CN104766079A - 一种远距离红外弱小目标检测方法 - Google Patents
一种远距离红外弱小目标检测方法 Download PDFInfo
- Publication number
- CN104766079A CN104766079A CN201510220899.2A CN201510220899A CN104766079A CN 104766079 A CN104766079 A CN 104766079A CN 201510220899 A CN201510220899 A CN 201510220899A CN 104766079 A CN104766079 A CN 104766079A
- Authority
- CN
- China
- Prior art keywords
- target
- pixel
- background
- value
- image
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种远距离红外弱小目标检测方法。方法流程分为中值滤波、搜索局部极大值、候选目标区域局部背景预测、修正预测值、背景抑制得到残差、求取残差均值、自适应门限分割、目标聚类和虚假目标剔除9个部分。本发明基于局部背景的目标检测算法,通过提取局部极大值点,采用局部背景预测和虚假目标剔除等技术,有效降低了运算量,提升了对弱小目标的检测概率,降低了虚警率。
Description
技术领域
本发明涉及一种远距离红外弱小目标检测方法,特别是涉及一种适用于光电技术图像处理领域的远距离红外弱小目标检测方法。
背景技术
远距离红外弱小目标检测方法属于光电技术图像处理领域。红外弱小目标检测是精确制导、搜索与跟踪、监视与预警等光电***中的一项关键技术。远距离红外目标信噪比低,目标在图像中只占一个或几个像素的面积,缺乏形状和结构信息,是光电探测领域目标检测的难点问题。
目前针对远距离红外弱小目标检测大多基于全局信噪比的检测算法,该方法存在运算量大、检测概率低和虚警率较高等缺点,难以满足光电探测***对检测概率和虚警率的要求。
发明内容
本发明要解决的技术问题是提供一种运算量小,目标检测虚警率低,对远距离红外弱小目标检测概率高的远距离红外弱小目标检测方法及***。
对于远距离红外弱小目标,目标在整幅图像中表现出的特征可能并不明显,但在局部图像中总是表现出奇异点的特征。
本发明采用的技术方案如下:一种远距离红外弱小目标检测方法,具体方法步骤为:
步骤一、采集目标图像;
步骤二、对采集的目标的图像进行中值滤波;
步骤三、选取尺寸为5*5到9*9像素的小窗口作为搜索窗口,窗口中心的位置为当前像素位置,依次搜索整幅图像,当窗口中心像素是窗口区域的最大值时,以搜索窗口中心为中心的比搜索窗口小的区域作为候选目标区域;
步骤四、候选目标区域局部背景预测;
步骤五、用原图像候选目标区域的像素值减去该区域的背景预测值,得到残差;
步骤六、求取残差均值,用候选目标区域的残差均值代表目标相对于周围背景的突起程度;
步骤七、自适应门限分割,对残差均值进行自适应门限分割得到潜在目标;
步骤八、对潜在目标进行标记聚类;
步骤九、进行虚假目标剔除;
步骤十、目标信息输出。
作为优选,所述步骤二中,采用五点中值滤波消除椒盐噪声和探测器盲元。
作为优选,所述步骤四中,候选目标区域局部背景预测的具体方法为:对候选目标区域的每一个像素点的像素用其背景的中值来替换。
作为优选,所述背景中值的计算方法为:用候选目标区域的每一个像素点相邻背景像素点像素计算得出该候选目标区域像素点的背景中值。
作为优选,所述步骤四和步骤五之间的方法步骤还包括修正预测值,具体方法为:以步骤四中的所有预测值的中值为门限,判断预测值是否小于门限值,是则用门限值代替预测值,否则保持预测值不变。
作为优选,所述修正预测值的具体方法还包括:目标区域中心位置像素点用所有预测值的最大值替换。
作为优选,所述步骤七中,分割门限由所有残差均值的中值与所有残差均值的均方差求和得到。
作为优选,所述步骤八中标记聚类后得到潜在目标像素点,在潜在目标像素点对中值滤波后的图像信息进行线性非线性滤波后,线性非线性滤波前后的图像做差得到背景抑制后的的图像,然后利用背景抑制后的图像对虚假目标进行剔除,最后输出目标信息。
与现有技术相比,本发明的有益效果是:通过提取局部极大值点,采用局部背景预测和虚假目标剔除等技术,有效降低了运算量,提升了对弱小目标的检测概率,降低了虚警率。
附图说明
图1为本发明其中一实施例的远距离红外弱小目标检测流程图。
图2为本发明其中一实施例的候选目标区域示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示,一种远距离红外弱小目标检测方法,具体方法步骤为:
步骤一、采集目标图像;可以直接采集目标图像,也可以直接对以存储的图像进行目标分析检测。
步骤二、对采集的目标的图像进行中值滤波;在本具体实施例中,采用五点中值滤波消除椒盐噪声和探测器盲元等。
