与岸边的岩石具有不规则的形态,是更加复杂的杂波;这些问题需要在检测算法的设计过程中重点关注。
【参考文献】：
期刊论文
[1]基于深度卷积神经网络的红外小目标检测[J]. 吴双忱,左峥嵘. 红外与毫米波学报. 2019(03)
[2]局部对比度结合区域显著性红外弱小目标检测[J]. 王晓阳,彭真明,张萍,孟晔铭. 强激光与粒子束. 2015(09)
[3]强杂波背景红外弱小目标检测算法[J]. 武自刚,彭真明,张萍. 强激光与粒子束. 2015(04)
[4]红外弱小目标检测技术研究现状与发展趋势[J]. 侯旺,孙晓亮,尚洋,于起峰. 红外技术. 2015(01)
[5]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)
[6]改进的非下采样Contourlet变换红外弱小目标检测方法[J]. 马科,彭真明,何艳敏,高原,张萍. 强激光与粒子束. 2013(11)
[7]各向异性SUSAN滤波红外弱小目标检测[J]. 景亮,彭真明,何艳敏,蒲恬. 强激光与粒子束. 2013(09)
[8]基于运动方向估计的管道滤波算法[J]. 董维科,张建奇,刘德连,王晓蕊. 光子学报. 2013(04)
[9]基于小波变换和管道滤波的红外空中小目标检测[J]. 刘刚,梁晓庚. 计算机工程与应用. 2011(30)
[10]基于红外目标局部灰度特性分析的管道滤波方法[J]. 连可,王厚军,李丹. 弹箭与制导学报. 2011(04)
博士论文
[1]基于稀疏动态反演的红外弱小目标检测理论及方法研究[D]. 王晓阳.电子科技大学 2018
硕士论文
[1]基于稀疏表示的红外与可见光图像融合方法研究[D]. 许晓伟.电子科技大学 2017
[2]基于空时显著性的红外弱小目标检测[D]. 韩演.电子科技大学 2017
[3]基于“谱”反演的红外图像增强与重建方法研究[D]. 张帆.电子科技大学 2016
[4]复杂背景下红外弱小目标的正演模拟与仿真技术研究[D]. 钟露.电子科技大学 2016
[5]成像探测系统中的红外弱小目标跟踪点漂移抑制方法研究[D]. 孟晔铭.电子科技大学 2015
[6]红外图像的多尺度几何分析理论及应用研究[D]. 马科.电子科技大学 2014
[7]基于多尺度几何分析的红外弱小目标检测方法研究[D]. 魏芳.电子科技大学 2012
[8]远距离前视红外多目标跟踪方法研究[D]. 吴大.电子科技大学 2012
[9]复杂环境下红外弱小目标检测方法研究[D]. 史漫丽.电子科技大学 2011
本文编号：2929197
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/2929197.html
