首页 > 论文 > 红外与激光工程 > 32卷 > 6期(pp:590-593)

复杂海面背景红外小目标自动检测方法

Automatic detection method of IR small target in complex sea background

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
  • PDF全文
分享:

摘要

采用维纳自适应滤波,抑制随机噪声和高斯噪声;利用Otus阈值法分割图像,确定海天线和目标潜在区;利用Top-Hat算子进行形态滤波处理,抑制平缓变化背景并保留高亮度区的目标和强噪声;选择结构元素进行形态开运算,去掉细小的背景杂波干扰;针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点,确定阈值即可分离出真正的目标.实验结果表明,该方法可以较好地抑制海浪、云层等背景的干扰,能有效检测复杂海面背景中的红外小目标.

Abstract

The proposed approach adopts adaptive filter to suppress random noise and Gauss's noise so as to enhance the SNR. Then, Otus's threshold method is used to segment the image and locate the sea-sky-line, through which the target potential area can be determinated. A mathematical morphology filter, Top-Hat operator, is employed to execute filtering to restraint the background contribution and maintain the small target in high brightness area. By choosing proper structural element, an open filter is executed to discard small false alarms. Eventually, the real small target can be segmented through searching maximal value in the target potential area nearby the sea-sky-line and assigning threshold. The experimental results show that the method can reject the clutter caused by waves and clouds and effectively detect and segment IR small target in the complicated sea background.

Newport宣传-MKS新实验室计划
补充资料

中图分类号:TP391

所属栏目:目标探测及识别

基金项目:中国科学院国防科技创新基金支持项目(CXJJ-65)

收稿日期:2003-05-08

修改稿日期:2003-07-20

网络出版日期:2003-12-01

作者单位    点击查看

温佩芝:中国科学院沈阳自动化研究所,辽宁,沈阳,110016
史泽林:中国科学院沈阳自动化研究所,辽宁,沈阳,110016
于海斌:中国科学院沈阳自动化研究所,辽宁,沈阳,110016

备注:温佩芝(1963-),女,广西灵山人,讲师,博士生,主要研究方向为红外图像自动目标识别、图像图形处理、模式识别、自动控制理论等.

【1】张金锁,宋利权,靳民会,等. 基于带通滤波的红外小目标捕获算法研究[J]. 红外与激光工程, 2002,31(4): 294-296.

【2】付小宁,殷世民,吴志鹏,等. 红外图像的动态阈值分割[J]. 光电工程, 2002, 29(6): 57-60.

【3】陈铭节,丁明跃,彭嘉雄. 红外图象序列中运动点目标检测技术[J]. 数据采集与处理, 1994, 12(4): 294-299.

【4】崔屹. 图象处理与分析--数学形态学方法及应用[M]. 北京: 科学出版社,2000.

【5】Sebastiaan P van den Broek, Eric J Bakker, Dirk-Jan de Lange, et al. Detection and classification of infrared decoys and small targets in a sea background [A]. In Targets and Backgrounds, SPIE[C]. 2000, 4029.70-80.

【6】裴继红,谢维信. 舰船红外图像目标实时识别跟踪算法研究[J]. 光电工程,1995, 10(5): 21-31.

【7】魏颖,史泽林,李成军,等. 海空背景下红外小目标检测算法[J]. 红外与激光工程, 2003, 32(2):153-156.

【8】Joseph H Boseworth, Scott T Acton. Morphological image segmentation by local monotonicity [J]. IEEE, 1999:53-57.

【9】孙兆林. MATLAB 6.X图像处理[M]. 北京:清华大学出版社,2002.

引用该论文

温佩芝,史泽林,于海斌. Automatic detection method of IR small target in complex sea background[J]. Infrared and Laser Engineering, 2003, 32(6): 590-593

温佩芝,史泽林,于海斌. 复杂海面背景红外小目标自动检测方法[J]. 红外与激光工程, 2003, 32(6): 590-593

被引情况

【1】李军梅,胡以华,陶小红. 基于主成分分析与BP神经网络的识别方法研究. 红外与激光工程, 2005, 34(6): 719-723

【2】陈朝阳,洪功存,沈绪榜,郑兆青. FIFO在多级滤波图像处理ASIC芯片中的设计应用. 红外与激光工程, 2005, 34(3): 348-351

【3】刘松涛,周晓东,王成刚. 复杂海空背景下鲁棒的海天线检测算法研究. 光电工程, 2006, 33(8): 5-10

【4】吴建东,毛海岑,张天序. 基于知识的旋转海面小目标检测. 红外与激光工程, 2007, 36(2): 222-225

【5】刘士建,蒋敏,庄良. 一种快速有效的红外图像中海天线提取算法. 红外技术, 2011, 33(4): 230-232

【6】王丁禾,牛照东,张聘义,陈曾平. 利用模糊综合评判技术提取红外图像海天线. 光电工程, 2012, 39(11): 67-74

【7】夏平,郑佳,李忠. 基于形态学处理和最小二乘法的海天线检测算法. 光学与光电技术, 2013, 11(1): 91-94

【8】吴滢跃,汤心溢,周妮,刘士建. 基于目标能量的远距离红外空间目标提取算法. 红外, 2015, 36(5): 21-24

【9】孙熊伟,徐青山,蔡 熠,石 敏,李 松. 基于边缘相位编码的复杂背景下海天线检测. 光学学报, 2017, 37(11): 1110002--1

您的浏览器不支持PDF插件,请使用最新的(Chrome/Fire Fox等)浏览器.或者您还可以点击此处下载该论文PDF