步骤三、选取尺寸为5*5到9*9像素的小窗口作为搜索窗口,窗口中心的位置为当前像素位置,依次搜索整幅图像,当窗口中心像素是窗口区域的最大值时,以搜索窗口中心为中心的比搜索窗口小的区域作为候选目标区域;该步骤要搜索中值滤波后图像的局部最大值,后续的处理都是基于这个局部最大值及其局部小区有图像信息,不再对整幅图像进行处理,有效降低了后续处理的运算量。对于目标周围的背景来说,小目标灰度较周围背景要高,且与背景不相关,是图像中的孤立亮斑,在能量分布上表现为一个***的包络,因此体积较大的包络最可能是目标。而包络的顶点一定是这个目标所在区域的局部极大值。由于小目标的像素少,在本具体实施例中,我们选取尺寸为5*5的小窗口作为搜索窗口,如图2所示,窗口中心的位置为当前像素位置,依次搜索整幅图像。当窗口中心像素是5*5区域的最大值时,以搜索窗口中心为中心的3*3区域作为一个候选目标区域。
步骤四、候选目标区域局部背景预测;经典背景预测方法中,背景预测值通常是由其周围邻域中所有像素组合变换得到,这样背景像素和目标像素混合在一起了,而它们其实并不相关,所以这样估计出来的背景难以准确,考虑背景和目标的非相关性进行背景预测能够更准确的预测出背景。在本具体实施例中,候选目标区域局部背景预测的具体方法为:对候选目标区域的每一个像素点的像素用其背景的中值来替换。而所述背景中值的计算方法为:用候选目标区域的每一个像素点相邻背景像素点像素计算得出该候选目标区域像素点的背景中值。选择中值使本算法具有一定的去噪能力,并且由于候选目标区域中的像素只由其相邻背景像素估计得到,使得预测值较为准确。
在本具体实施例中,还包括修正预测值,具体方法为:以步骤四中的所有预测值的中值为门限,判断预测值是否小于门限值,是则用门限值代替预测值,否则保持预测值不变。由于红外图象背景的复杂性,候选目标区域很可能落在亮暗两种背景区域的交界处,从而使得估计出来的背景像素值偏离实际值较远,基于上述考虑,在估计出背景像素值后,还要对其做进一步的修正。所述修正预测值的具体方法还包括:目标区域中心位置像素点用所有预测值的最大值替换。该算法很好的兼顾了背景剧烈变化的情况。
步骤五、用原图像候选目标区域的像素值减去该区域的背景预测值,得到残差。
步骤六、求取残差均值,用候选目标区域的残差均值代表目标相对于周围背景的突起程度。
步骤七、自适应门限分割,对残差均值进行自适应门限分割得到潜在目标;在本具体实施例中,分割门限由所有残差均值的中值与所有残差均值的均方差求和得到。
步骤八、对潜在目标进行标记聚类;通常情况下经过门限分割后的潜在目标像素点较少,该步骤运算量不大。
步骤九、进行虚假目标剔除;
步骤十、目标信息输出。
在本具体实施例中,所述步骤八中标记聚类后得到潜在目标像素点,在潜在目标像素点对中值滤波后的图像信息进行线性非线性滤波(在本具体实施例中为7*7像素滤波)后,线性非线性滤波前后的图像做差得到背景抑制后的的图像,起到增强目标的效果,然后利用背景抑制后的图像对虚假目标进行剔除,最后输出目标信息。远距离弱小目标满足点扩展函数,局部灰度分布类似于高斯圆分布,如果聚类后的目标灰度分布在背景抑制后的图像中不满足高斯圆分布即判为虚假目标,予以剔除。
Claims (8)
1.一种远距离红外弱小目标检测方法,具体方法步骤为:
步骤一、采集目标图像;
步骤二、对采集的目标的图像进行中值滤波;
步骤三、选取尺寸为5*5到9*9像素的小窗口作为搜索窗口,窗口中心的位置为当前像素位置,依次搜索整幅图像,当窗口中心像素是窗口区域的最大值时,以搜索窗口中心为中心的比搜索窗口小的区域作为候选目标区域;
步骤四、候选目标区域局部背景预测;
步骤五、用原图像候选目标区域的像素值减去该区域的背景预测值,得到残差;
步骤六、求取残差均值,用候选目标区域的残差均值代表目标相对于周围背景的突起程度;
步骤七、自适应门限分割,对残差均值进行自适应门限分割得到潜在目标;
步骤八、对潜在目标进行标记聚类;
步骤九、进行虚假目标剔除;
步骤十、目标信息输出。
2.根据权利要求1所述的远距离红外弱小目标检测方法,所述步骤二中,采用五点中值滤波消除椒盐噪声和探测器盲元。
3.根据权利要求2所述的远距离红外弱小目标检测方法,所述步骤四中,候选目标区域局部背景预测的具体方法为:对候选目标区域的每一个像素点的像素用其背景的中值来替换。
4.根据权利要求3所述的远距离红外弱小目标检测方法,所述背景中值的计算方法为:用候选目标区域的每一个像素点相邻背景像素点像素计算得出该候选目标区域像素点的背景中值。
5.根据权利要求1到4之一所述的远距离红外弱小目标检测方法,所述步骤四和步骤五之间的方法步骤还包括修正预测值,具体方法为:以步骤四中的所有预测值的中值为门限,判断预测值是否小于门限值,是则用门限值代替预测值,否则保持预测值不变。
6.根据权利要求5所述的远距离红外弱小目标检测方法,所述修正预测值的具体方法还包括:目标区域中心位置像素点用所有预测值的最大值替换。
7.根据权利要求1所述的远距离红外弱小目标检测方法,所述步骤七中,分割门限由所有残差均值的中值与所有残差均值的均方差求和得到。
8.根据权利要求1、2、3、4、6或7所述的远距离红外弱小目标检测方法,所述步骤八中标记聚类后得到潜在目标像素点,在潜在目标像素点对中值滤波后的图像信息进行线性非线性滤波后,线性非线性滤波前后的图像做差得到背景抑制后的的图像,然后利用背景抑制后的图像对虚假目标进行剔除,最后输出目标信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510220899.2A CN104766079B (zh) | 2015-05-05 | 2015-05-05 | 一种远距离红外弱小目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510220899.2A CN104766079B (zh) | 2015-05-05 | 2015-05-05 | 一种远距离红外弱小目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104766079A true CN104766079A (zh) | 2015-07-08 |
CN104766079B CN104766079B (zh) | 2018-12-07 |
Family
ID=53647893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510220899.2A Active CN104766079B (zh) | 2015-05-05 | 2015-05-05 | 一种远距离红外弱小目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104766079B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976403A (zh) * | 2016-07-25 | 2016-09-28 | 中国电子科技集团公司第二十八研究所 | 一种基于核函数质心漂移的红外成像目标跟踪方法 |
CN106709497A (zh) * | 2016-11-16 | 2017-05-24 | 北京理工大学 | 一种基于pcnn的红外运动弱小目标检测方法 |
CN108492320A (zh) * | 2018-03-14 | 2018-09-04 | 四川长九光电科技有限责任公司 | 一种基于并行处理的红外弱小目标检测方法 |
CN109948623A (zh) * | 2019-03-04 | 2019-06-28 | 北京空间飞行器总体设计部 | 一种空间弱小目标相对导航图像二值化图像生成方法 |
CN111353496A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种红外弱小目标实时检测方法 |
CN112541486A (zh) * | 2020-12-31 | 2021-03-23 | 洛阳伟信电子科技有限公司 | 基于改进Pixel分割的红外弱小目标检测算法 |
CN116736256A (zh) * | 2023-08-11 | 2023-09-12 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
CN117115128A (zh) * | 2023-09-11 | 2023-11-24 | 杭州深度视觉科技有限公司 | 图像的像素值计算方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005069197A1 (en) * | 2003-12-31 | 2005-07-28 | Lockheed Martin Missiles & Fire Control | A method and system for adaptive target detection |
CN102496016A (zh) * | 2011-11-22 | 2012-06-13 | 武汉大学 | 一种基于时空协同框架的红外目标检测方法 |
CN102819740A (zh) * | 2012-07-18 | 2012-12-12 | 西北工业大学 | 一种单帧红外图像弱小目标检测和定位方法 |
-
2015
- 2015-05-05 CN CN201510220899.2A patent/CN104766079B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005069197A1 (en) * | 2003-12-31 | 2005-07-28 | Lockheed Martin Missiles & Fire Control | A method and system for adaptive target detection |
CN102496016A (zh) * | 2011-11-22 | 2012-06-13 | 武汉大学 | 一种基于时空协同框架的红外目标检测方法 |
CN102819740A (zh) * | 2012-07-18 | 2012-12-12 | 西北工业大学 | 一种单帧红外图像弱小目标检测和定位方法 |
Non-Patent Citations (2)
Title |
---|
侯旺 等: "红外弱小目标检测技术研究现状与发展趋势", 《红外技术》 * |
俞志刚: ""红外弱小目标检测算法研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976403B (zh) * | 2016-07-25 | 2018-09-21 | 中国电子科技集团公司第二十八研究所 | 一种基于核函数质心漂移的红外成像目标跟踪方法 |
CN105976403A (zh) * | 2016-07-25 | 2016-09-28 | 中国电子科技集团公司第二十八研究所 | 一种基于核函数质心漂移的红外成像目标跟踪方法 |
CN106709497A (zh) * | 2016-11-16 | 2017-05-24 | 北京理工大学 | 一种基于pcnn的红外运动弱小目标检测方法 |
