1 宜宾学院智能制造学部, 四川宜宾 644000
2 广西科技大学广西土方机械协同创新中心, 广西柳州 545006
3 云南财经大学信息学院, 云南昆明 650221
4 中国科学院光电技术研究所, 四川成都 610209
为有效去除动态背景对弱小目标信号的干扰, 提出改进特征空间的红外弱小目标背景建模法来抑制背景。先采用改进的各向异性滤波算法从空域角度进行滤波以约束图像各个组分的差异, 紧接着取连续时间域上多帧滤波后的图像组成一个特征矩阵, 借助于主成分分析法进行特征分解, 最后将输入图像投影到特征空间上进行背景建模, 同时为了适应动态变化的背景, 在时域上以一定学习率来更新背景模型。实验结果表明, 提出的算法比传统的算法取得更好的背景估计效果, 结构相似性 SSIM、对比度增益 I和背景抑制因子 BIF分别大于 0.97、15.46和 5.25。
弱小目标 动态背景建模 各向异性滤波 主成分分析 dim and small target dynamic background modeling anisotropic filtering Principal Component Analysis 太赫兹科学与电子信息学报
2023, 21(9): 1109
1 军事科学院, 北京 100071
2 天津(滨海)人工智能创新中心, 天津 300000
3 中国人民解放军 96911部队, 北京 100089
4 军事科学院, 北京 100071国防科技大学计算机学院, 湖南长沙 410073
远距离广视角场景中由于红外热成像仪成像原理的局限性、大气环境的干扰、远距离传输介质对红外辐射的衰减, 检测目标面临巨大挑战。本文在详细分析了图像背景复杂、目标特性弱小、图像对比度低和结构特性缺失等红外弱小目标图像特性的基础上, 从基于目标突显和背景预测两大类概述了单帧红外图像弱小目标检测技术的研究现状, 并探讨了红外弱小目标检测研究的发展趋势。
红外弱小目标检测 目标突显 背景预测 数理驱动 数据驱动 infrared dim small target detection, target highli
为了提高红外目标检测的性能,提出了一种结合帧差的核相关滤波弱小红外目标检测算法。算法首先通过核相关滤波训练当前帧获得最大回归值,相对间隔帧求取差值,以此进行循环移位,从而实现对帧间背景运动的补偿;再者借助帧间差分法提取当前帧相对运动特征,增强区分弱小目标和红外背景的能力;最后对相对运动特征进行阈值分割获得最终检测结果。仿真实验显示本算法能有效检测出复杂环境下红外弱小目标,与其他同类算法相比,本算法可以很好地对杂波和点状干扰源进行抑制,获得较高的目标检测率,同时将大量运算置于频域中,运算效率也优于其他算法。
红外图像 弱小目标检测 核相关滤波 帧间运动补偿 相对运动特征 帧间差分 infrared image, weak and small target detection, K
1 浙江工商职业技术学院,浙江宁波 315100
2 浙江摩根集团有限公司,浙江宁波 315012
红外小目标检测是指从红外图像中分割出小目标,在火灾探测系统和海上监视及救援系统应用中具有重要意义。然而,由于目标尺寸小、特征不明显、背景环境复杂等因素,导致目前红外小目标检测算法的检测性能通常受到限制。针对上述问题,设计了一种基于拉普拉斯金字塔多级 Transformer的红外小目标检测算法。首先,由于红外小目标尺寸较小,容易在网络迭代过程中损失纹理细节信息,利用拉普拉斯金字塔从原始输入的红外图像中提取出不同层级的高频边界信息,进一步通过一种结构信息转换模块与主干网络中不同层级的特征进行融合,用于对损失的纹理信息进行补偿;接着为了进一步提升网络的判别能力,在提高检测准确率的同时抑制虚警率,还采用了一种基于通道维的 Transformer结构,将每个通道特征图作为图像块,并沿着通道维进行自注意力的计算。实验结果表明,与目前先进的检测算法相比,本文所提出的算法具有更高的检测性能。
红外图像 弱小目标检测 图像分割 infrared images, small target detection, Transform Transformer
