CN112669332A - 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 - Google Patents
一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 Download PDFInfo
- Publication number
- CN112669332A CN112669332A CN202011582339.9A CN202011582339A CN112669332A CN 112669332 A CN112669332 A CN 112669332A CN 202011582339 A CN202011582339 A CN 202011582339A CN 112669332 A CN112669332 A CN 112669332A
- Authority
- CN
- China
- Prior art keywords
- sea
- sky
- peak
- local
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,本发明方法包括:首先输入一帧海上红外图像,基于haar小波基对图像进行小波去噪;然后,采用双向局部极大值方法对海天区域进行细化,提取出疑似海天线,并设计“去伪”策略剔除海浪波动干扰,实现对海天线的精确定位;其次,应用峰值局部奇异性方法对海天区域的小目标(像素2x2~9x9)进行检测;最后,采用CEDoG滤波方法来抑制背景,提高目标的显著性,并采用最大类间方差方法寻找最显著区域和自行设计的区域增长规则实现海上目标检测的准确性和完整性。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,尤其涉及一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法
背景技术
随着经济和科技的发展,海上活动不断增加,并由于海上环境复杂多变,海上远距离下目标的检测、识别和跟踪一直是现代军事和民用领域的难点和瓶颈问题。在复杂的环境中检测未知位置和速度的小型或多个红外目标是红外搜索和跟踪***中的重要问题,这是从海上目标从远处传入警告的必要应用。
近年来,海上搜救设备主要由可见光相机和红外相机构成。由于红外相机相比于可见光相机具有透雾性强、拍摄距离远、可昼夜工作的优点,因此,红外搜索跟踪***已经成为侦测海上远距离目标的主要方法。有着不确定背景杂波和海浪噪声的海天环境依然是侦测远距离目标时最容易出现的一种复杂情况,给目标检测带来了很大的困难和挑战。并已经受到了广大学者的研究与讨论。
发明内容
根据上述提出的技术问题,本发明提供了一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,首先采用双向局部极大值方法对海天区域进行细化,提取出疑似海天线,并设计“去伪”策略,得到精确定位的海天线;其次,应用局部峰值奇异性方法对海空区域的小目标(像素2x2~9x9)进行检测;最后,采用CEDoG滤波方法抑制背景,提高目标的显著性,本发明中采用最大类间方差方法寻找最显著区域和自行设计的区域增长规则,保证海洋区域目标检测的准确性和完整性。
本发明采用的技术手段如下:
一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,包括以下步骤:
S1、输入一帧红外海上图像,基于haar的小波基对输入的红外海上图像进行小波去噪,得到低频图像;
S2、采用[1/6 1/6 1/6;0 0 0;-1/6 -1/6 -1/6]算子对步骤S1得到的所述低频图像进行卷积,将空间域转换成梯度域,得到所述低频图像下的所有粗略纹理信息,并采用均方根估计阈值法确定纹理信息的最小截止值;
S3、通过双向局部极大值方法对步骤S2得到的所述纹理信息进行细化,得到海天纹理信息,并设计“去伪”策略剔除海浪波动干扰,实现对海天线的检测,得到精确定位的海天线;
S4、对步骤S3得到的所述海天线的附近区域与峰值滤波器进行卷积实现峰值点的检测,并采用峰值局部奇异性方法剔除海天线上峰值点干扰,再对峰值点进行膨胀操作实现对海天线附近目标的检测;
S5、采用CEDoG滤波方法,对步骤S3得到的所述海天线的下方海面区域进行处理,并通过结果图的均值和方差得到自适应阈值,对处理后的海天线下方海面区域进行图像分割,并采用高阈值的最大类间方差法对图像进行分割,剔除噪声点以及重构目标区域的原始面积,再对种子点进行区域生长实现对海面目标的检测;
S6、对步骤S4和步骤S5得到的检测结果进行整合,实现对整个海面以及海天线附近的目标检测。
进一步地,所述步骤S2中采用的均方根估计阈值法,其公式如下:
其中,scale表示尺度,h表示图像的高度,w表示图像的宽度。
进一步地,所述步骤S3中的双向局部极大值方法具体为:
如果参考点在两方向中的任意一个方向具有最大的灰度值,则将该参考点视为构成海天线的疑似参考点。
进一步地,所述步骤S3中对海天线的检测具体为:
计算每个连通域左右端点水平方向的差值,并设定0.78*width作为最终的阈值来精准的定位海天线,其中,width表示图像的宽度。
进一步地,所述步骤S4中采用的峰值局部奇异性方法具体为:
找到与疑似目标点所对应的位置并计算各区域的局部奇异性,保留中间值以上的区域作为检测结果。
