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
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
国防科技大学电子科学学院ATR国防科技重点实验室,湖南 长沙 410073
针对红外图像信息维度单一且弱小目标因特征不明显而难以检测的问题,将不同结构的多滤波器融入YOLOv5n网络,根据增强弱小目标和抑制背景干扰的不同特性分别选择三个异构滤波器作用于网络的多通道输入图像,从而丰富原始图像的信息维度,有效提升后端网络对复杂背景下弱小目标的适应能力;通过添加注意力模块、采用小锚框策略、裁剪网络深层分支等改进措施,在增强YOLOv5n网络弱小目标检测能力的同时,进一步减少了计算和存储资源需求。实验结果表明,所提出的算法能够有效检测红外复杂背景中的弱小目标,同时占用存储和计算资源更少,为算法部署在资源受限的嵌入式设备上提供了基础。
机器视觉 红外弱小目标 资源受限 多异构滤波器 YOLOv5n
1 长春理工大学电子信息工程学院,吉林 长春 130022
2 长春理工大学空间光电技术研究所,吉林 长春 130022
针对局部对比度方法对红外目标进行检测时难以提升目标的显著性及抑制背景困难的问题,提出一种基于特殊预处理的增强局部对比度方法来检测目标。通过快速中值滤波去除高频噪声,通过改进的形态学梯度来抑制背景,通过增强的局部对比度来提高目标的显著性,最后通过自适应阈值来获取需要检测的真实目标。结果表明,同经典人类视觉系统的检测方法相比,所提方法在检测红外弱小目标时具有优越性,在高亮度背景情况下效果更为显著。
红外弱小目标 目标检测 人类视觉系统 局部对比度 快速中值滤波 形态学梯度 激光与光电子学进展
2023, 60(4): 0410001