一种基于显著性的红外弱小目标检测方法.pdf
《一种基于显著性的红外弱小目标检测方法.pdf》由会员分享,可在线阅读,更多相关《一种基于显著性的红外弱小目标检测方法.pdf(5页珍藏版)》请在咨信网上搜索。
1、 12 兵工自动化 Ordnance Industry Automation2023-06 42(6)doi:10.7690/bgzdh.2023.06.003 一种基于显著性的红外弱小目标检测方法 黄 为,胡上成,汪 毅,张煜昕,侯亚威(中国卫星海上测控部,江苏 江阴 214431)摘要:红外弱小目标检测是目标识别等领域的研究热点。考虑到红外弱小图像中目标信噪比较低,且成像目标的尺度变化较大,构建一种同时考虑局部显著性特征和全局显著性特征的红外弱小目标检测框架。构建一种基于多尺度卷积核的显著性目标检测算法,将该算法与谱残差算法分别进行显著图计算;在得到局部和全局显著图后,采用形态学方法进行显
2、著图的融合以及自适应阈值方法进行二值分割。在给定的公开数据集上的实验结果表明,该方法相对于基准的显著性算法,在目标检测的准确性和虚警率上均有明显优势。关键词:目标检测;红外弱小目标;多尺度卷积核;显著性 中图分类号:TP391 文献标志码:A An Infrared Dim and Small Target Detection Method Based on Saliency Huang Wei,Hu Shangcheng,Wang Yi,Zhang Yuxin,Hou Yawei(China Satellite Maritime Tracking and Control Department
3、,Jiangyin 214431,China)Abstract:Infrared dim and small target detection is a hot research topic in the field of target recognition.Considering the low signal-to-noise ratio of targets in infrared dim and small images and the large scale variation of imaging targets,constructs an infrared dim and sma
4、ll target detection framework considering both local salient features and global salient features.Constructs a saliency detection algorithm based on multi-scale convolution kernel,and calculates the saliency map of the algorithm and the spectral residual algorithm respectively;after obtaining the lo
5、cal and global saliency map,this paper uses the morphological method to fuse the saliency map,and then uses the adaptive threshold method to perform binary segmentation.Experimental results on a given public data set show that the proposed method has obvious advantages over the benchmark saliency al
6、gorithm in terms of target detection accuracy and false alarm rate.Keywords:target detection;infrared dim small target;multi-scale convolution kernel;saliency 0 引言 随着计算机视觉技术的发展以及远距离红外探测成像技术的进步,红外目标检测已成为空间目标识别1、航空侦察和探测2等领域的研究热点。红外成像技术利用背景和目标之间的红外辐射差异来进行目标检测,与可见光成像和合成孔径雷达相比,具有全天候、抗干扰性强、低功耗、便于隐蔽等优点。相对于
7、计算机视觉领域的自然图像,红外成像目标距离探测设备较远,弱小目标通常只有几十个像素,缺乏形状和纹理信息,红外弱小目标的信噪比较低,极易与目标红外特性相似的杂波所干扰;因此,红外弱小目标检测的准确性和鲁棒性成为目标识别领域急需解决的难题3-5。笔者尝试采用计算机视觉领域中显著性的概念来对空天背景下红外弱小目标的检测进行研究6-7。显著性源于人类视觉对所处环境的感知,是一种独特性、稀缺性,微观上说,显著性与图像的颜色、梯度、边缘等属性相关。在认知心理学8领域,Koch9将人类的视觉注意机制分为 2 种:1)全局特征感知的、自上而下的、目标驱动的显著性感知机制;2)局部特征感知的、自底向上的、数据驱
8、动的显著性感知机制。通常来说,基于全局特征的显著性方法易于在全局范围将目标与周围环境进行分离,而基于局部特征的显著性方法便于在目标轮廓(局部)将显著性特征进行对比度增强。基于全局特征的显著性检测方法采用自上而下的、目标驱动的感知机制来计算显著性值。Top-Hat算子是该类方法的典型代表,它从图像中减去开运算后的图,使得整个背景的灰度值显著降低,达到了较好的背景抑制效果。Cheng 等10方法利用图像中各个像素之间的色彩差异来计算像素的显著性值,得到了一种基于直方图统计对比度的全分辨率显 著 性 图 像。Achantat 等11提 出 了 频 率 调 整(frequency-tuned)的显著性
9、区域检测方法,该方法利用每个像素的亮度和整个图像的平均亮度差值来 1 收稿日期:2023-02-06;修回日期:2023-03-05 作者简介:黄 为(1985),男,湖北人,博士,工程师,从事机器学习、目标识别研究。E-mail:。13黄 为等:一种基于显著性的红外弱小目标检测方法第 6 期定义显著性。Liu 等12通过计算原始红外图像每个像素的热强度,得到了全局的红外梯度矢量场(IGVF),并通过采用梯度方向来计算全局显著性图像。Hou 等13通过分析图像的“频率-强度”统计特征,采用了一种简单的谱残差方法来构建显著性图(SR),该方法具有简单高效的优点。基于局部特征的显著性检测方法采用自
