【摘要】：針對復雜背景下的紅外小目標檢測問題,提出一種基于頻域顯著性分析的小目標檢測算法。算法利用紅外圖像中目標在頻域內(nèi)相較于背景更加顯著的特點,通過頻域顯著性計算得到紅外圖像的顯著圖,消除部分背景雜波干擾,然后通過自適應閾值分割顯著圖,提取出感興趣區(qū)域,進一步在感興趣區(qū)域中計算多尺度窗口的顯著度,從而完成小目標的檢測。從理論上分析了算法的有效性,并利用典型的紅外圖像進行了實驗,實驗結(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檢測。與其他方法相比,在保證目標檢測準確率的前提下,所提算法簡單有效、復雜度低、計算效率高,滿足實時性要求。
【圖文】：

孫澤軍等:基于頻域顯著性分析的紅外小目標檢測算法亮，說明算法的有效性，圖1e是顯著圖經(jīng)過閾值化運算之后得到的二值圖，視覺效果更加直觀，縮小了目標范圍，為進一步進行目標檢測打下了基矗圖1顯著性檢測效果圖Fig．1Theperformanceofsaliencydetection2顯著度計算2．1ＲOI區(qū)域提取對顯著圖S進行自適應閾值分割，可得到二值化顯著圖T，如圖1e所示，其中二值化顯著圖T的每個像素值T(i，j)為T(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)位置所對應的像素值;tthreshold是二值化閾值，是一個自適應常數(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�。襉I區(qū)域的基礎(chǔ)上，保留了對應位置的顯著度值，相對于二值化顯著圖T，更能反映圖像信息。圖2ＲOI區(qū)域提取Fig．2ＲOIextraction2．2窗口顯著度計算ＲOI區(qū)域的提取縮小了目標檢測范圍，加快了后續(xù)檢測算法的運行效率。由于ＲOI區(qū)域已經(jīng)粗略地估計出了目標的位置，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的位置。由于目標相對于背景更加顯著，可以通過計算每個窗口的顯著度，估計窗口含有目標的可能性，從而確定目標的精確位置。窗口顯著度可以用合成圖F中窗口內(nèi)像素值的和來表示(如圖3右側(cè)下方圖中的藍色窗口)，但是往往目標的大小是未知的，需要引入二值化顯著圖T，計算所對應窗口(如圖3右側(cè)上方圖中的藍色窗口)中的有效像素，即屬于目標的像素所占的比例，作為窗口W的權(quán)值w，即w=1|W|Σp∈WTp(7)

覺效果更加直觀，縮小了目標范圍，為進一步進行目標檢測打下了基矗圖1顯著性檢測效果圖Fig．1Theperformanceofsaliencydetection2顯著度計算2．1ＲOI區(qū)域提取對顯著圖S進行自適應閾值分割，可得到二值化顯著圖T，如圖1e所示，其中二值化顯著圖T的每個像素值T(i，j)為T(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)位置所對應的像素值;tthreshold是二值化閾值，是一個自適應常數(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�。襉I區(qū)域的基礎(chǔ)上，保留了對應位置的顯著度值，相對于二值化顯著圖T，更能反映圖像信息。圖2ＲOI區(qū)域提取Fig．2ＲOIextraction2．2窗口顯著度計算ＲOI區(qū)域的提取縮小了目標檢測范圍，加快了后續(xù)檢測算法的運行效率。由于ＲOI區(qū)域已經(jīng)粗略地估計出了目標的位置，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的位置。由于目標相對于背景更加顯著，可以通過計算每個窗口的顯著度，估計窗口含有目標的可能性，從而確定目標的精確位置。窗口顯著度可以用合成圖F中窗口內(nèi)像素值的和來表示(如圖3右側(cè)下方圖中的藍色窗口)，但是往往目標的大小是未知的，需要引入二值化顯著圖T，計算所對應窗口(如圖3右側(cè)上方圖中的藍色窗口)中的有效像素，即屬于目標的像素所占的比例，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中所對應的窗口;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;光電控制技術(shù)重點實驗室;
【基金】：國家自然科學基金(61203170) 航空科學基金(20155152041)
【分類號】：TN21;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 林紅;孫雅娟;;形態(tài)學和信息熵在紅外目標檢測算法中的應用研究[J];制造業(yè)自動化;2013年20期

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

3 羅大鵬;魏龍生;桑農(nóng);;基于聚類分析的紅外弱小目標檢測[J];計算機工程與應用;2013年08期

4 ;遙感、遙測、遙控[J];中國無線電電子學文摘;2008年04期

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

6 張雷;楊風暴;郎文杰;李卉;;紅外小目標與背景對比度特性研究[J];光電技術(shù)應用;2006年01期

7 陳玉丹;周冰;;紅外小目標檢測中的背景預處理技術(shù)研究[J];科學技術(shù)與工程;2006年18期

8 夏愛利;馬彩文;張礪佳;;紅外小目標檢測與跟蹤方法研究[J];科學技術(shù)與工程;2006年20期

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

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

相關(guān)會議論文 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檢測的研究[A];第十屆全國光電技術(shù)學術(shù)交流會論文集[C];2012年

2 蔣躍;鄧磊;徐生求;;紅外小目標檢測算法[A];2009年先進光學技術(shù)及其應用研討會論文集（上冊）[C];2009年

3 倪小慧;黃建軍;;基于Top-hat變換的最大化背景預測紅外小目標檢測方法[A];第八屆全國信號與信息處理聯(lián)合學術(shù)會議論文集[C];2009年

相關(guān)博士學位論文 前5條

1 劉源;空中平臺大視場紅外小目標實時探測技術(shù)研究[D];中國科學院上海技術(shù)物理研究所;2017年

2 錢惟賢;復雜背景下紅外小目標探測與跟蹤若干關(guān)鍵技術(shù)研究[D];南京理工大學;2010年

3 魏長安;紅外小目標檢測與跟蹤算法研究[D];哈爾濱工業(yè)大學;2009年

4 楊磊;復雜背景條件下的紅外小目標檢測與跟蹤算法研究[D];上海交通大學;2006年

5 劉云鶴;基于注意機制的紅外小目標檢測與跟蹤算法研究[D];哈爾濱工程大學;2009年

相關(guān)碩士學位論文 前10條

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

2 李洲;紅外小目標檢測研究及DSP實現(xiàn)[D];西安電子科技大學;2014年

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

4 夏愛利;紅外小目標檢測方法研究[D];中國科學院研究生院（西安光學精密機械研究所）;2007年

5 左康懷;復雜背景下紅外小目標檢測方法的研究[D];上海交通大學;2008年

6 郭張婷;紅外小目標檢測與跟蹤算法研究[D];陜西師范大學;2012年

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

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

9 尹丹艷;基于背景預測的紅外小目標檢測[D];南京航空航天大學;2010年

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

本文編號：2525143