1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院大学,北京 100049
针对复杂场景下红外图像中弱小目标像素占比少、特征细节不明显致使目标特征提取困难、检测准确率低的问题,提出了一种基于注意力机制的复杂背景下红外弱小目标检测方法。该方法以YOLOv5网络为基础,设计SimAMC3注意力机制模块,优化网络的特征提取层;设计目标检测头,通过增加特征融合层来改变其开始进行特征提取的深度,获得新的弱小目标检测层,使浅层特征层更好地保留弱小目标的空间信息;改进预测框筛选方式,提高距离相近或重叠目标的检测精度。实验选取了两个SIRST红外弱小目标图像数据集,对其进行标注并训练。实验结果表明,改进后的算法与原YOLOv5算法相比,平均精度均值(mAP)分别提升了4.8%和7.1%,在不同复杂背景下均可有效检测出红外弱小目标,体现了良好的鲁棒性和适应性,可以有效应用于复杂背景中的红外弱小目标检测。
深度学习 红外弱小目标 目标检测 注意力机制 deep learning infrared dim-small target target detection attention mechanism
强激光与粒子束
2023, 35(9): 099002
1 长春理工大学光电工程学院,吉林 长春 130022
2 长春理工大学空间光电技术研究院,吉林 长春 130022
针对不同背景条件下,红外弱小目标检测信杂比低、虚警率高的特点,重点利用小目标能量接近高斯分布特性,提出一种利用改进的图像局部熵加权多尺度的基于图像块对比度的红外小目标检测方法。首先,计算红外图像中心块和邻域块的均值;然后,计算出中心块和邻域块的均值差异达到凸显小目标、抑制背景噪声的效果,同时计算各个像素点的改进局部图像熵以凸显小目标、抑制形状与小目标大小近似的伪目标以及大面积的干扰物体的角点;之后,利用改进的图像熵加权中心块和邻域块的均值差异值,得到高信杂比、低虚警率的显著度图像;最后,利用自适应阈值分割算法获取目标的位置。实验结果表明,与同类基于human visual system(HVS)检测方法相比,所提方法适用场景更广,特别是在复杂背景下,能达到更低的虚警率、更高的信杂比。
遥感 红外弱小目标 目标检测 人类视觉系统 图像局部熵 对比度测量 多场景 激光与光电子学进展
2023, 60(16): 1628006
辽宁工程技术大学软件学院,葫芦岛 兴城125100
针对现存背景抑制算法未能有效抑制复杂背景而导致的高虚警率及低检测率问题,提出一种基于六方向梯度差各向异性高斯滤波抑制、双层正交灰度差与对角灰度差目标增强、灰度指数自适应阈值分割的小目标检测算法。首先,采用高斯滤波技术融入梯度差思想设置一系列背景抑制策略;接着,将抑制后的图像利用正交灰度差与对角灰度差映射在双层滑窗上增强局部对比度,提高目标显著性;最后,通过像素灰度指数自适应分割算法检测真实弱小目标。实验结果表明,该算法的背景抑制因子指标高达93%,能随背景局部变化来自适应建立背景抑制模型,从而自适应抑制复杂背景突出目标。
弱小目标检测 六方向梯度差 高斯滤波 局部对比度 双层滑动窗口 激光与光电子学进展
2023, 60(16): 1612003
电子科技大学信息与通信工程学院,四川 成都 611731
红外探测系统具有隐蔽性好、抗干扰能力强等特点,广泛应用于**和民用领域,红外弱小目标的检测是红外探测系统中的重要组成部分,已成为了当前的研究热点。近年来,学者们在基于低秩稀疏分解的红外弱小目标检测算法研究方面取得了丰硕的成果,为此,重点阐述了基于低秩稀疏分解的红外弱小目标检测算法的研究现状和研究进展。从背景分量约束、目标分量约束和联合时域信息约束等3个方面详细地综述了基于低秩稀疏分解的红外弱小目标检测算法。首先把背景分量约束划分为块图像的低秩约束、张量的低秩约束和全变分约束,其次从目标的稀疏性表示和融合局部先验的目标分量加权策略两方面分析了目标分量的约束,然后分析了联合时域信息约束,将典型的基于低秩稀疏分解的检测算法和单帧检测算法进行了性能对比,最后讨论了该领域下一步的研究方向。
机器视觉 红外图像 低秩稀疏分解 弱小目标检测 低秩近似 激光与光电子学进展
2023, 60(16): 1600004