1 军事科学院, 北京 100071
2 天津(滨海)人工智能创新中心, 天津 300000
3 中国人民解放军 96911部队, 北京 100089
4 军事科学院, 北京 100071国防科技大学计算机学院, 湖南长沙 410073
远距离广视角场景中由于红外热成像仪成像原理的局限性、大气环境的干扰、远距离传输介质对红外辐射的衰减, 检测目标面临巨大挑战。本文在详细分析了图像背景复杂、目标特性弱小、图像对比度低和结构特性缺失等红外弱小目标图像特性的基础上, 从基于目标突显和背景预测两大类概述了单帧红外图像弱小目标检测技术的研究现状, 并探讨了红外弱小目标检测研究的发展趋势。
红外弱小目标检测 目标突显 背景预测 数理驱动 数据驱动 infrared dim small target detection, target highli
红外与激光工程
2022, 51(9): 20210939
1 中国科学院上海技术物理研究所，上海 200083
2 中国科学院大学，北京 100049
红外探测系统以其隐蔽性好、穿透能力强等优点广泛应用于航空航天、**侦察等领域。但该系统的观测距离较远，且目标往往呈现弱小状态，所以针对单帧图像的红外弱小目标检测一直是红外探测领域的难点和研究热点。基于滤波、视觉显著性、图像数据结构和深度学习四个方面，对当前单帧红外弱小目标检测算法进行了详细综述，最后对红外弱小目标检测技术进行了总结与展望。
弱小目标检测 滤波算法 人类视觉显著性 图像数据结构 深度学习 dim small target detection filtering algorithm visual saliency image data structure deep learning
1 海军研究院, 北京100036
2 北方电子设备研究所, 北京 100036
针对红外图像中弱小目标检测虚警率高、实时性差的问题，提出了一种基于视觉显著性和局部熵的红外弱小目标检测方法。该方法将红外弱小目标的检测问题由粗到精分步实现，首先利用融合局部熵的方法提取包含目标的感兴趣区域，对红外弱小目标实现粗定位。然后再利用改进的视觉显著性检测方法在感兴趣区域计算局部对比度，获得感兴趣区域的显著图。最后利用阈值法分割显著图像提取红外弱小目标，实现红外弱小目标的检测。通过与TOPHAT算法及LCM算法进行对比试验，验证了该方法在检测性能上优于TOPHAT算法以及LCM算法，虚警率分别下降了62.5%和33.3%；检测实时性方面，算法耗时为LCM的38.6%。该方法能够实现复杂背景下红外弱小目标的准确检测，在一定程度上解决了目标检测虚警率高、实时性差的问题。
视觉显著性 红外图像 弱小目标检测 局部熵 visual saliency infrared images dim small target detection local entropy
1 赣南师范大学科技学院 数学与信息科学系，江西 赣州 341000
2 赣南师范大学 数学与计算机科学学院， 江西 赣州，341000
为了提高复杂环境下的红外弱小目标的探测能力，基于人类视觉注意机制，设计了差异直方图耦合显著性映射的弱小目标检测算法。考虑真实目标与其邻域之间的强度差异，通过采用DFT变换来计算红外图像的幅度与相位频谱，以计算二者之间的频谱残差，并联合高斯滤波方法，输出显著性映射，从而有效突出显著区域。分析目标与背景区域的梯度幅度和梯度方向之间的差异，计算红外图像的差异直方图，以充分抑制背景杂波和噪声。联合显著性映射与差异直方图，形成图像对应的融合特征映射。最后，引入自适应阈值分割方法，从融合特征映射中准确定位真实目标。多组测试数据表明，较已有的红外目标检测技术而言，所提算法能够更好地定位出弱小目标，呈现出理想的ROC曲线。
红外弱小目标检测 融合特征映射 频谱残差 显著性映射 差异梯度直方图 阈值分割 infrared dim small target detection fusion feature mapping spectrum residual saliency map difference histogram of oriented gradients threshold segmentation
1 杭州电子科技大学 自动化学院，浙江 杭州 310018
2 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033
为提高红外图像弱小目标检测的准确率和实时性，在分析用于红外图像增强的分形参数K相关的多尺度分形特征(MFFK)基础上，提出了一种基于改进多尺度分形特征(IMFFK)的红外图像弱小目 标检测算法。首先，将基于地毯覆盖法的分形维数计算公式代入MFFK计算公式，提出了一种改进多尺度分形特征(IMFFK)用于图像增强。其次，对IMFFK特征计算进行简化，采用自适应阈值分割得到 感兴趣目标区域，提出了一种具有较高计算效率的红外图像弱小目标检测算法。最后，通过仿真图像分析了主要参数对图像增强和算法耗时的影响，采用红外真实图像进行了算法检测性能测试，并 与当前基于局部对比度测度的目标检测算法进行了对比。实验结果表明，提出的算法虽然在一些检测场景具有较多虚警，但能同时适用于弱小目标和较大目标检测，且无论目标为亮目标或暗目标。 提出算法对于低分辨率红外图像(320×240)检测接近30 frame/s。提出算法具有较强的适用性，能够检测出红外图像中具有较高局部对比度的目标。
红外图像 弱小目标检测 多尺度分形特征 图像增强 infrared image dim-small target detection multiscale fractal feature image enhancement
1 中国科学院长春光学精密机械与物理研究所航空光学成像与测量重点实验室, 吉林 长春 130033
2 中国科学院大学光电学院, 北京 100049
针对红外图像中由复杂背景和目标多形态带来的单帧检测暗弱小目标比较困难的问题,提出了一种先进行阈值分割粗提取,后进行多点信噪比精检测的算法。在粗提取阶段,提出了改进的基于稳健主成分分析(RPCA)的阈值分割算法,利用邻域稀疏度均值与整幅稀疏图像均值的比值进行阈值分割,从而进一步剔除孤立噪点和背景云层边缘的杂波。在精检测阶段,提出了基于统计特性的多点恒虚警检测算法,统计候选点在邻域内每个像元的信噪比,利用虚警率门限和统计数量阈值筛选目标点,从而克服由小目标能量弥散带来的多形态特征问题。实验结果表明,所提算法在复杂背景下的探测率达到95.6%,与利用单像元和邻域像元均值计算信噪比的方法相比,虚警率分别降低了56.1%和47.1%。
图像处理 弱小目标检测 稳健主成分分析 阈值分割 恒虚警检测
荆楚理工学院 计算机工程学院, 湖北 荆门 448000
提出了基于频域映射与多尺度Top-Hat变换的红外弱小目标检测算法。通过分割经典Top-Hat的单一结构元素, 获得多尺度膨胀结构元素, 对红外弱小目标进行增强, 有效抑制杂波与噪声背景; 基于Butterworth低通滤波与截止频率, 构建Butterworth差异带通滤波, 联合Fourier变换, 建立粗显著性检测机制, 通过提取其幅度与相位频谱, 基于2D高斯平滑滤波, 定义细显著性检测机制, 在频域中凸显弱小目标, 并将红外目标的空间与强度相关性作为识别标准, 精确定位候选目标; 根据红外目标运动与虚警的速度差异特征, 定义弱小目标连续帧速度模型, 在帧间充分抑制候选区域中的虚假目标, 检测出完整的弱小目标。实验结果显示: 与当前红外弱小目标检测技术相比, 面对复杂背景干扰, 提出的算法具有更高的检测精度, 可精确定位出完整的弱小目标, 呈现出更好的ROC特性曲线。
红外弱小目标检测 多尺度Top-Hat变换 截止频率 Butterworth差异带通滤波 显著性检测 连续帧速度模型 infrared dim small target detection multi scale top-hat transform cut-off frequency butterworth differential band-pass filter saliency detection continuous frame rate model
1 空军工程大学 理学院, 西安 710051
2 西安电子科技大学 物理与光电工程学院, 西安 710071
在红外成像探测系统中, 对红外图像背景进行有效的抑制是准确检测出弱小目标的前提条件。基于目标在空域局部灰度稳定和时域运动连续的约束, 提出了一种基于时空域滤波的红外弱小目标背景抑制新方法。首先, 利用引导滤波保存图像细节和时域偏微分方程提取图像中突变区域的优势, 实现对图像空域与时域中平稳和强起伏不同特征复杂背景进行抑制处理; 然后, 将时空域背景抑制结果利用相与操作算子处理完成对高度类似弱小目标信号的剔除; 最后, 为恢复前期抑制结果中丢失的目标信息, 利用时空域融合结果作为引导图像进行进一步优化处理, 得到最终背景抑制结果。仿真实验采用两组低信杂比运动弱小目标红外图像序列进行方法验证, 并将该方法与几种背景抑制方法进行了比较, 实验结果表明: 该方法无论从主观视觉还是客观评价指标上均优于其他几种方法。
红外图像 弱小目标检测 背景抑制 引导滤波 偏微分方程 infrared imaging dim small target detection background suppression guided image filtering partial differential equation
