Dim Moving Small Target Detection by Local and Global Variance Filtering on Temporal Profiles in Infrared Sequences

In this paper, the temporal different characteristics between the target and background pixels are used to detect dim moving targets in the slow-evolving complex background. A local and global variance filter on temporal profiles is presented that addresses the temporal characteristics of the target and background pixels to eliminate the large variation of background temporal profiles. Firstly, the temporal behaviors of different types of image pixels of practical infrared scenes are analyzed.Then, the new local and global variance filter is proposed. The baseline of the fluctuation level of background temporal profiles is obtained by using the local and global variance filter. The height of the target pulse signal is extracted by subtracting the baseline from the original temporal profiles. Finally, a new target detection criterion is designed. The proposed method is applied to detect dim and small targets in practical infrared sequence images. The experimental results show that the proposed algorithm has good detection performance for dim moving small targets in the complex background.

复杂背景下红外弱小运动目标检测半仿真数据集

红外弱小运动目标检测是空中红外探测的核心技术之一,且一直是光电探测领域研究的热点问题,尤其是复杂背景下弱小运动目标检测,尚缺乏有效的技术解决途径。针对当前红外弱小运动目标检测领域数据规模小、场景类型丰富程度不足的问题,本数据集面向空中红外探测设备远距离探测空中飞行目标应用,借助小型无人机平台搭载红外探测设备,通过实地拍摄、数据加工及仿真目标嵌入处理等,提供了一套数据规模大、场景类型丰富的复杂背景下红外弱小运动目标检测半仿真数据集。图像数据采集中设置多种实验条件,以求尽可能地全方位模拟典型应用场景:为体现探测平台与目标的相对高度,设置了仰视、平视和俯视三种拍摄视角;为模拟不同场景类型,数据集获取场景涵盖了天空、水面、植被、建筑物等多种场景;为模拟被探测目标不同运动情况,数据集中采用分段拟合的方式,设置了不同复杂程度的目标运动轨迹;本数据集仿真了不同灰度分布、不同信号强度的弱小运动目标,并高质量地嵌入图像背景中。本数据集共计350段数据、150185帧图像,标注文件中给出目标坐标位置的详细标注信息。本数据集可为复杂背景下红外弱小运动目标检测、跟踪等研究提供基础数据。

一种快速检测红外小目标的形态学方法

红外小目标检测是一项具有挑战性的任务,传统形态学算法在小目标检测中容易受到复杂背景噪声的影响,检测效果不佳,且结构元素大小的选择容易影响检测效果。为解决该问题,通过结合多重的形态学算子,设置自适应加权的形态学算子,提出一种高效的小目标检测算法,最后在真实红外图像上进行测试。实验结果表明,所提出的方法在定量和定性方面都优于现有技术。

复杂背景下空中小目标动态红外成像仿真技术研究

空中小目标红外图像广泛应用于目标检测与识别和军事训练等领域,但这些数据获取成本极高,部分条件下的数据难以获得,因此,研究复杂背景下空中小目标红外图像仿真技术具有重要的研究意义。本文提出了复杂背景下空中微弱小目标动态红外成像仿真方法,并开发了相应的仿真软件。利用简化的三维目标模型模拟空中小目标,考虑大气传输效应,对目标自辐射和反射辐射进行建模。使用任意天空图像对背景初始化,通过相机透视模型调整可视区,并添加相机抖动模拟真实机载成像中的情况。利用泊松融合将仿真目标与仿真背景融合,并通过设置目标和相机的动力学模型,实现了任意数量飞行目标、飞行轨迹的动态仿真。为高效仿真不同背景、多种飞行条件下的空中小目标红外图像提供了一种思路。

基于区域生长与区域覆盖比的红外弱小目标检测

为了提高复杂背景下红外弱小目标的检测能力,提出了一种基于区域生长与区域覆盖比的新方法。本文中主要针对目标的三个特征:1)目标的最大灰度值与邻域背景之间存在较为明显的灰度间隙;2)目标在局部范围内具有较高的灰度值;3)目标像素分布较为紧凑,建立了一种新的小目标检测算法。首先,对原始图像计算局部对比度并筛选出候选种子点。其次,对每个候选种子点在原始图像上进行阈值区域生长算法并计算得到区域覆盖比(RCR)。然后,使用自适应尺寸的三层窗口计算得到自适应灰度差(AGVD)。最后,采用阈值分割方法分离出真实目标。通过在真实测试数据集上的实验表明,与现有算法相比,所提出的算法具有较高的检测精度和较低的虚警率。

