準確性和實時性是影響目標檢測性能的兩項重要指標。為了在多種復雜場景中進行快速精準的目標檢測,提出了一種融合超復雜傅里葉變換（HFT）顯著性計算、高效子窗口搜索（ESS）和大津法（OTSU）的精準目標檢測算法。該算法首先將輸入圖像進行HFT顯著性計算,得到顯著圖,然后在顯著圖的基礎上通過高效子窗口進行全局搜索并初步定位目標,最后利用大津法分割子窗口范圍內的圖像,并根據(jù)子窗口邊界的像素值優(yōu)化子窗口的位置,實現(xiàn)精準的目標檢測。實驗結果表明,新算法在保證運算速度的同時,顯著提高了檢測精度。 

【文章來源】：電光與控制. 2019,26(08)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

本文算法流程圖Fig．2Flowchartofouralgorithm

ㄐ苑治?為檢驗算法的適應能力，本文對多種不同類型的目標進行定性實驗，檢測結果如圖3～圖5所示。在圖3a、圖4a、圖5a中，由于子窗口邊界含有目標信息，所以需要啟用LOG算子進行邊緣檢測，因此按算法流程將HFT顯著圖、粗定位結果、大津法分割結果、LOG邊緣檢測結果、精準目標檢測結果依次列出。在圖3b、圖4b、圖5b中，由于子窗口邊界無目標信息，因此按流程將顯著圖、粗定位結果、大津法分割結果和精準目標檢測結果依次列出，本文不再贅述。圖3為檢測空中飛行目標的實驗結果。圖3a中，由于成像設備與目標較近，顯著密度主要集中在鳥的軀干附近，導致子窗口邊界包含目標，通過邊緣檢測判斷后，放大子窗口，得到精準的目標檢測結果。圖3b中，由于成像設備與目標較遠，并受到強光干擾，顯著密度集中位置包含了大量背景，本文算法對子窗口內進行大津法分割后，目標區(qū)域并沒有與子窗口邊界重合，因此直接利用大津法分割的結果實現(xiàn)目標精確定位。圖3空中飛行目標檢測結果Fig．3Detectionresultsoftargetsintheair總之，針對空中飛行目標，無論距離遠近，本文算法均能克服云層或強光干擾，具有較高的檢測精度和抗干擾能力。圖4為檢測近地目標的實驗結果。圖4a中，由于背景復雜，顯著密度雖然相對集中，但并不能精確定位目標，利用大津法分割縮小子窗口左右邊界，而且子窗口下邊界也有目標信息存在，所以需要利用LOG算子調整下邊界，得到比較正確的檢測圖像。圖4b中，第3幅是大津法的分割結果。機場背景下有大量背景干擾，導致顯著密度不能全部集中在目標位置，而經過大津法分割后，子窗口上沒有目

要集中在鳥的軀干附近，導致子窗口邊界包含目標，通過邊緣檢測判斷后，放大子窗口，得到精準的目標檢測結果。圖3b中，由于成像設備與目標較遠，并受到強光干擾，顯著密度集中位置包含了大量背景，本文算法對子窗口內進行大津法分割后，目標區(qū)域并沒有與子窗口邊界重合，因此直接利用大津法分割的結果實現(xiàn)目標精確定位。圖3空中飛行目標檢測結果Fig．3Detectionresultsoftargetsintheair總之，針對空中飛行目標，無論距離遠近，本文算法均能克服云層或強光干擾，具有較高的檢測精度和抗干擾能力。圖4為檢測近地目標的實驗結果。圖4a中，由于背景復雜，顯著密度雖然相對集中，但并不能精確定位目標，利用大津法分割縮小子窗口左右邊界，而且子窗口下邊界也有目標信息存在，所以需要利用LOG算子調整下邊界，得到比較正確的檢測圖像。圖4b中，第3幅是大津法的分割結果。機場背景下有大量背景干擾，導致顯著密度不能全部集中在目標位置，而經過大津法分割后，子窗口上沒有目標信息，因此可直接利用大津法的處理結果縮小子窗口范圍，得到目標精確位置。圖4近地目標檢測結果Fig．4Detectionresultsoftargetsneartheground可以看出，即使背景噪聲干擾嚴重，本文算法在對第8期15

【參考文獻】：
期刊論文
[1]基于超復數(shù)傅里葉變換的自適應顯著性檢測[J]. 黃侃,張涌,呂波.  計算機應用. 2017(S1)
[2]基于顯著圖生成和顯著密度最大化的高效子窗口搜索目標檢測方法[J]. 劉松濤,黃金濤,劉振興.  電光與控制. 2015(12)
[3]紅外小目標的模板提取及檢測技術研究[J]. 王霄,辛云宏.  激光與紅外. 2013(07)



本文編號：3386572