CN108492320B (zh) * | 2018-03-14 | 2022-04-12 | 四川长九光电科技有限责任公司 | 一种基于并行处理的红外弱小目标检测方法 |
CN108492320A (zh) * | 2018-03-14 | 2018-09-04 | 四川长九光电科技有限责任公司 | 一种基于并行处理的红外弱小目标检测方法 |
CN111353496B (zh) * | 2018-12-20 | 2023-07-28 | 中国科学院沈阳自动化研究所 | 一种红外弱小目标实时检测方法 |
CN111353496A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种红外弱小目标实时检测方法 |
CN109948623A (zh) * | 2019-03-04 | 2019-06-28 | 北京空间飞行器总体设计部 | 一种空间弱小目标相对导航图像二值化图像生成方法 |
CN112541486A (zh) * | 2020-12-31 | 2021-03-23 | 洛阳伟信电子科技有限公司 | 基于改进Pixel分割的红外弱小目标检测算法 |
CN112541486B (zh) * | 2020-12-31 | 2022-11-08 | 洛阳伟信电子科技有限公司 | 基于改进Pixel分割的红外弱小目标检测算法 |
CN116736256A (zh) * | 2023-08-11 | 2023-09-12 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
CN116736256B (zh) * | 2023-08-11 | 2023-10-24 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
CN117115128A (zh) * | 2023-09-11 | 2023-11-24 | 杭州深度视觉科技有限公司 | 图像的像素值计算方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104766079B (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104766079A (zh) | 一种远距离红外弱小目标检测方法 | |
CN102063614B (zh) | 一种安防监控中遗留物品的检测方法及装置 | |
EP2801078B1 (en) | Context aware moving object detection | |
US10127448B2 (en) | Method and system for dismount detection in low-resolution UAV imagery | |
CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN103077539A (zh) | 一种复杂背景及遮挡条件下的运动目标跟踪方法 | |
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN103971386A (zh) | 一种动态背景场景下的前景检测方法 | |
CN103826102A (zh) | 一种运动目标的识别方法、装置 | |
CN103456009B (zh) | 目标检测方法与装置、监控*** | |
CN102799863A (zh) | 视频监控中的团体人群异常行为检测方法 | |
CN102332167A (zh) | 一种智能交通监控中车辆和行人的目标检测方法 | |
CN106778570B (zh) | 一种行人实时检测与跟踪方法 | |
CN108198208B (zh) | 一种基于目标跟踪的移动侦测方法 | |
CN108804987B (zh) | 门开闭状态检测方法和装置、以及人流检测*** | |
CN102799862A (zh) | 高清视频监控图像的行人快速定位、事件检测***及方法 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
Li et al. | Fast pedestrian detection and dynamic tracking for intelligent vehicles within V2V cooperative environment | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN111191535B (zh) | 基于深度学习的行人检测模型构建方法及行人检测方法 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
CN111353496B (zh) | 一种红外弱小目标实时检测方法 | |
CN105427286A (zh) | 一种基于灰度和梯度分割的红外目标检测方法 | |
CN103793715A (zh) | 基于场景信息挖掘的井下人员目标跟踪方法 | |
Ying-hong et al. | An improved Gaussian mixture background model with real-time adjustment of learning rate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |