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
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
山西工程科技职业大学 现代物流学院, 山西 晋中 030600
机载红外探测系统在近地背景下检测目标时, 地面将对弱小目标产生严重的干扰, 导致传统检测方法对弱小目标的检测性能下降。针对该问题, 利用生成对抗网络提出一种近地背景下的机载红外探测系统弱小目标检测方法。将深度自编码器作为生成对抗网络的网络框架, 引入inception机制对视觉信息进行多尺度特征提取, 并引入残差块来缓解梯度消失问题。在神经网络的对抗训练中, 生成器考虑了移动损失与对抗损失两个损失函数, 提高了生成器的训练效果。最终, 在公开的无人机机载红外探测数据集上完成了实验, 结果表明所提方法能在近地背景下成功检测出红外弱小目标, 且检测的平均精度与速率均优于其它对比方法。
机载红外探测系统 户外探测 弱小目标检测 深度自编码器 生成对抗网络 airborne infrared detection system outdoors detection weak and small target detection deep auto-encoder generative adversarial network
江苏航运职业技术学院 航海技术学院, 江苏 南通 226010
红外夜视检测技术能加强海上预警探测系统的安全性, 但红外夜视仪所采集的海上红外图像存在大量“背景杂波”, 严重干扰弱小目标的准确检测。针对此问题,结合主动轮廓模型与插值滤波器提出一种用于海上安全系统的红外夜视弱小目标检测算法。该算法先分别采用全局主动轮廓与局部主动轮廓搜索感兴趣目标区域, 通过双层主动轮廓模型消除噪声与背景杂波对目标检测的影响。然后提出变化方向的插值滤波器沿着感兴趣区域的边缘进行滤波, 缓解弱边缘对目标真实边缘的干扰。在真实的红外夜视海上图像集上对该算法进行了实验与分析, 结果表明该算法能改善海上弱小目标的检测性能, 对提高海上航行的安全性具有积极意义。
红外夜视 预警探测系统 弱小目标检测 海面监测 噪声消除 infrared night vision early warning detection system micro target detection sea surface monitoring noise removal
红外与激光工程
2022, 51(9): 20210939