进一步地,所述步骤S5中采用CEDoG滤波方法具体为:
σfe=2.7-S/1600
σbi=0.5+S×0.15
其中,σfe和σbi分别表示前景提升和背景抑制的参数。
较现有技术相比,本发明具有以下优点:
1、本发明提供的基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,在检测海天线时提出一种通过求两方向局部极大值的方法来进一步细化海天纹理信息,相比较于其他海天线检测方法,本发明方法的使用对于精确定位海天线是极其有利的。
2、本发明提供的基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,为了实现对海天线附近目标的精确检测,本发明提出一种峰值局部奇异性方法,克服了海天处的红外目标所占有的像素数较少,多数表现为弱小目标,轮廓十分模糊的问题。
3、本发明提供的基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,为了达到精确的检测并保留了目标原有的面积大小的目的,本发明提出一种CEDoG滤波方法,克服了海面目标的灰度跨度大,海浪杂波干扰明显的问题。
4、相对于其他海面红外图像检测方式,本发明方法对提高图像的SCR和BSF值具有鲁棒性,具有较高的准确率、召回率以及较短的运行时间,在检测率和虚警率方面具有优越的性能。
基于上述理由本发明可在图像处理等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法流程示意图。
图2为本发明实施例提供的测试图片和分割结果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例
如图1所示,本发明提供了一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,包括以下步骤:
S1、如图2所示,输入一帧红外海上图像,基于haar的小波基对输入的红外海上图像进行小波去噪,得到低频图像;
S2、采用[1/6 1/6 1/6;0 0 0;-1/6 -1/6 -1/6]算子对步骤S1得到的所述低频图像进行卷积,将空间域转换成梯度域,得到所述低频图像下的所有粗略纹理信息,并采用均方根估计阈值法确定纹理信息的最小截止值;
具体实施时,作为本发明优选的实施方式,所述步骤S2中采用的均方根估计阈值法,其公式如下:
其中,scale表示尺度,h表示图像的高度,w表示图像的宽度。
S3、通过双向局部极大值方法对步骤S2得到的所述纹理信息进行细化,得到海天纹理信息,并设计“去伪”策略剔除海浪波动干扰,实现对海天线的检测,得到精确定位的海天线,并移除天空区域,将红外图片拆分为海天线区域和海面区域,如图2所示。
具体实施时,作为本发明优选的实施方式,所述步骤S3中的双向局部极大值方法具体为:如果参考点在两方向中的任意一个方向具有最大的灰度值,则将该参考点视为构成海天线的疑似参考点。
所述步骤S3中对海天线的检测具体为:计算每个连通域左右端点水平方向的差值,并设定0.78*width作为最终的阈值来精准的定位海天线,其中,width表示图像的宽度。
S4、对步骤S3得到的所述海天线的附近区域与峰值滤波器进行卷积实现峰值点的检测,如图2所示,并采用峰值局部奇异性方法剔除海天线上峰值点干扰,如图2所示,再对峰值点进行膨胀操作实现对海天线附近目标的检测;
具体实施时,作为本发明优选的实施方式,所述步骤S4中采用的峰值局部奇异性方法具体为:找到与疑似目标点所对应的位置并计算各区域的局部奇异性,保留中间值以上的区域作为检测结果。
S5、采用CEDoG滤波方法,对步骤S3得到的所述海天线的下方海面区域进行处理,并通过结果图的均值和方差得到自适应阈值,对处理后的海天线下方海面区域进行图像分割,并采用高阈值的最大类间方差法对图像进行分割,剔除噪声点以及重构目标区域的原始面积,再对种子点进行区域生长实现对海面目标的检测;
具体实施时,作为本发明优选的实施方式,所述步骤S5中采用CEDoG滤波方法具体为:
σfe=2.7-S/1600
σbi=0.5+S×0.15
其中,σfe和σbi分别表示前景提升和背景抑制的参数。在本实施例中,σfe=2.66,σbi=10.10,处理后的海天线的下方海面区域如图2所示,通过结果图的均值和方差得到的自适应阈值为1.58
S6、对步骤S4和步骤S5得到的检测结果进行整合,实现对整个海面以及海天线附近的目标检测,得到的检测结果如图2所示。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,其特征在于,包括以下步骤:
S1、输入一帧红外海上图像,基于haar的小波基对输入的红外海上图像进行小波去噪,得到低频图像;
S2、采用[1/6 1/6 1/6;0 0 0;-1/6 -1/6 -1/6]算子对步骤S1得到的所述低频图像进行卷积,将空间域转换成梯度域,得到所述低频图像下的所有粗略纹理信息,并采用均方根估计阈值法确定纹理信息的最小截止值;
S3、通过双向局部极大值方法对步骤S2得到的所述纹理信息进行细化,得到海天纹理信息,并设计“去伪”策略剔除海浪波动干扰,实现对海天线的检测,得到精确定位的海天线;