结合帧差的核相关滤波弱小红外目标检测

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。

基于引导滤波和分块自适应阈值的单帧红外弱小目标检测

为了在有效地检测复杂场景下红外弱小目标的同时保持较低虚警率,在满足算法实现实时性的前提下,提出一种基于引导滤波和分块自适应阈值的单帧红外弱小目标检测。首先,为缓解边缘杂波干扰,采用具有保边特性的引导滤波对图像进行背景估计;然后,利用弱小目标具备的局部灰度最大特性,提出基于软阈值非极大值抑制的九宫格滤波计算目标的概率。通过加权的方式进一步剔除背景,抑制结果中不满足目标特性的区域;最后,针对复杂场景目标检测虚警率和漏检率高的问题,提出一种分块自适应阈值分割方法提取候选目标。实验结果表明,在公开数据集上与Top-Hat、LCM和Max-Median等经典方法相比,所提方法性能优于其他方法,恒虚警下不同复杂度场景的召回率分别达到87.97%、84.93%和86.22%,可有效抑制背景,增强目标信号,提高红外弱小目标检测的召回率,且具有更好的场景鲁棒性。

层次卷积滤波红外弱小目标检测方法

针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题,提出了一种层次卷积滤波检测算法。主要分为两个部分:第一,根据红外小目标特性,设计一种层次卷积滤波的算子,对图像进行滤波处理,实现图像中小目标的增效和背景抑制的效果;第二,采用基于最大值的自适应阈值方法,对图像进行二值化操作,过滤背景杂波,最终提取到待检测的目标。在大量不同背景红外图像中进行实验,论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果,且平均处理时间仅为高斯拉普拉斯(Laplacian of Gaussian,LoG)滤波算法的30.42%。通过实验对比,表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。

单帧红外图像弱小目标检测研究综述

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。

多尺度加权图像块局部对比度的红外小目标检测

为解决传统算法在强杂波背景下,容易造成误检与漏检等问题,从图像块的角度提出一种局部对比度度量方法。提出中心区域与背景区域之间对比度的新度量,在计算对比度时采取行处理,简化算法的复杂性;引入可信度值作为权值,加权处理局部对比度,对加权后的局部对比度进行多尺度处理,生成目标显著图;对显著图进行阈值分割,得到真实目标。通过在实验中的分析对比,验证了该算法的有效性。

针对新学习策略的弱小目标检测方法

基于深度卷积神经网络的目标检测在应用中展现出了良好的性能,然而,将其应用于弱小目标检测上依然性能欠佳;为了提高弱小目标检测速度和精度的性能,文章提出一种有效的弱小目标检测方法,使用改进的特征提取方法,利用尺度匹配策略选取合适的尺度进行小目标检测;同时在神经网络中设计自适应的融合模块,通过融合特征与接收域以增强目标环境特征;提出的方法在检测速度和精度上都具备良好的性能;有效解决了一般的框策略无法准确获取小目标的问题,新的策略使用自适应参数确定检测框;特别针对海天背景下,检测海面船只问题,提出基于海天线智能分割的方法,进而进行背景处理检测的预处理方法;可以很大程度消除虚警,提高目标检测概率;实验结果表明,提出的方法在视频数据中能够有效检测弱小目标,优于其它先进的目标检测方法。

基于Pos-FCN的红外图像背景抑制方法

红外图像背景抑制可以为红外目标检测识别任务提供支撑。在实际的应用场景中,红外图像中的目标多为弱小目标,其特征不明显,一般背景抑制算法难以将其从背景中分离,而达不到背景抑制的最佳效果。针对上述问题,提出使用Pos-FCN网络实现红外图像背景抑制的方法,该方法使用特征卷积结构,依靠高分辨网络结构获取弱小目标的特征信息,通过大尺寸卷积特征图的前向传播方式实现了高维度特征中弱小目标信息的保留,使用卷积降采样特征提取和上采样图像恢复方式实现了端到端的处理,并在前置训练阶段引入了位置信息强化网络骨干特征提取效果。结果表明,该方法处理后的红外图像中信杂比提高至3.877,对比度提高至0.297,检测率达到了93.6%,因此,该方法可以实现良好的背景抑制效果。

