CN107092911A - 一种时空联合弱小目标检测方法与装置 - Google Patents
一种时空联合弱小目标检测方法与装置 Download PDFInfo
- Publication number
- CN107092911A CN107092911A CN201710195652.9A CN201710195652A CN107092911A CN 107092911 A CN107092911 A CN 107092911A CN 201710195652 A CN201710195652 A CN 201710195652A CN 107092911 A CN107092911 A CN 107092911A
- Authority
- CN
- China
- Prior art keywords
- candidate target
- target point
- point
- time
- space
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种时空联合弱小目标检测方法与装置。该方法包括以下步骤：通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点；滤除可疑目标点中的孤立噪声点，得到候选目标点；遍历N帧图像，得到每一个候选目标点在N帧图像中的出现次数，并在检测到候选目标点的出现次数大于预设阈值时，判定出候选目标点为弱小目标，其中，N为正整数。本发明提供的时空联合弱小目标检测方法适用于静止平台和运动平台，并且不需要图像序列的帧间校准过程；对目标的运动没有严格的约束，能够检测出多种运动状态的目标；而且对图像序列中每个像素的处理方法一致，便于采用统一的硬件单元并行实时处理。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种时空联合弱小目标检测方法与装置。
背景技术
目标检测是红外预警系统中的重要环节，为了使预警系统有足够的时间反应，要求在很远的距离上就能检测到目标。然而，一方面，由于远距离下的目标成像面积太小，在探测器上成像仅占一个或少数几个像素，目标的辐射分布信息和结构信息缺乏；另一方面，红外探测器受到大气热辐射和作用距离以及探测器噪声等影响，用其探测到的目标在红外图像上多呈现为低对比度、低信噪比的目标。因此，红外弱小目标检测是图像处理领域的一个难题。
弱小目标检测算法主要可以分为两大类。第一类，先检测后跟踪(Detect beforeTrack，DBT)技术，根据目标形状、强度等特性，先通过单帧图像检测出候选目标，根据需要可以根据目标灰度和运动的连续性来实现目标的确认和识别。第二类，先跟踪后检测(Track before Detect，TBD)技术，首先根据目标的运动连续性特征，通过累积所有可能的运动轨迹上目标的灰度值，然后根据目标的短时灰度特性判别各条轨迹的后验概率，从而探测出真实的目标。先检测后跟踪算法的缺点是，由于检测是在单帧图像中进行的，受探测器空间噪声、盲元和背景杂波的影响很大，难以有效检测出低信噪比和低信杂比的目标。先跟踪后检测算法能充分利用处理过程中每个阶段的信息，提高小目标的检测性能，实现对低信噪比小目标的检测与跟踪。经典的先跟踪后检测算法包括三维匹配滤波器、投影变换法、高阶相关法、多阶假设检验法、动态规划算法及递推贝叶斯滤波算法等。由于需要考虑时间和空间信息的相关性，它们的计算量和存储量都偏大，处理也相对复杂。
时域检测算法属于先跟踪后检测法，它是在目标较小、通常只占几个像素甚至是单像素、几乎无法在单帧中检测的情况下提出的。该方法主要通过跟踪像素点的强度时域变化特性，实现目标检测的目的。现有的时域检测算法都没有考虑到实际应用中平台自身的运动和抖动，在处理运动平台捕捉的图像时，需要首先进行图像序列的帧间校准，这又会增加计算量和复杂度。
发明内容
鉴于上述问题，本发明提供了一种时空联合弱小目标检测方法与装置。
本发明提供的时空联合弱小目标检测方法，包括以下步骤：
通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点；
滤除所述可疑目标点中的孤立噪声点，得到候选目标点；
遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数，当候选目标点在N帧图像中的出现次数大于预设阈值时，判定所述候选目标点为弱小目标，其中，所述N为正整数。
本发明还提供了一种时空联合弱小目标检测方法装置，包括：背景抑制模块、滤除噪声模块、及确定弱小目标模块：
所述背景抑制模块，用于通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点；
所述滤除噪声模块，用于滤除所述可疑目标点中的孤立噪声点，得到候选目标点；
所述确定弱小目标模块，用于遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数，当候选目标点在N帧图像中的出现次数大于预设阈值时，判定所述候选目标点为弱小目标，其中，所述N为正整数。
本发明有益效果如下：
