没有合适的资源?快使用搜索试试~ 我知道了~
红外弱小目标检测方法综述.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 4 下载量 2 浏览量
2022-12-15
14:29:26
上传
评论 3
收藏 542KB DOCX 举报
温馨提示
试读
33页
红外弱小目标检测方法综述.docx
资源推荐
资源详情
资源评论
0. 引 言
目标检测是红外搜索与跟踪(Infrared Search and Track,IRST)系统的关键技术之一
[1]
。但是,在诸如制导、预警、机载或星载监视/监控、以及近年来很受关注的反无人机等
实际应用领域中,由于目标本身尺寸很小或者距离探测器很远,在系统输出的图像中,目
标所占的像素点通常很少;同时,由于大气散射吸收等影响,目标的亮度一般也比较微
弱,这类典型目标通常被称为红外弱小目标。近年来,红外弱小目标的检测一直是目标检
测领域的难点和热点
[2]
,其挑战主要表现在:首先,红外弱小目标本身亮度弱、尺寸小
(按照研究者们约定俗成的说法,一般不超过 80 个像素),缺乏明显的形状、纹理和颜色
等信息,难以直接检测
[3-4]
;其次,在真实场景下,虚警也是一个难以解决的问题,它大多
由两个方面的因素造成,一是探测器视场中有时不可避免地会出现各种各样的复杂背景,
如树木、建筑、云层、海浪等,它们可能具有超过真实目标的亮度和比较复杂的边缘杂波
信息,容易干扰检测
[5]
,二是由于器件制造缺陷以及系统工作时的随机电噪声等因素,原
始图像中会存在一些高亮度点噪声,这些点噪声也容易被错当成目标
[6]
;最后,一些实际
应用场合(如制导等)对实时性的要求很高,这进一步增加了目标检测的难度
[7]
。
图 1 给出了一幅典型的包含红外弱小目标的真实红外图像
[8]
,其中 TT(True Target)
代表真实目标,NB(Normal Background)代表普通背景,HB(High-brightness
Background)代表高亮背景,EB(Edge of Background)代表背景边缘,PNHB(Pixel-sized
Noise with High Brightness)代表高亮度点噪声。
图 1 (a)含小目标的典型单帧红外图像; (b)不同位置处的三维灰度分布
Fig. 1 (a) Single-frame infrared image containing small target; (b) 3D mesh of different positions
下载: 全尺寸图片 幻灯片
从图 1 中可以看到,一般情况下,在红外图像中,普通背景的分布比较平缓,其灰度
通常也不高;高亮背景虽然灰度值较大,但是其分布也比较平缓;真实目标通常呈团状分
布,与四周邻域间的灰度存在一定差异,且大致从中心到四周逐渐均匀衰减,没有明显的
方向性;背景边缘两侧的灰度也存在一定差异,但是边缘在局部小区域一般沿着某个特定
的方向分布,这一点与真实目标很不同;高亮度点噪声一般面积极小(主要指电噪声导致
的随机噪声,通常只有单个的随机闪烁像素点)或位置固定(主要指器件缺陷导致的固定
噪声),与真实目标也有很大不同。如何合理利用这些差异排除各种复杂因素的干扰,实
现高检测率、低虚警率的实时红外弱小目标检测,是红外图像处理领域的重要研究方向,
具有重要的理论意义和实用价值。
目前,许多国家在红外弱小目标检测领域都投入了大量科研力量。国外方面,美国陆
军航空与导弹司令部(Aviation and Missile Command,AMCOM)建成了世界上最早也最
大的红外弱小目标图像数据库
[9]
,韩国
[10-11]
、伊朗
[12]
、印度
[13-14]
等国也持续有成果见诸报
道。国内方面,得益于各高校和科研院所的研究者们不断地推陈出新,许多方向的理论研
究成果已达到国际领先水平,同时,在数据储备方面,回丙伟、范红旗等
[15]
和戴一冕、吴
一全等
[16]
也于近年初步建立了一定规模的弱小目标检测数据库,进一步促进了我国在该领
域的发展。
概括而言,现有的红外弱小目标检测方法大致可以分为单帧型(Single-frame based)
和多帧型(Multi-frame based)两大类,其中单帧型算法又包括局部信息类单帧型算法和非
局部信息类单帧型算法,多帧型算法又包括关联校验类多帧型算法和直接求取类多帧型算
法等,如图 2 所示。
图 2 红外弱小目标检测算法分类
Fig. 2 Classify of infrared dim and small target detection methods
下载: 全尺寸图片 幻灯片
1. 单帧型算法
单帧型算法在一帧图像内对弱小目标进行检测,其优点在于很多单帧算法的计算相对
简单,具有良好的实时化应用潜力。并且,在一定情况下,单帧型算法还可以作为一些多
帧型算法的基础模块,所以目前研究者们的工作偏重单帧型算法更多一些。根据检测时依
据的信息类型不同,现有的单帧型算法又可以被分为局部(Local)信息类和非局部
(Nonlocal)信息类等两类。
1.1 局部信息类单帧型算法
局部信息类单帧型算法认为,红外图像中背景像素点的灰度通常与其局部邻域像素点
比较接近,而目标像素点的灰度与其邻域像素点之间具有较明显的差异。通过提取图像中
每个像素点与其邻域参照像素点的差异信息,即可成功筛选出目标。这类算法主要包括背
景估计法、形态学法、方向导数/梯度法、局部对比度法等。
1.1.1 背景估计法
一个被研究者们广泛接受的单帧成像模型认为,一帧完整的红外图像可以被分为三个
子部分的和:
I(x,y)=IB(x,y)+IT(x,y)+IN(x,y)I(x,y)=IB(x,y)+IT(x,y)+IN(x,y)
(1)
式中:(x,y)为图像中每个像素点的坐标;I 为原始图像;I
B
为背景图像;I
T
为目标图
像;I
N
为示噪声图像。
背景估计法认为,如果能够使用某种方法从整幅图像 I 中将背景图像 I
B
估计并分离出
来(通常是以 I
B
作为参照,将 I 与 I
B
对应求差分),即可比较方便地从残余部分中获取目
标。常见的背景估计算法框图模型如图 3 所示。
图 3 背景估计法的一般框图模型
Fig. 3 General framework of background estimation method
下载: 全尺寸图片 幻灯片
早期人们主要使用一些传统滤波方法对原始图像进行背景估计。例如,杨卫平、沈振
康使用一个小窗口(即滤波模板)对原始图像进行遍历
[17]
,在每个位置处仅分析小窗口内
的局部区域,并选取中心像素点周围若干像素的灰度中间值作为当前位置的 I
B
,若中心像
素为背景像素,其估计值会比较接近原始值,若中心像素为目标像素,则估计值一般小于
原始值,故差分后可以明显地看到目标所在的位置;Deshpande 等
[18]
提出了 Max-
mean/Max-median 滤波器,将滤波模板划分为多个方向,分别计算滤波结果,并取各方向
中的最大值作为 I
B
,实质上是利用了背景边缘与目标在方向性信息上的差异(见前文图
1)达到抑制边缘的目的;Zhang Biyin 等
[19]
提出了一种各向异性部分差分滤波器,首先判
断出每个像素点的类型,再对目标像素使用增强模板、对背景像素使用抑制模板,从而实
现对目标的增强和对复杂背景的抑制;等等。
随着研究的深入,自适应滤波得到了更多的关注,其一大优势在于滤波模板中的参数
可以随数据自适应地学习和调整,因而可以适应更复杂的背景。例如,Cao Yuan 等
[20]
利用
二维最小均方差(Two Dimensional Least Mean Square,TDLMS)算法进行自适应背景估
计,使用最陡下降法对模板系数进行更新;Ding Hao 等
[21]
提出了一种中心挖空的 TDLMS
模板,用于在估计背景时隔离小目标,从而得到更准确的背景结果;吕凭乐等
[22]
专注于星
载平台,针对空间目标的特点对 TDLMS 算法的检测流程做了进一步优化,特别是提高了
对簇状噪声的抑制能力;张艺璇等
[23]
提出了一种双层 TDLMS 滤波方法,第一层专门用于
移除背景,第二层专门用于提取目标;等等。
从理论上看,背景估计法原理简明,实现方便。但是,该型算法的检测性能直接取决
于估计的准确性,而当探测器视场中的背景非常复杂时,使用传统滤波法得到的背景很有
可能会出现失准。即使采用 TDLMS 等自适应型滤波算法,在背景边缘等灰度跳变较大的
位置处也会存在估计失准的问题。在这种情况下,经过下一步的差分后,容易得到大量虚
警,不利于真实弱小目标的检测。
1.1.2 形态学法
形态学法是一种基于集合理论和几何学的非线性滤波方法,在运用时通常需要先根据
目标数据的特点设计一个特定形状的结构窗口,并使用该结构窗口遍历整幅图像,在每个
像素点处进行局部的腐蚀和膨胀两个基本操作,从而实现突出目标、抑制背景和噪声的效
果。如何根据实际应用来设计合适的结构窗口是这类算法的核心问题。例如,余农等
[24]
设
计了一种梅花型结构窗口,提高了对杂波起伏的抵抗能力;白相志等
[25-26]
对传统型 Top-Hat
算法的结构窗口进行了改进,将其分割为中心与周围区域(见图 4),中心区域用来捕捉
小目标,周围区域用来捕捉局部邻域内的背景,显然该窗口更适用于红外小目标检测任
务,并迅速得到了比较广泛的应用;刘源、汤心溢等
[27]
将白相志提出的新型 Top-hat 与局
部显著性算法相结合;邓丽珍等
[28]
提出了一种类似的环状结构窗口,并在后续处理环节中
使用了局部信息熵作为加权;等等。
图 4 新型 Top-hat 算子结构窗口
Fig. 4 Structure window of new Top-hat operator
剩余32页未读,继续阅读
资源评论
- wenkailin12023-08-14资源不错,很实用,内容全面,介绍详细,很好用,谢谢分享。
- Aurora@lxx2023-04-14这个资源值得下载,资源内容详细全面,与描述一致,受益匪浅。
- 狂乱的疯狂科学家2024-04-28感谢大佬分享的资源,对我启发很大,给了我新的灵感。
- Ericube2023-07-02资源很实用,内容详细,值得借鉴的内容很多,感谢分享。
罗伯特之技术屋
- 粉丝: 3550
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功