【摘要】：針對(duì)復(fù)雜背景下的紅外小目標(biāo)檢測(cè)問(wèn)題,提出一種基于頻域顯著性分析的小目標(biāo)檢測(cè)算法。算法利用紅外圖像中目標(biāo)在頻域內(nèi)相較于背景更加顯著的特點(diǎn),通過(guò)頻域顯著性計(jì)算得到紅外圖像的顯著圖,消除部分背景雜波干擾,然后通過(guò)自適應(yīng)閾值分割顯著圖,提取出感興趣區(qū)域,進(jìn)一步在感興趣區(qū)域中計(jì)算多尺度窗口的顯著度,從而完成小目標(biāo)的檢測(cè)。從理論上分析了算法的有效性,并利用典型的紅外圖像進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,所提算法能夠很好地完成低信噪比條件下的紅外小目標(biāo)檢測(cè)。與其他方法相比,在保證目標(biāo)檢測(cè)準(zhǔn)確率的前提下,所提算法簡(jiǎn)單有效、復(fù)雜度低、計(jì)算效率高,滿足實(shí)時(shí)性要求。
【圖文】：

孫澤軍等:基于頻域顯著性分析的紅外小目標(biāo)檢測(cè)算法亮，說(shuō)明算法的有效性，圖1e是顯著圖經(jīng)過(guò)閾值化運(yùn)算之后得到的二值圖，視覺(jué)效果更加直觀，縮小了目標(biāo)范圍，為進(jìn)一步進(jìn)行目標(biāo)檢測(cè)打下了基矗圖1顯著性檢測(cè)效果圖Fig．1Theperformanceofsaliencydetection2顯著度計(jì)算2．1ＲOI區(qū)域提取對(duì)顯著圖S進(jìn)行自適應(yīng)閾值分割，可得到二值化顯著圖T，如圖1e所示，其中二值化顯著圖T的每個(gè)像素值T(i，j)為T(mén)(i，j)=1ifS(i，j)≥tthreshold0ifS(i，j)＜t{threshold(5)式中:S(i，j)表示顯著圖S中(i，j)位置所對(duì)應(yīng)的像素值;tthreshold是二值化閾值，是一個(gè)自適應(yīng)常數(shù)。將二值化顯著圖T與顯著圖S相乘即可獲得合成圖F，得到感興趣區(qū)域，如圖2所示，合成圖的每個(gè)像素值F(i，j)為F(i，j)=S(i，j)ifS(i，j)≥tthreshold0ifS(i，j)＜t{threshold(6)合成圖F在提取ＲOI區(qū)域的基礎(chǔ)上，保留了對(duì)應(yīng)位置的顯著度值，相對(duì)于二值化顯著圖T，更能反映圖像信息。圖2ＲOI區(qū)域提取Fig．2ＲOIextraction2．2窗口顯著度計(jì)算ＲOI區(qū)域的提取縮小了目標(biāo)檢測(cè)范圍，加快了后續(xù)檢測(cè)算法的運(yùn)行效率。由于ＲOI區(qū)域已經(jīng)粗略地估計(jì)出了目標(biāo)的位置，并且一般情況下，ＲOI區(qū)域所占的像素也很少，所以可以采用滑窗法精確地確定目標(biāo)的位置。由于目標(biāo)相對(duì)于背景更加顯著，可以通過(guò)計(jì)算每個(gè)窗口的顯著度，估計(jì)窗口含有目標(biāo)的可能性，從而確定目標(biāo)的精確位置。窗口顯著度可以用合成圖F中窗口內(nèi)像素值的和來(lái)表示(如圖3右側(cè)下方圖中的藍(lán)色窗口)，但是往往目標(biāo)的大小是未知的，需要引入二值化顯著圖T，計(jì)算所對(duì)應(yīng)窗口(如圖3右側(cè)上方圖中的藍(lán)色窗口)中的有效像素，即屬于目標(biāo)的像素所占的比例，作為窗口W的權(quán)值w，即w=1|W|Σp∈WTp(7)

覺(jué)效果更加直觀，縮小了目標(biāo)范圍，為進(jìn)一步進(jìn)行目標(biāo)檢測(cè)打下了基矗圖1顯著性檢測(cè)效果圖Fig．1Theperformanceofsaliencydetection2顯著度計(jì)算2．1ＲOI區(qū)域提取對(duì)顯著圖S進(jìn)行自適應(yīng)閾值分割，可得到二值化顯著圖T，如圖1e所示，其中二值化顯著圖T的每個(gè)像素值T(i，j)為T(mén)(i，j)=1ifS(i，j)≥tthreshold0ifS(i，，j)＜t{threshold(5)式中:S(i，j)表示顯著圖S中(i，j)位置所對(duì)應(yīng)的像素值;tthreshold是二值化閾值，是一個(gè)自適應(yīng)常數(shù)。將二值化顯著圖T與顯著圖S相乘即可獲得合成圖F，得到感興趣區(qū)域，如圖2所示，合成圖的每個(gè)像素值F(i，j)為F(i，j)=S(i，j)ifS(i，j)≥tthreshold0ifS(i，j)＜t{threshold(6)合成圖F在提取ＲOI區(qū)域的基礎(chǔ)上，保留了對(duì)應(yīng)位置的顯著度值，相對(duì)于二值化顯著圖T，更能反映圖像信息。圖2ＲOI區(qū)域提取Fig．2ＲOIextraction2．2窗口顯著度計(jì)算ＲOI區(qū)域的提取縮小了目標(biāo)檢測(cè)范圍，加快了后續(xù)檢測(cè)算法的運(yùn)行效率。由于ＲOI區(qū)域已經(jīng)粗略地估計(jì)出了目標(biāo)的位置，并且一般情況下，ＲOI區(qū)域所占的像素也很少，所以可以采用滑窗法精確地確定目標(biāo)的位置。由于目標(biāo)相對(duì)于背景更加顯著，可以通過(guò)計(jì)算每個(gè)窗口的顯著度，估計(jì)窗口含有目標(biāo)的可能性，從而確定目標(biāo)的精確位置。窗口顯著度可以用合成圖F中窗口內(nèi)像素值的和來(lái)表示(如圖3右側(cè)下方圖中的藍(lán)色窗口)，但是往往目標(biāo)的大小是未知的，需要引入二值化顯著圖T，計(jì)算所對(duì)應(yīng)窗口(如圖3右側(cè)上方圖中的藍(lán)色窗口)中的有效像素，即屬于目標(biāo)的像素所占的比例，作為窗口W的權(quán)值w，即w=1|W|Σp∈WTp(7)式中:WT表示窗口W在二值化顯著圖T中所對(duì)應(yīng)的窗口;p表示窗口內(nèi)像素的像素值;|W|表示窗口W的大校窗口W的顯著度可以表示?
【作者單位】： 南京航空航天大學(xué);光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(61203170) 航空科學(xué)基金(20155152041)
【分類(lèi)號(hào)】：TN21;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林紅;孫雅娟;;形態(tài)學(xué)和信息熵在紅外目標(biāo)檢測(cè)算法中的應(yīng)用研究[J];制造業(yè)自動(dòng)化;2013年20期

2 朱伯偉;庾農(nóng);肖松;;紅外極小目標(biāo)檢測(cè)算法研究[J];航空電子技術(shù);2011年03期

3 羅大鵬;魏龍生;桑農(nóng);;基于聚類(lèi)分析的紅外弱小目標(biāo)檢測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2013年08期

4 ;遙感、遙測(cè)、遙控[J];中國(guó)無(wú)線電電子學(xué)文摘;2008年04期

5 劉瑞明;劉爾琦;楊杰;張?zhí)镪?王芳琳;;核Fukunaga-Koontz變換檢測(cè)紅外小目標(biāo)[J];紅外與毫米波學(xué)報(bào);2008年01期