本发明实施例提供的时空联合弱小目标检测方法适用于静止平台和运动平台，并且不需要图像序列的帧间校准过程；对目标的运动没有严格的约束，能够检测出多种运动状态的目标；而且对图像序列中每个像素的处理方法一致，便于采用统一的硬件单元并行实时处理。
附图说明
图1是本发明方法实施例的时空联合弱小目标检测方法的流程图；
图2是本发明装置实施例的时空联合弱小目标检测装置的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
红外弱小目标的特点是：对比度较低、边缘模糊、信号强度弱，缺乏纹理、形状、大小等结构信息，目标极易被噪声所淹没，而探测器本身的非均匀性和盲元的存在更增加了红外弱小目标检测的难度，探测器盲元常常会造成目标检测的虚警。
为了解决现有技术中时域检测算法都没有考虑到实际应用中平台自身的运动和抖动，在处理运动平台捕捉的图像时，需要首先进行图像序列的帧间校准，增加计算量和复杂度的问题，本发明提供了一种时空联合弱小目标检测方法与装置，以下结合附图以及实施例，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仅用以解释本发明，并不限定本发明。
根据本发明的方法实施例，提供了一种时空联合弱小目标检测方法，图1是本发明方法实施例的时空联合弱小目标检测方法的流程图，如图1所示，根据本发明方法实施例的时空联合弱小目标检测方法包括如下处理：
步骤101，通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点。
具体的，步骤101包括以下步骤：
计算各个像素的像素值在预设时间窗内的时间均值和时间标准差；
用当前帧图像中各个像素的像素值减去所述时间均值，得到残差值；
对所述残差值作二值化处理，得到可疑目标点，其中，所述二值化的阈值为所述时间标准差的倍数。
其中，所述预设时间窗在当前帧图像之前。
具体的，所述背景抑制包括抑制盲元、抑制闪元、抑制均匀背景、及抑制云层边缘。
步骤102，滤除所述可疑目标点中的孤立噪声点，得到候选目标点。
具体的，步骤102包括以下步骤：
根据所述弱小目标在探测器上形成的光斑的形状信息设计空间滤波模板；
通过所述空间滤波模板滤除所述可疑目标点中的孤立噪声点，得到候选目标点。
步骤103，遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数，当候选目标点在N帧图像中的出现次数大于预设阈值时，判定所述候选目标点为弱小目标，其中，所述N为正整数。
具体的，所述遍历N帧图像，得到N帧图像中候选目标点的出现次数包括以下步骤：
计算所述当前帧图像的下一帧图像中与每个候选目标点对应的去心邻域内是否出现候选目标点；
如果在某个候选目标点的去心领域内出现候选目标点，则在该候选目标点的出现次数中加1，并记录该帧中所述候选目标点的位置，将该帧中候选目标点的位置作为下一帧图像中计算去心邻域内是否出现候选目标点时选取去心邻域的候选目标点的位置；
如果所述下一帧图像中不存在候选目标点，则跳过该帧，转到下一帧继续计算；
遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数。
更加具体的，计算所述当前帧图像的下一帧图像中与每个候选目标点对应的去心邻域内是否出现候选目标点采用步骤101和步骤102的方法。
为了更加详细的说明本发明的方法实施，给出实例1。实例1包括以下步骤：背景抑制步骤，通过时域滤波算法抑制均匀背景、盲元、闪元、云层边缘；
滤除孤立噪声点步骤，对所述背景抑制步骤的结果，通过空间滤波模板来去除孤立噪声点，同时不削弱目标信号；
确认真实目标步骤，对所述滤除孤立噪声点步骤得到的结果，根据点目标的运动特征来确认真实目标，进一步提高检测性能。
优选的，所述背景抑制步骤中的时域滤波算法采用时间均值滤波器，进一步包括：
将阵列探测器中的每个像元看作一个单独的探测器，在一个16帧的时间窗内计算每个像元输出的像素值的时间均值和时间标准差；
用当前帧图像中的每个像素值减去其在前16帧时间窗内的时间均值，得到残差值；
对所述残差值作二值化处理，二值化的阈值为所述时间标准差的3倍。
优选的，所述滤除孤立噪声点步骤，具体包括：
根据点目标在探测器上形成的光斑的形状信息，设计3×3的空间滤波模板，从而在不削弱点目标强度的前提下滤除孤立噪声点。
优选的，所述确认真实目标步骤，具体包括：
计算所述当前帧图像的下一帧图像中与每个候选目标点对应的去心邻域内是否出现候选目标点；
如果在某个候选目标点的去心领域内出现候选目标点，则在该候选目标点的出现次数中加1，并记录该帧中所述候选目标点的位置，将该帧中候选目标点的位置作为下一帧图像中计算去心邻域内是否出现候选目标点时选取去心邻域的候选目标点的位置；
如果所述下一帧图像中不存在候选目标点，则跳过该帧，转到下一帧继续计算；
遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数；
当候选目标点在N帧图像中的出现次数大于预设阈值时，判定所述候选目标点为弱小目标，否则将其剔除，其中，所述N为正整数。
采用上述技术方案，本发明至少具有下列优点：
本发明所述的时空联合弱小目标检测算法首先在时间维上进行检测，而探测器的时间噪声通常要小于空间噪声，因此本发明所述的时空联合弱小目标检测算法与传统的单帧检测法相比具有较高的检测率；
本发明所述的时空联合弱小目标检测算法中的背景抑制步骤，由于均匀背景和盲元像素的时间变化过程较平稳，在一段时间内的像素值与时间均值接近，因此采用所述时间均值滤波得到的像素值与时间均值的所述残差值较小，能够有效削弱均匀背景和盲元的强度；所述二值化处理中的二值化阈值为时间标准差与一个系数的乘积，而云层边缘像素和闪烁像元的时间标准差较大，因此阈值也大，从而能够有效消除云层边缘和闪烁像元的干扰。
本发明所述的时空联合弱小目标检测算法适用于静止平台和运动平台，并且不需要图像序列的帧间校准过程；
本发明所述的时空联合弱小目标检测算法对目标的运动没有严格的约束，能够检测出多种运动状态的目标；
本发明所述的时空联合弱小目标检测算法对图像序列中每个像素的处理方法一致，便于采用统一的硬件单元并行实时处理。
根据本发明的装置实施例，提供了一种时空联合弱小目标检测装置，图2是本发明装置实施例的时空联合弱小目标检测装置的流程图，如图2所示，根据本发明装置实施例的时空联合弱小目标检测装置包括：背景抑制模块20、滤除噪声模块22、及确定弱小目标模块24，以下对本发明实施例的各个模块进行详细的说明。
具体地，所述背景抑制模块20，用于通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点。
具体的，所述背景抑制包括抑制盲元、抑制闪元、抑制均匀背景、及抑制云层边缘。
具体的，所述背景抑制模块20具体用于：
计算各个像素的像素值在预设时间窗内的时间均值和时间标准差；
用当前帧图像中各个像素的像素值减去所述时间均值，得到残差值；
对所述残差值作二值化处理，得到可疑目标点，其中，所述二值化的阈值为所述时间标准差的倍数。
所述滤除噪声模块22，用于滤除所述可疑目标点中的孤立噪声点，得到候选目标点。
具体的，所述滤除噪声模块22具体用于：
根据所述弱小目标在探测器上形成的光斑的形状信息设计空间滤波模板；
通过所述空间滤波模板滤除所述可疑目标点中的孤立噪声点，得到候选目标点。
所述确定弱小目标模块24，遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数，当候选目标点在N帧图像中的出现次数大于预设阈值时，判定所述候选目标点为弱小目标，其中，所述N为正整数。
具体的，确定弱小目标模块24具体用于：
计算所述当前帧图像的下一帧图像中与每个候选目标点对应的去心邻域内是否出现候选目标点；
如果在某个候选目标点的去心领域内出现候选目标点，则在该候选目标点的出现次数中加1，并记录该帧中所述候选目标点的位置，将该帧中候选目标点的位置作为下一帧图像中计算去心邻域内是否出现候选目标点时选取去心邻域的候选目标点的位置；
如果所述下一帧图像中不存在候选目标点，则跳过该帧，转到下一帧继续计算；
遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数。
本发明装置实施例至少具有下列优点：
本发明所述的时空联合弱小目标检测算法首先在时间维上进行检测，而探测器的时间噪声通常要小于空间噪声，因此本发明所述的时空联合弱小目标检测算法与传统的单帧检测法相比具有较高的检测率；
本发明所述的时空联合弱小目标检测算法中的背景抑制步骤，由于均匀背景和盲元像素的时间变化过程较平稳，在一段时间内的像素值与时间均值接近，因此采用所述时间均值滤波得到的像素值与时间均值的所述残差值较小，能够有效削弱均匀背景和盲元的强度；所述二值化处理中的二值化阈值为时间标准差与一个系数的乘积，而云层边缘像素和闪烁像元的时间标准差较大，因此阈值也大，从而能够有效消除云层边缘和闪烁像元的干扰。
本发明所述的时空联合弱小目标检测算法适用于静止平台和运动平台，并且不需要图像序列的帧间校准过程；
本发明所述的时空联合弱小目标检测算法对目标的运动没有严格的约束，能够检测出多种运动状态的目标；
本发明所述的时空联合弱小目标检测算法对图像序列中每个像素的处理方法一致，便于采用统一的硬件单元并行实时处理。
以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种时空联合弱小目标检测方法，其特征在于，包括以下步骤：
通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点；
滤除所述可疑目标点中的孤立噪声点，得到候选目标点；
遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数，当候选目标点在N帧图像中的出现次数大于预设阈值时，判定所述候选目标点为弱小目标，其中，所述N为正整数。
2.如权利要求1所述的时空联合弱小目标检测方法，其特征在于，所述通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点包括以下步骤：
计算各个像素的像素值在预设时间窗内的时间均值和时间标准差；
用当前帧图像中各个像素的像素值减去所述时间均值，得到残差值；
对所述残差值作二值化处理，得到可疑目标点，其中，所述二值化的阈值为所述时间标准差的倍数。
3.如权利要求1所述的时空联合弱小目标检测方法，其特征在于，所述滤除所述可疑目标点中的孤立噪声点，得到候选目标点包括以下步骤：
根据所述弱小目标在探测器上形成的光斑的形状信息设计空间滤波模板；
通过所述空间滤波模板滤除所述可疑目标点中的孤立噪声点，得到候选目标点。
4.如权利要求1所述的时空联合弱小目标检测方法，其特征在于，所述遍历N帧图像，得到N帧图像中候选目标点的出现次数，包括以下步骤：
计算所述当前帧图像的下一帧图像中与每个候选目标点对应的去心邻域内是否出现候选目标点；
如果在某个候选目标点的去心领域内出现候选目标点，则在该候选目标点的出现次数中加1，并记录该帧中所述候选目标点的位置，将该帧中候选目标点的位置作为下一帧图像中计算去心邻域内是否出现候选目标点时选取去心邻域的候选目标点的位置；
如果所述下一帧图像中不存在候选目标点，则跳过该帧，转到下一帧继续计算；
遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数。
5.如权利要求1所述的时空联合弱小目标检测方法，其特征在于，所述背景抑制包括抑制盲元、抑制闪元、抑制均匀背景、及抑制云层边缘。
6.一种时空联合弱小目标检测装置，其特征在于，包括背景抑制模块、滤除噪声模块、及确定弱小目标模块：
所述背景抑制模块，用于通过预设的时域滤波算法对当前帧图像进行背景抑制，得到可疑目标点；
所述滤除噪声模块，用于滤除所述可疑目标点中的孤立噪声点，得到候选目标点；
所述确定弱小目标模块，用于遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数，当候选目标点在N帧图像中的出现次数大于预设阈值时，判定所述候选目标点为弱小目标，其中，所述N为正整数。
7.如权利要求6所述的时空联合弱小目标检测装置，其特征在于，所述背景抑制模块具体用于：
计算各个像素的像素值在预设时间窗内的时间均值和时间标准差；
用当前帧图像中各个像素的像素值减去所述时间均值，得到残差值；
对所述残差值作二值化处理，得到可疑目标点，其中，所述二值化的阈值为所述时间标准差的倍数。
8.如权利要求6所述的时空联合弱小目标检测装置，其特征在于，所述滤除噪声模块具体用于：
根据所述弱小目标在探测器上形成的光斑的形状信息设计空间滤波模板；
通过所述空间滤波模板滤除所述可疑目标点中的孤立噪声点，得到候选目标点。
9.如权利要求6所述的时空联合弱小目标检测装置，其特征在于，所述确定弱小目标模块具体用于：
计算所述当前帧图像的下一帧图像中与每个候选目标点对应的去心邻域内是否出现候选目标点；
如果在某个候选目标点的去心领域内出现候选目标点，则在该候选目标点的出现次数中加1，并记录该帧中所述候选目标点的位置，将该帧中候选目标点的位置作为下一帧图像中计算去心邻域内是否出现候选目标点时选取去心邻域的候选目标点的位置；
如果所述下一帧图像中不存在候选目标点，则跳过该帧，转到下一帧继续计算；
遍历N帧图像，得到每个候选目标点在N帧图像中的出现次数。
10.如权利要求6所述的时空联合弱小目标检测装置，其特征在于，所述背景抑制包括抑制盲元、抑制闪元、抑制均匀背景、及抑制云层边缘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710195652.9A CN107092911A (zh) | 2017-03-29 | 2017-03-29 | 一种时空联合弱小目标检测方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710195652.9A CN107092911A (zh) | 2017-03-29 | 2017-03-29 | 一种时空联合弱小目标检测方法与装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107092911A true CN107092911A (zh) | 2017-08-25 |
Family
ID=59649134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710195652.9A Pending CN107092911A (zh) | 2017-03-29 | 2017-03-29 | 一种时空联合弱小目标检测方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107092911A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886526A (zh) * | 2017-11-13 | 2018-04-06 | 中国人民解放军国防科技大学 | 基于时域滤波的序列图像弱小目标检测方法 |
| CN108171168A (zh) * | 2017-12-28 | 2018-06-15 | 浙江大学 | 弱小目标变动智能图像检测方法及装置 |
| CN110706171A (zh) * | 2019-09-26 | 2020-01-17 | 中国电子科技集团公司第十一研究所 | 图像降噪方法及装置 |
| CN110852141A (zh) * | 2019-06-25 | 2020-02-28 | 西安空间无线电技术研究所 | 一种基于被动干涉微波图像的海面目标探测方法及系统 |
