CN102034239A - 一种基于局部灰度突变的红外小目标检测方法 - Google Patents
一种基于局部灰度突变的红外小目标检测方法 Download PDFInfo
- Publication number
- CN102034239A CN102034239A CN 201010588006 CN201010588006A CN102034239A CN 102034239 A CN102034239 A CN 102034239A CN 201010588006 CN201010588006 CN 201010588006 CN 201010588006 A CN201010588006 A CN 201010588006A CN 102034239 A CN102034239 A CN 102034239A
- Authority
- CN
- China
- Prior art keywords
- gray
- image
- pixel
- scale value
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Transforming Light Signals Into Electric Signals (AREA)
- Image Processing (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Image Analysis (AREA)
Abstract
为了克服现有红外小目标检测算法对红外图像模型、参数的过分依赖,导致适应性差的缺陷,本发明提出本一种基于局部灰度突变的红外小目标检测算法,它利用红外小目标的自身特点,提出局部突变加权信息熵进行背景抑制,然后采用局部能量法进行目标增强,有效地提高图像的信噪比。
Description
技术领域
本发明属于目标检测技术领域,涉及一种红外小目标检测的方法。
背景技术
红外小目标由于目标面积小,对比度低,形态特征弱化,细节特征大部分丧失,背景图像复杂,目标常淹没其中,成像信噪比低等问题,使得小目标检测变得困难。
目前的解决方法有以下几种:①采用自适应Butterworth高通滤波器对红外背景进行抑制,通过二值化操作在单帧图像中检测出小目标,算法的关键是滤波器截止频率的选取,不同的图像需要不同的分段线性函数;②针对空中云背景下的小目标,建立相应的图像模型,通过计算三阶累积量对噪声进行抑制,同时对目标及背景进行分割,主要针对信噪比较低的图像中小目标的检测;③采用轮廓结构元素形态TOP-Hat算法对单帧红外小目标进行检测,能够抑制背景杂波并增强目标,但该算法的性能与其中多个参数有关,针对不同图像,并没有给出相应的选取方法。总之,现有的处理方法对红外图像模型、参数的过分依赖,导致适应性差。
发明内容
为了克服现有红外小目标检测算法的缺陷,本发明提出本一种基于局部灰度突变的红外小目标检测算法,它利用红外小目标的自身特点,提出局部突变加权信息熵进行背景抑制,然后采用局部能量法进行目标增强,有效地提高图像的信噪比。
本算法的基本实施过程:首先,利用红外小目标的自身特点,提出局部突变加权信息熵进行背景抑制;然后利用局部能量法进行目标增强;最后采用自适应阈值门限分割检测出小目标。
基于局部灰度突变的红外小目标检测算法,具体步骤分为三步:
步骤一、对原始红外图像的所有像素点进行局部突变加权信息熵预处理:对于红外灰度图像s中每一个像素点(x,y),记其对应的灰度值为s(x,y),记其对应的N×N邻域为M,其中N为大于1的正奇数,记该邻域中有m种灰度值s1,s2,…,sm,其中m≤N×N,各种灰度值对应的概率分布分别为定义该像素点(x,y)对应的局部突变加权信息熵值为:
步骤二、对经过步骤一处理后的图像的所有像素点进行目标增强:对每个像素点(x,y),其对应的局部能量和G(x,y)为该像素点邻域内所有像素点的局部突变加权信息熵值H(x,y)的平方和,将每一像素点(x,y)计算得到的G(x,y)更新为该像素点的灰度值,设得到的图像为A;
步骤三、自适应阈值分割:对于由步骤二得到的图像A,如果某一像素点(x,y)的灰度值高于自适应阈值门限T,将其灰度值R(x,y)置为1,如果该像素点(x,y)的灰度值低于自适应阈值门限T,则将其灰度值R(x,y)置为0,则目标增强后的图像A在自适应阈值门限T上的分割结果可以表示为下式:
其中,自适应阈值门限T是根据图像的统计特性来设置的,公式如下:
T=CK×SNR×σ+m
式中m为步骤二中得到的图像A的平均灰度,σ为图像A中各像素点灰度的均方差;CK为调整因子,根据背景复杂程度设定;SNR为图像A的幅值信噪比,其定义如下:
式中,fm为图像A的灰度最大值。
步骤四、确定复杂背景下红外小目标:对于灰度值为1的像素点,认为是目标;对于灰度值为0的像素点,认为是背景或噪声。
有益效果
本发明方法和已有技术相比,本算法利用了红外小目标和背景图像的特点,不依赖于红外图像模型和参数选择,能有效的抑制背景图像,提高红外图像的信噪比,从而提高目标的检测概率。
附图说明
图1为本发明的实施方式的结构框图示意;
具体实施方式
基于局部灰度突变的红外小目标检测算法,具体步骤分为三步:
步骤一、输入原始红外图像,对原始红外图像的所有像素点进行局部突变加权信息熵预处理:对于红外灰度图像s中每一个像素点(x,y),记其对应的灰度值为s(x,y),记其对应的N×N邻域为M,其中N为大于1的正奇数,记该邻域中有m种灰度值s1,s2,…,sm,其中m≤N×N,各种灰度值对应的概率分布分别为定义该像素点(x,y)对应的局部突变加权信息熵值为:
步骤二、对经过步骤一处理后的图像的所有像素点进行目标增强:对每个像素点(x,y),其对应的局部能量和G(x,y)为该像素点邻域内所有像素点的局部突变加权信息熵值H(x,y)的平方和,即:
式中(xi,xj)(i,j)∈Z为邻域M中的某一像素;
将每一像素点(x,y)计算得到的G(x,y)更新为该像素点的灰度值,设得到的图像为A;
步骤三、自适应阈值分割:对于由步骤二得到的图像A,如果某一像素点(x,y)的灰度值高于自适应阈值门限T,将其灰度值R(x,y)置为1,如果该像素点(x,y)的灰度值低于自适应阈值门限T,则将其灰度值R(x,y)置为0,则目标增强后的图像A在自适应阈值门限T上的分割结果可以表示为下式:
其中,自适应阈值门限T是根据图像的统计特性来设置的,公式如下:
T=CK×SNR×σ+m
式中m为步骤二中得到的图像A的平均灰度,σ为图像A中各像素点灰度的均方差;CK为调整因子,根据背景复杂程度设定;SNR为图像A的幅值信噪比,其定义如下:
式中,fm为图像A的灰度最大值。
步骤四、确定复杂背景下红外小目标:对于灰度值为1的像素点,认为是目标;对于灰度值为0的像素点,认为是背景或噪声。
Claims (2)
1.一种基于局部灰度突变的红外小目标检测算法,其基本实施过程:首先,利用红外小目标的自身特点,提出局部突变加权信息熵进行背景抑制;然后利用局部能量法进行目标增强;最后采用自适应阈值门限分割检测出小目标。
2.如权利要求1所述的一种基于局部灰度突变的红外小目标检测算法,其特征在于,其具体步骤分为三步:
步骤一、对原始红外图像的所有像素点进行局部突变加权信息熵预处理:对于红外灰度图像s中每一个像素点(x,y),记其对应的灰度值为s(x,y),记其对应的N×N邻域为M,其中N为大于1的正奇数,记该邻域中有m种灰度值s1,s2,…,sm,其中m≤N×N,各种灰度值对应的概率分布分别为定义该像素点(x,y)对应的局部突变加权信息熵值为:
步骤二、对经过步骤一处理后的图像的所有像素点进行目标增强:对每个像素点(x,y),其对应的局部能量和G(x,y)为该像素点邻域内所有像素点的局部突变加权信息熵值H(x,y)的平方和,将每一像素点(x,y)计算得到的G(x,y)更新为该像素点的灰度值,设得到的图像为A;
步骤三、自适应阈值分割:对于由步骤二得到的图像A,如果某一像素点(x,y)的灰度值高于自适应阈值门限T,将其灰度值R(x,y)置为1,如果该像素点(x,y)的灰度值低于自适应阈值门限T,则将其灰度值R(x,y)置为0,则目标增强后的图像A在自适应阈值门限T上的分割结果可以表示为下式:
其中,自适应阈值门限T是根据图像的统计特性来设置的,公式如下:
T=CK×SNR×σ+m
式中m为步骤二中得到的图像A的平均灰度,σ为图像A中各像素点灰度的均方差;CK为调整因子,根据背景复杂程度设定;SNR为图像A的幅值信噪比,其定义如下:
式中,fm为图像A的灰度最大值;
步骤四、确定复杂背景下红外小目标:对于灰度值为1的像素点,认为是目标;对于灰度值为0的像素点,认为是背景或噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105880067A CN102034239B (zh) | 2010-12-07 | 2010-12-07 | 一种基于局部灰度突变的红外小目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105880067A CN102034239B (zh) | 2010-12-07 | 2010-12-07 | 一种基于局部灰度突变的红外小目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102034239A true CN102034239A (zh) | 2011-04-27 |
CN102034239B CN102034239B (zh) | 2012-08-22 |
Family
ID=43887092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105880067A Expired - Fee Related CN102034239B (zh) | 2010-12-07 | 2010-12-07 | 一种基于局部灰度突变的红外小目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102034239B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289819A (zh) * | 2011-07-27 | 2011-12-21 | 中国电子科技集团公司第二十八研究所 | 一种背景自适应估计的红外运动目标实时检测方法 |
CN104199009A (zh) * | 2014-09-18 | 2014-12-10 | 中国民航科学技术研究院 | 一种基于时域特性的雷达图像杂波抑制方法 |
CN104268844A (zh) * | 2014-10-17 | 2015-01-07 | 中国科学院武汉物理与数学研究所 | 一种基于加权局部图像熵的小目标红外图像处理方法 |
CN104732543A (zh) * | 2015-03-30 | 2015-06-24 | 中国人民解放军63655部队 | 一种沙漠戈壁背景下红外弱小目标快速检测方法 |
CN104835178A (zh) * | 2015-02-02 | 2015-08-12 | 郑州轻工业学院 | 一种低信噪比运动小目标的跟踪与识别的方法 |
CN104834915A (zh) * | 2015-05-15 | 2015-08-12 | 中国科学院武汉物理与数学研究所 | 一种复杂云天背景下小红外目标检测方法 |