6 張雷;楊風(fēng)暴;郎文杰;李卉;;紅外小目標(biāo)與背景對(duì)比度特性研究[J];光電技術(shù)應(yīng)用;2006年01期

7 陳玉丹;周冰;;紅外小目標(biāo)檢測(cè)中的背景預(yù)處理技術(shù)研究[J];科學(xué)技術(shù)與工程;2006年18期

8 夏愛(ài)利;馬彩文;張礪佳;;紅外小目標(biāo)檢測(cè)與跟蹤方法研究[J];科學(xué)技術(shù)與工程;2006年20期

9 張長(zhǎng)城;楊德貴;王宏強(qiáng);李智明;;基于粒子濾波的紅外小目標(biāo)跟蹤方法[J];現(xiàn)代防御技術(shù);2008年02期

10 李鵬;陳錢(qián);鄭海鷗;何寶福;;紅外小目標(biāo)圖像的預(yù)處理方法[J];紅外與激光工程;2011年04期

相關(guān)會(huì)議論文 前3條

1 張雙壘;陳凡勝;段東;林劍春;董玉翠;;基于遺傳算法紅外小目標(biāo)檢測(cè)的研究[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2012年

2 蔣躍;鄧?yán)?徐生求;;紅外小目標(biāo)檢測(cè)算法[A];2009年先進(jìn)光學(xué)技術(shù)及其應(yīng)用研討會(huì)論文集（上冊(cè)）[C];2009年

3 倪小慧;黃建軍;;基于Top-hat變換的最大化背景預(yù)測(cè)紅外小目標(biāo)檢測(cè)方法[A];第八屆全國(guó)信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)博士學(xué)位論文 前5條

1 劉源;空中平臺(tái)大視場(chǎng)紅外小目標(biāo)實(shí)時(shí)探測(cè)技術(shù)研究[D];中國(guó)科學(xué)院上海技術(shù)物理研究所;2017年

2 錢(qián)惟賢;復(fù)雜背景下紅外小目標(biāo)探測(cè)與跟蹤若干關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2010年

3 魏長(zhǎng)安;紅外小目標(biāo)檢測(cè)與跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2009年

4 楊磊;復(fù)雜背景條件下的紅外小目標(biāo)檢測(cè)與跟蹤算法研究[D];上海交通大學(xué);2006年

5 劉云鶴;基于注意機(jī)制的紅外小目標(biāo)檢測(cè)與跟蹤算法研究[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 齊立立;基于FPGA的紅外小目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)[D];合肥工業(yè)大學(xué);2014年

2 李洲;紅外小目標(biāo)檢測(cè)研究及DSP實(shí)現(xiàn)[D];西安電子科技大學(xué);2014年

3 朱冰;天空背景下紅外小目標(biāo)檢測(cè)與跟蹤算法研究[D];陜西師范大學(xué);2016年

4 夏愛(ài)利;紅外小目標(biāo)檢測(cè)方法研究[D];中國(guó)科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2007年

5 左康懷;復(fù)雜背景下紅外小目標(biāo)檢測(cè)方法的研究[D];上海交通大學(xué);2008年

6 郭張婷;紅外小目標(biāo)檢測(cè)與跟蹤算法研究[D];陜西師范大學(xué);2012年

7 陳旭;基于背景重建和非均衡圖切割的紅外小目標(biāo)檢測(cè)技術(shù)[D];華中科技大學(xué);2012年

8 羅蛟;雜波條件下的紅外海面小目標(biāo)檢測(cè)與跟蹤方法研究[D];華中科技大學(xué);2009年

9 尹丹艷;基于背景預(yù)測(cè)的紅外小目標(biāo)檢測(cè)[D];南京航空航天大學(xué);2010年

10 林曉;紅外小目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];南京航空航天大學(xué);2013年

本文編號(hào)：2525143