S4、对步骤S3得到的所述海天线的附近区域与峰值滤波器进行卷积实现峰值点的检测,并采用峰值局部奇异性方法剔除海天线上峰值点干扰,再对峰值点进行膨胀操作实现对海天线附近目标的检测;
S5、采用CEDoG滤波方法,对步骤S3得到的所述海天线的下方海面区域进行处理,并通过结果图的均值和方差得到自适应阈值,对处理后的海天线下方海面区域进行图像分割,并采用高阈值的最大类间方差法对图像进行分割,剔除噪声点以及重构目标区域的原始面积,再对种子点进行区域生长实现对海面目标的检测;
S6、对步骤S4和步骤S5得到的检测结果进行整合,实现对整个海面以及海天线附近的目标检测。
3.根据权利要求1所述的基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,其特征在于,所述步骤S3中的双向局部极大值方法具体为:
如果参考点在两方向中的任意一个方向具有最大的灰度值,则将该参考点视为构成海天线的疑似参考点。
4.根据权利要求1所述的基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,其特征在于,所述步骤S3中对海天线的检测具体为:
计算每个连通域左右端点水平方向的差值,并设定0.78*width作为最终的阈值来精准的定位海天线,其中,width表示图像的宽度。
5.根据权利要求1所述的基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,其特征在于,所述步骤S4中采用的峰值局部奇异性方法具体为:
找到与疑似目标点所对应的位置并计算各区域的局部奇异性,保留中间值以上的区域作为检测结果。
6.根据权利要求1所述的基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法,其特征在于,所述步骤S5中采用CEDoG滤波方法具体为:
σfe=2.7-S/1600
σbi=0.5+S×0.15
其中,σfe和σbi分别表示前景提升和背景抑制的参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582339.9A CN112669332B (zh) | 2020-12-28 | 2020-12-28 | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582339.9A CN112669332B (zh) | 2020-12-28 | 2020-12-28 | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112669332A true CN112669332A (zh) | 2021-04-16 |
CN112669332B CN112669332B (zh) | 2023-09-01 |
Family
ID=75410975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011582339.9A Active CN112669332B (zh) | 2020-12-28 | 2020-12-28 | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669332B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863258A (zh) * | 2022-07-06 | 2022-08-05 | 四川迪晟新达类脑智能技术有限公司 | 海天线场景中基于视角转换检测小目标的方法 |
CN116503268A (zh) * | 2023-03-21 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 一种用于雷达回波图像的质量改进方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013102797A1 (en) * | 2012-01-06 | 2013-07-11 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting targets in maritime surveillance applications |
CN104599273A (zh) * | 2015-01-22 | 2015-05-06 | 南京理工大学 | 基于小波多尺度交叉运算的海空背景红外小目标检测方法 |
CN108229342A (zh) * | 2017-12-18 | 2018-06-29 | 西南技术物理研究所 | 一种海面舰船目标自动检测方法 |
-
2020
- 2020-12-28 CN CN202011582339.9A patent/CN112669332B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013102797A1 (en) * | 2012-01-06 | 2013-07-11 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting targets in maritime surveillance applications |
