南昌航空大学信息工程学院, 江西南昌 330063
针对复杂云层背景下红外小目标检测的虚警现象和实时性要求, 提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点, 滤除大部分非目标区域, 保留少量可疑区域, 再对可疑区域进行局部对比度计算, 能够增强目标、抑制残留背景, 并有效减少计算量。算法步骤如下: 首先, 在滑动窗口捕获的局部图像区域内构建结构张量矩阵, 将最大特征值大于特定阈值的区域标记为可疑区域; 然后, 对可疑区域进行比差联合型局部对比度计算, 生成显著度图; 最后, 利用自适应阈值分割实现小目标的分离。实验结果表明: 该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。
红外小目标检测 可疑区域筛选 结构张量 局部对比度 infrared small target detection, suspicious area s
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
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
1 天津工业大学 机械工程学院,天津 300387
2 中国海洋大学 物理海洋教育部重点实验室,山东 青岛 266100
针对红外船舶目标在海上复杂海天背景下检测困难,且数据集目标大小与锚框不符造成的算法边界回归效果差、检测不准确等问题,提出了一种基于改进YOLOv5的红外船舶目标检测算法。首先针对锚框与数据集目标形状不匹配问题,通过改变K-means++聚类算法选取簇中心的评价标准,使用中位数代替平均数来决定簇中心,改进了锚框算法,使得锚框与船舶目标更加匹配,提高了算法的平均检测精度。改进后的聚类算法得到的锚框更加符合目标的分布特点。其次针对CIoU (Complete intersection over union)存在梯度爆炸、误检和漏检问题,通过改进边框回归损失函数中关于长宽比的惩罚项提出了MIoU (Multivariate intersection over union)回归损失函数,优化了算法的回归过程,提高了算法的收敛速度和检测精度,避免了相似目标的误检和漏检。改进后的回归损失函数使边框损失降低了1.5%。在红外船舶数据集上进行了消融实验和对比实验,消融实验结果表明文中改进算法的平均检测精度值相较于标准YOLOv5算法提高了1.1%,对比实验结果表明文中改进算法相较于其他改进YOLOv5算法具有更高的平均检测精度,验证了文中改进算法的优越性,提升了红外船舶目标的检测效果。
目标检测 红外船舶目标 聚类算法 边框回归 object detection infrared ship target clustering algorithm border regression 红外与激光工程
2023, 52(10): 20230006
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
邵斌 1,2,3杨华 1,2,3朱斌 1,2,3,*陈熠 1,2,3邹融平 1,2,3
1 国防科技大学电子对抗学院,安徽 合肥 230037
2 脉冲功率激光技术国家重点实验室,安徽 合肥 230037
3 红外与低温等离子体安徽省重点实验室,安徽 合肥 230037
语义分割网络对图像进行像素级分类,相较于目标检测其对于目标的精准定位更有优势,因此在红外小目标检测中发挥着重要作用。针对红外小目标的特点,提出一种基于实时语义分割的红外小目标检测网络。该网络基于双分支特征提取结构,采用渐进式特征融合模块和改进的Dice损失函数,使红外小目标分割的速度与效果达到良好的平衡。实验结果表明,该算法在较小参数量和计算量的情况下相较于FCN、ICNet、BiSeNet V2、STDCNet、TopFormer等5种算法达到较高的精度,在实际采集的红外小目标数据集上,其推理帧率相较于传统的FCN提升44%,达到117 frame/s,且红外小目标的交并比相较于与其推理帧率相近的TopFormer提升49%,有利于语义分割在红外小目标检测的实际应用。
图像处理 红外小目标 实时语义分割 双分支特征提取 渐进式特征融合 激光与光电子学进展
2023, 60(14): 1410006