10、下而上的、数据驱动的感知机制来计算显著性值。通过对人类视觉系统的研究发现,人眼会优先响应图像中局部高对比度的区域,即图像的局部显著性可由该局部区域的显著性决定。基于此,Chen 等14提出了基于局部对比度的方法(LCM),该方法计算每个像素块与其领域像素块的亮度差值,基于亮度差异性来构建显著性图,再通过阈值分割将目标与背景分离。Han 等15提出了一种改进的 LCM 方法(ILCM),该方法显著提高了小目标检测的速度。Deng 等16通过在局部区域查找像素亮度差异最大值来增强目标显著性值,构建了一种加权平均的局部差分显著性计算方法(WLDM)。考虑到红外弱小目标图像中信噪比较低,且随着目标的运
11、动成像尺度会不断发生变化,构建了一种基于多尺度卷积核的显著性目标检测算法,然后将该算法与谱残差方法分别进行显著图计算,并将得到的显著图进行融合,得到了一种同时考虑局部显著性特征和全局显著性特征的空天背景红外弱小目标检测方法。1 目标检测算法 笔者构建了一种基于多尺度卷积核的显著性目标 检 测 算 法,将 该 方 法 与 谱 残 差 方 法(spectral residual approach)13进行结合,构建了一种同时考虑局部显著性特征和全局显著性特征的红外弱小目标检测框架。笔者首先对基于多尺度卷积核的显著性目标检测算法进行描述,然后对红外目标检测框架进行介绍。1.1 基于多尺度卷积核的显著
12、性算法 文中基于多尺度卷积核的显著性算法是一种基于局部对比度的方法,该方法通过卷积计算每个像素块与其邻域像素块的亮度差值,基于亮度的差异性来构建显著性图。图 1 所示为 3*3 像素的卷积核,中间灰色区域的权值为 8,边缘白色区域的权值为-1。将该卷积核 K 与整个目标图像 I 进行卷积,即得到目标的显 著性图 C=IK。-1-1-1 8 -1 -1 -1-1 -1 图 1 尺寸为 3*3 的卷积核 实际上,红外图像中弱小目标的尺寸变化较大,为了适应这种尺度变化性,采用了多种尺度的卷积核 Ki,对于每一种尺度的卷积核,通过计算得到显著性图 Ci=IKi;对多个尺度得到的显著性图逐像素选取最大值
13、,作为最终的显著性图。记显著性图Ci的像素点为 Ci(m,n)(其中 m、n 分别为图像像素矩阵的横、纵坐标),则最终的显著性图 C 逐像素的显著性值可表示为:C(m,n)=maxi Ci(m,n)。图 2 为文中基于多尺度卷积核的显著性目标检测算法流程图。图 2 基于多尺度卷积核的显著性算法流程 根据红外弱小目标的尺寸,基于多尺度卷积核的显著性目标检测算法中卷积核的尺寸分别设置为9*9、12*12、15*15,这时卷积核中每个区域的像素数量分别为 3*3、4*4、5*5,在多种尺度下,卷积核的中心区域与边缘区域中每个像素的权重保持不变,仍然分别为 8 和-1。通过这种多尺度的方式,使得显著性
14、图具有一定的尺度鲁棒性。1.2 目标检测框架 基于多尺度卷积核的显著性算法基于局部亮度差异性来构建显著性图,加强了目标与其邻域像素块之间的对比度,具有增强目标、抑制背景的效果;谱残差算法计算整个图像的频谱残差,从整体获取目标的显著性特征。两者分别从局部和全局进行图像显著性特征的计算,具有一定的互补性,考虑到红外弱小目标图像的特性,在本算法中,笔者考虑将两者进行结合,构建了图 3 所示的同时考虑局部显著性特征和全局显著性特征的空天背景红外弱小目标检测框架。谱残差算法的具体实现步骤如下:1)对原图像 I 做快速傅里叶变换,得到幅频响应 FI,并对结果取幅值 R(),得到幅度谱 A(f),记为 A(
15、f)=R(FI)。14 兵工自动化第 42 卷输入红外图像 局部显著性图融合显著性图全局显著性图检测结果 图 3 目标检测框架 2)对图像的幅频响应 FI取相位值 S(),得到相位谱 P(f),记为 P(f)=S(FI)。3)对图像的幅度谱取对数坐标变换,得到图像振幅的 log 谱 L(f),记为 L(f)=log(A(f)。4)用一个均值滤波器 hn(f)和图像振幅的 log 谱L(f)做 卷 积,用 来 模 拟 平 均 幅 频 响 应,记 为hn(f)*A(f)。5)谱 残 差R(f)的 表 达 式 为:R(f)=L(f)-hn(f)*L(f)。6)利用谱残差振幅 R(f)替代原图像的振幅
16、,再结合原图像的相位图,进行傅里叶逆变换 F-1(),得到空间域的图像 S(x)=F-1exp(R(f)+P(f)2,S(x)即为显著性图。方法的整体流程为:1)显著性目标检测。在算法中,笔者首先分别对红外图像 I 进行局部和全局的显著性特征计算,得到的显著性图分别记为 SL和 SG。基于多尺度卷积核的显著性算法只需要对图像进行多尺度卷积,谱残差算法只需要对图像进行卷积、傅里叶及傅里叶逆变换等运算,计算量均较小。2)对 2 种显著性图结果进行融合。2 种显著性图具有一定的互补性,笔者对这 2种图进行了融合,采用了基于形态学的融合方法:以显著性图 SG为种子,对显著性图 SL进行腐蚀运算,得到图
17、像 SE。以 SE为种子,在显著性图 SL中进行膨胀运算,得到融合的显著性图 SF。3)基于显著性图的感兴趣区域提取。Otsu 算法17是基于最大类间方差构建的自适应的阈值确定方法,在得到显著性图 SF后,采用该方法进行自动阈值分割得到二值图 B(x),具体计算方法如下:F1()thresholdB()0Sxx其他。式中 threshold 由 Otsu 算法确定,得到二值图后,在此基础上,进行目标区域矩形框的标注。2 实验结果 为了验证算法的效果,笔者将文中算法与基准的谱残差算法进行比较,同时还给出了文中基于多尺度卷积核的显著性算法的性能,对文中算法使用的红外图像实验数据集进行介绍,随后给出
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 基于 显著 红外 弱小 目标 检测 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。