CN104599273A (zh) * | 2015-01-22 | 2015-05-06 | 南京理工大学 | 基于小波多尺度交叉运算的海空背景红外小目标检测方法 |
CN108229342A (zh) * | 2017-12-18 | 2018-06-29 | 西南技术物理研究所 | 一种海面舰船目标自动检测方法 |
Non-Patent Citations (1)
Title |
---|
宫剑;吕俊伟;刘亮;仇荣超;: "红外偏振图像的舰船目标检测", 光谱学与光谱分析, no. 02 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114863258A (zh) * | 2022-07-06 | 2022-08-05 | 四川迪晟新达类脑智能技术有限公司 | 海天线场景中基于视角转换检测小目标的方法 |
CN116503268A (zh) * | 2023-03-21 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 一种用于雷达回波图像的质量改进方法 |
CN116503268B (zh) * | 2023-03-21 | 2024-03-29 | 中国人民解放军海军大连舰艇学院 | 一种用于雷达回波图像的质量改进方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112669332B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145874B (zh) | 复杂背景sar图像中的舰船目标检测与鉴别方法 | |
CN109035152B (zh) | 一种合成孔径雷达图像非局部均值滤波方法 | |
CN103064086B (zh) | 一种基于深度信息的车辆跟踪方法 | |
CN103761731A (zh) | 一种基于非下采样轮廓波变换的红外空中小目标检测方法 | |
CN104834915B (zh) | 一种复杂云天背景下小红外目标检测方法 | |
Lipschutz et al. | New methods for horizon line detection in infrared and visible sea images | |
CN109993744B (zh) | 一种海上逆光环境下的红外目标检测方法 | |
CN111027496A (zh) | 基于空时联合局部对比度的红外弱小目标检测方法 | |
CN102222322A (zh) | 基于多尺度非局部均值的红外图像背景抑制方法 | |
CN110400294B (zh) | 一种红外目标探测***及探测方法 | |
CN112669332A (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
Li et al. | A small target detection algorithm in infrared image by combining multi-response fusion and local contrast enhancement | |
Dong et al. | Infrared target detection in backlighting maritime environment based on visual attention model | |
CN107273803B (zh) | 云层图像检测方法 | |
CN114549642B (zh) | 一种低对比度红外弱小目标检测方法 | |
CN111161308A (zh) | 一种基于关键点匹配的双波段融合目标提取方法 | |
CN110148149A (zh) | 基于局部对比度累积的水中航行器热尾迹分割方法 | |
CN106991682B (zh) | 自动港口货船的提取方法及装置 | |
CN115797374B (zh) | 基于图像处理的机场跑道提取方法 | |
Fu et al. | Infrared small dim target detection under maritime near sea-sky line based on regional-division local contrast measure | |
Maussang et al. | Automated segmentation of SAS images using the mean-standard deviation plane for the detection of underwater mines | |
Ji-yang et al. | On-board ship targets detection method based on multi-scale salience enhancement for remote sensing image | |
CN110874599A (zh) | 一种基于图像识别的舰船检测方法 | |
CN114429593A (zh) | 基于快速导向滤波的红外小目标检测方法及其应用 | |
CN114005018B (zh) | 一种小算力驱动的水面无人艇多目标跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |