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
中国电子科技集团公司第五十八研究所,江苏 无锡 214072
针对现有方法难以在复杂背景下对缺乏内在特征的红外弱小目标进行检测并且存在检测耗时较高等问题,提出了一种适用于嵌入式边缘计算设备的红外弱小目标检测算法。将小目标检测问题转化为语义分割问题,模型使用轻量级主干网络提取特征,设计基于上下文调制的跨层间的特征融合方式,用于交换高层语义和低层细节,引入基于通道和位置的双注意力机制突出特征图中的弱小目标。通过实验验证了提出算法模型相较于现有先进的算法在复杂场景下具有更好的检测效果、更低的虚警以及更少的耗时等优势,且该模型大小只有100 KB,可以达到20 frame/s视频流实时检测,方便嵌入式部署及实际应用。
成像系统 红外弱小目标检测 语义分割 注意力机制 上下文调制 MobileNet-V3 激光与光电子学进展
2022, 59(16): 1611007
红外与激光工程
2022, 51(4): 20220191
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
鞠默然 1,2,3,4,5罗海波 1,2,4,5,*刘广琦 1,2,3,4,5刘云鹏 1,2,4,5
1 中国科学院 沈阳自动化研究所, 辽宁沈阳006
2 中国科学院机器人与智能制造创新研究院,辽宁沈阳110016
3 中国科学院大学,北京100049
4 中国科学院光电信息处理重点实验室,辽宁沈阳110016
5 辽宁省图像理解与视觉计算重点实验室,辽宁沈阳110016
红外弱小目标检测被广泛应用于预警、制导等**领域中。然而,红外弱小目标所占像素少、缺少形状特征和纹理特征,使得红外弱小目标检测成为一个具有挑战性的课题。针对红外弱小目标检测,提出了一种简单高效的实时红外弱小目标检测网络。检测网络利用自适应感受野融合模块来增加小目标周围的上下文信息,并通过引入空间注意力机制来建立不同区域之间的相关性模型,使不同区域之间的相关性和紧凑性得到加强。为了提高检测网络对目标的定位和正负样本的判别能力,分别利用GIOU loss和Focal loss来设计损失函数。在3个红外弱小目标序列和单帧红外图像上进行实验,检测网络分别取得了91.62%,71.54%,81.77%和90.67%的AP值,且检测速度接近165 FPS。实验结果表明,该红外弱小目标检测网络对复杂背景和低信噪比条件下的红外弱小目标具有较好的检测效果。
红外弱小目标检测 注意力机制 卷积神经网络 深度学习 infrared small target detection attention mechanism convolutional neural network deep learning
中国科学院长春光学精密机械与物理研究所精密仪器与装备研发中心,吉林 长春 130033
在对Facet模型的方向导数特征进行研究的基础上,针对红外弱小目标提出了一种利用局部方向相对极差计算显著性的方法,以快速有效地提取复杂背景下的红外弱小目标。基于弱小目标单帧检测理论,首先计算原始图像的Facet方向导数特征,然后在Facet方向导数特征图的局部内,沿着导数方向计算相对极差对比度显著图。通过对各个方向上的相对极差对比度显著图进行融合得到最终的显著性图像。最后,采用适当的阈值分割从该图像中提取目标。实验结果表明,本文算法对复杂红外弱小目标图像具有很高的信杂比增益和背景抑制因子。另外,该算法的计算复杂度低且可利用二维卷积加速计算,具有良好的算法实时性,适用于各种处理器平台的工程实现。
红外弱小目标检测 相对极差 局部对比度 方向导数特征 算法加速 infrared weak target detection extreme differential value local contrast directional derivative feature algorithm acceleration
1 上海技术物理研究所 红外探测与成像技术重点实验室,上海 200083
2 中国科学院大学,北京 100049
复杂背景下红外弱小目标检测与追踪技术一直是遥感成像应用领域一项复杂而艰巨的课题。利用高帧频红外面阵成像系统采集到图像的强帧间相关性特征,设计了一种多帧累加的时域信噪比的弱小目标检测方案。同时利用目标运动的连续性,采用多帧确认的方法关联目标,输出真实目标运动轨迹。实验结果表明,算法在vs2013上运行的平均运算时间为23 ms,检测到的目标最低信噪比为2.91,同时对多目标的检测具有较强的适应性。
时域信噪比 多帧累加 红外弱小目标检测 多帧确认 spatial Signal to Noise Ratio multi-frame accumulation infrared dim target detection multi-frame confirmation 太赫兹科学与电子信息学报
2019, 17(1): 118