基于改进加权局部对比度的红外小目标检测

在复杂背景的红外图像中弱小目标通常淹没在高亮边缘与强杂波处,提出一种基于改进加权局部对比度的红外小目标检测方法。利用小目标的局部特性建立一种加权函数将目标与其背景邻域的差异点乘凸显目标,进而与相接背景邻域作比值运算达到抑制复杂背景的效果;通过目标的各向同性和背景的各向异性,采用六方向梯度决策法创建背景抑制模型进一步抑制高亮边缘,实现降低虚警率,提高检测率的目的;最后,通过卷积计算将两者结合,采用自适应阈值分割检测真实目标。实验结果表明,该算法在复杂背景及强杂波干扰下有较强的鲁棒性。

机器视觉技术的红外弱小目标状态感知方法

为在复杂场景下精准感知多个红外弱小目标,提出基于机器视觉技术的红外弱小目标感知方法。依据搜索窗口与筛选条件,从红外图像中筛选出候选感兴趣区域,采用多目标分割算法,应用显著性特征从候选感兴趣区域中提取感兴趣区域,并提取感兴趣区域的加权灰度均值特征,将其作为Soft-FART网络的输入,通过Soft-FART网络模糊匹配知识库与感兴趣区域的加权灰度均值特征,选取大于警戒条件的目标作为感知到的红外弱小真实目标,并将感知结果输出。实验结果表明,该方法可在不同场景下精准感知红外单独弱小目标和多个红外弱小目标,且在高噪声环境下依然具备较好的红外弱小目标感知性能。

背景预测法检识空中红外弱小目标

文中针对空中红外弱小目标的特性，对其检测、识别方法进行讨论，提出一种背景预测的思想方法，并讨论其在空中红外目标的检测、识别等问题中的应用前景。文中附有作者利用这种思想编制的程序对空中弱小目标的单帧检测、识别的结果，该算法已移植到DSP硬件信号处理器上，并通过实验取得了很好的效果。

一种改进的自适应背景预测红外弱小目标检测算法

文章改进了自适应最小均方误差(LMS)算法,将基于历史检测效果的自适应最小二乘(RLS)算法应用于连续帧运动红外弱小目标检测。在已知n-1时刻滤波器抽头权系数的情况下,通过简单的更新,求出n时刻的优化滤波器抽头权系数。计算机仿真实验证明该算法能较大地提高图像信噪比,并以较低的虚警率在2～3帧内较为准确地检测出运动红外弱小目标。

基于局部均值的红外小目标检测算法

复杂背景条件下红外小目标检测是红外自动寻的、红外预警系统的关键技术和研究热点之一。为了能有效地检测出小目标,对红外图像中的小目标与背景特性进行了分析,在充分利用小目标与其局部背景差异的基础上,提出一种基于局部灰度均值确定红外小目标尺寸和位置信息的算法。首先,给出判断像元属于小目标的必要条件,该条件判定图像中哪些像元可能属于红外小目标;其次,基于可能属于小目标的像元给出小目标可能的尺寸值;再次,对所得结果进行优化,排除虚警;最后,根据前三阶段所得结果确定小目标的尺寸和位置。Matlab仿真结果表明,对复杂云层背景的红外图像,Top-Hat检测算法虽然检测速度快,但当虚警和目标的灰度值相等时不能很好地对目标进行检测;新算法在选择合适参数的基础上能准确给出目标的位置信息,并能较好地估算小目标尺寸,然而新算法在检测速度上仍有待进一步提高。

复杂背景下红外弱小目标检测的算法研究综述

复杂背景下低信噪比弱小目标的自动检测是当今目标自动探测研究尚未解决的一个难题。目前,国内外许多学者已经作过大量的检测算法研究,但还没有建立成熟的理论体系和切实可行的实用算法,尤其是在复杂背景干扰的抑制方面,大部分研究工作所处理的还不是真正的复杂背景。本文在分析和总结国内外现有算法研究的基础上,指出了复杂背景下红外弱小目标检测的发展趋势,并提出了检测跟踪的一些有效技术措施。

基于核各向异性扩散的红外小目标检测

为了减少红外图像中背景边缘对检测的影响,提出了一种具有鲁棒性的弱小目标检测算法,该算法利用核各向异性扩散模型进行背景预测,再与原图像差分实现弱小目标检测。为了提高算法的自适应能力,提出了一种鲁棒性扩散系数,能够根据图像背景的起伏程度自适应调整扩散系数曲线的陡峭程度。实验结果表明,与现有的检测算法相比,该算法能够在不同类型的复杂背景下有效抑制背景及其边缘,保留目标大小,降低虚警率,具有更强的鲁棒性。

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明:与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.