CN106056115A (zh) * | 2016-05-25 | 2016-10-26 | 西安科技大学 | 一种非均匀背景下的红外小目标检测方法 |
CN108614998A (zh) * | 2018-04-09 | 2018-10-02 | 北京理工大学 | 一种单像素红外目标检测方法 |
CN108665435A (zh) * | 2018-01-08 | 2018-10-16 | 西安电子科技大学 | 基于拓扑-图切融合优化的多谱段红外图像背景抑制方法 |
CN108802729A (zh) * | 2017-10-26 | 2018-11-13 | 中国测绘科学研究院 | 时间序列InSAR最佳干涉像对选择的方法及装置 |
CN109002777A (zh) * | 2018-06-29 | 2018-12-14 | 电子科技大学 | 一种面向复杂场景的红外小目标检测方法 |
CN109102003A (zh) * | 2018-07-18 | 2018-12-28 | 华中科技大学 | 一种基于红外物理特征融合的小目标检测方法和*** |
CN110634124A (zh) * | 2018-06-22 | 2019-12-31 | 合肥欣奕华智能机器有限公司 | 一种区域检测的方法及设备 |
CN110660065A (zh) * | 2019-09-29 | 2020-01-07 | 云南电网有限责任公司电力科学研究院 | 一种红外故障检测识别算法 |
CN112749620A (zh) * | 2020-11-25 | 2021-05-04 | 中国电子科技集团公司第十一研究所 | 一种目标检测方法、装置及可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103871058B (zh) * | 2014-03-12 | 2017-02-08 | 北京航空航天大学 | 基于压缩采样矩阵分解的红外小目标检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847259A (zh) * | 2010-01-21 | 2010-09-29 | 西北工业大学 | 基于加权信息熵和马尔可夫随机场的红外目标分割方法 |
-
2010
- 2010-12-07 CN CN2010105880067A patent/CN102034239B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847259A (zh) * | 2010-01-21 | 2010-09-29 | 西北工业大学 | 基于加权信息熵和马尔可夫随机场的红外目标分割方法 |
Non-Patent Citations (2)
Title |
---|
《中国优秀博士学位论文全文数据库信息科技辑》 20070215 杨磊 复杂背景条件下的红外小目标检测与跟踪算法研究 正文第3.3.1节,第4.2节 1-2 , 第2期 2 * |
《舰船电子工程》 20101020 余贵水 基于特征的单帧红外小目标检测 P78-P80 2 第30卷, 第5期 2 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289819B (zh) * | 2011-07-27 | 2013-05-08 | 中国电子科技集团公司第二十八研究所 | 一种背景自适应估计的红外运动目标实时检测方法 |
CN102289819A (zh) * | 2011-07-27 | 2011-12-21 | 中国电子科技集团公司第二十八研究所 | 一种背景自适应估计的红外运动目标实时检测方法 |
CN104199009A (zh) * | 2014-09-18 | 2014-12-10 | 中国民航科学技术研究院 | 一种基于时域特性的雷达图像杂波抑制方法 |
CN104268844B (zh) * | 2014-10-17 | 2017-01-25 | 中国科学院武汉物理与数学研究所 | 一种基于加权局部图像熵的小目标红外图像处理方法 |
CN104268844A (zh) * | 2014-10-17 | 2015-01-07 | 中国科学院武汉物理与数学研究所 | 一种基于加权局部图像熵的小目标红外图像处理方法 |
CN104835178B (zh) * | 2015-02-02 | 2017-08-18 | 郑州轻工业学院 | 一种低信噪比运动小目标的跟踪与识别的方法 |
CN104835178A (zh) * | 2015-02-02 | 2015-08-12 | 郑州轻工业学院 | 一种低信噪比运动小目标的跟踪与识别的方法 |
CN104732543A (zh) * | 2015-03-30 | 2015-06-24 | 中国人民解放军63655部队 | 一种沙漠戈壁背景下红外弱小目标快速检测方法 |
CN104834915A (zh) * | 2015-05-15 | 2015-08-12 | 中国科学院武汉物理与数学研究所 | 一种复杂云天背景下小红外目标检测方法 |
CN104834915B (zh) * | 2015-05-15 | 2017-12-19 | 中国科学院武汉物理与数学研究所 | 一种复杂云天背景下小红外目标检测方法 |
CN106056115A (zh) * | 2016-05-25 | 2016-10-26 | 西安科技大学 | 一种非均匀背景下的红外小目标检测方法 |
CN106056115B (zh) * | 2016-05-25 | 2019-01-22 | 西安科技大学 | 一种非均匀背景下的红外小目标检测方法 |
CN108802729A (zh) * | 2017-10-26 | 2018-11-13 | 中国测绘科学研究院 | 时间序列InSAR最佳干涉像对选择的方法及装置 |
CN108665435A (zh) * | 2018-01-08 | 2018-10-16 | 西安电子科技大学 | 基于拓扑-图切融合优化的多谱段红外图像背景抑制方法 |
CN108665435B (zh) * | 2018-01-08 | 2021-11-02 | 西安电子科技大学 | 基于拓扑-图切融合优化的多谱段红外图像背景抑制方法 |
CN108614998A (zh) * | 2018-04-09 | 2018-10-02 | 北京理工大学 | 一种单像素红外目标检测方法 |
CN110634124A (zh) * | 2018-06-22 | 2019-12-31 | 合肥欣奕华智能机器有限公司 | 一种区域检测的方法及设备 |
CN109002777A (zh) * | 2018-06-29 | 2018-12-14 | 电子科技大学 | 一种面向复杂场景的红外小目标检测方法 |
CN109002777B (zh) * | 2018-06-29 | 2021-03-30 | 电子科技大学 | 一种面向复杂场景的红外小目标检测方法 |
CN109102003A (zh) * | 2018-07-18 | 2018-12-28 | 华中科技大学 | 一种基于红外物理特征融合的小目标检测方法和*** |
CN109102003B (zh) * | 2018-07-18 | 2020-07-10 | 华中科技大学 | 一种基于红外物理特征融合的小目标检测方法和*** |
CN110660065A (zh) * | 2019-09-29 | 2020-01-07 | 云南电网有限责任公司电力科学研究院 | 一种红外故障检测识别算法 |
CN110660065B (zh) * | 2019-09-29 | 2023-10-20 | 云南电网有限责任公司电力科学研究院 | 一种红外故障检测识别算法 |
CN112749620A (zh) * | 2020-11-25 | 2021-05-04 | 中国电子科技集团公司第十一研究所 | 一种目标检测方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102034239B (zh) | 2012-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102034239B (zh) | 一种基于局部灰度突变的红外小目标检测方法 | |
CN101847257B (zh) | 基于非局部均值与多级定向图像的图像降噪方法 | |
CN100550978C (zh) | 一种保持边缘的自适应图像滤波方法 | |
CN101661611B (zh) | 基于贝叶斯非局部均值滤波器的实现方法 | |
CN102567973B (zh) | 基于改进的形状自适应窗口的图像去噪方法 | |
CN102254319A (zh) | 一种多层次分割的遥感影像变化检测方法 | |
CN104504652A (zh) | 一种快速有效保留边缘及方向特征的图像去噪方法 | |
CN103473755B (zh) | 基于变化检测的sar图像稀疏去噪方法 | |
CN104574324A (zh) | 一种对地建筑群遥感图像频谱特性约束的去噪方法 | |
CN112287784B (zh) | 一种基于深度卷积神经网络与特征融合的雷达信号分类方法 | |
CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
CN107944354B (zh) | 一种基于深度学习的车辆检测方法 | |
CN104463814A (zh) | 基于局部纹理方向性的图像增强方法 | |
CN104036461B (zh) | 一种基于联合滤波的红外复杂背景抑制方法 | |
CN103208097A (zh) | 图像多方向形态结构分组的主分量分析协同滤波方法 | |
CN102509263A (zh) | 基于sar图像局部统计特性的k-svd相干斑抑制方法 | |
CN104657951A (zh) | 图像乘性噪声移除方法 | |
CN107230214A (zh) | 基于递归otsu算法的sar图像水域自动检测方法 | |
CN116703812A (zh) | 一种基于深度学习的光伏组件裂纹检测方法与*** | |
Gongwen et al. | On medical image segmentation based on wavelet transform | |
CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
CN104240208A (zh) | 非制冷红外焦平面探测器图像细节增强方法 | |
CN102750675A (zh) | 一种斑点噪声污染图像的非局部均值滤波方法 | |
CN102509265B (zh) | 基于灰度值差和局部能量的数字图像去噪方法 | |
CN104463822A (zh) | 基于多尺度全局滤波的多聚焦图像融合方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120822 Termination date: 20151207 |
|
EXPY | Termination of patent right or utility model |