| 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 |
| CN113673373A (zh) * | 2021-08-03 | 2021-11-19 | 中国人民解放军火箭军工程大学 | 基于自适应角约束的空地红外时敏弱小移动目标检测方法 |
| CN116645580A (zh) * | 2023-06-05 | 2023-08-25 | 北京邮电大学 | 一种基于时空特征差异的红外弱小目标检测方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413138A (zh) * | 2013-07-18 | 2013-11-27 | 航天恒星科技有限公司 | 一种红外图像序列中点目标检测方法 |
| CN104732543A (zh) * | 2015-03-30 | 2015-06-24 | 中国人民解放军63655部队 | 一种沙漠戈壁背景下红外弱小目标快速检测方法 |
-
2017
- 2017-03-29 CN CN201710195652.9A patent/CN107092911A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103413138A (zh) * | 2013-07-18 | 2013-11-27 | 航天恒星科技有限公司 | 一种红外图像序列中点目标检测方法 |
| CN104732543A (zh) * | 2015-03-30 | 2015-06-24 | 中国人民解放军63655部队 | 一种沙漠戈壁背景下红外弱小目标快速检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 于强等: "一种基于时空域累积差分的红外小目标融合检测算法", 《弹箭与制导学报》 * |
| 董维科: "天空起伏背景中红外弱小目标检测新方法研究", 《中国博士论文全文数据库》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886526A (zh) * | 2017-11-13 | 2018-04-06 | 中国人民解放军国防科技大学 | 基于时域滤波的序列图像弱小目标检测方法 |
| CN108171168A (zh) * | 2017-12-28 | 2018-06-15 | 浙江大学 | 弱小目标变动智能图像检测方法及装置 |
| CN108171168B (zh) * | 2017-12-28 | 2020-09-22 | 浙江大学 | 弱小目标变动智能图像检测方法及装置 |
| 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 |
| 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 |
| CN110852141A (zh) * | 2019-06-25 | 2020-02-28 | 西安空间无线电技术研究所 | 一种基于被动干涉微波图像的海面目标探测方法及系统 |
| CN110852141B (zh) * | 2019-06-25 | 2022-09-27 | 西安空间无线电技术研究所 | 一种基于被动干涉微波图像的海面目标探测方法及系统 |
| CN110706171A (zh) * | 2019-09-26 | 2020-01-17 | 中国电子科技集团公司第十一研究所 | 图像降噪方法及装置 |
| CN110706171B (zh) * | 2019-09-26 | 2024-04-26 | 中国电子科技集团公司第十一研究所 | 图像降噪方法及装置 |
| CN113673373A (zh) * | 2021-08-03 | 2021-11-19 | 中国人民解放军火箭军工程大学 | 基于自适应角约束的空地红外时敏弱小移动目标检测方法 |
| CN116645580A (zh) * | 2023-06-05 | 2023-08-25 | 北京邮电大学 | 一种基于时空特征差异的红外弱小目标检测方法及装置 |
| CN116645580B (zh) * | 2023-06-05 | 2023-11-14 | 北京邮电大学 | 一种基于时空特征差异的弱小目标检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107092911A (zh) | 一种时空联合弱小目标检测方法与装置 | |
| US11215700B2 (en) | Method and system for real-time motion artifact handling and noise removal for ToF sensor images | |
| Shao et al. | Automatic weld defect detection based on potential defect tracking in real-time radiographic image sequence | |
| US10713798B2 (en) | Low-complexity motion detection based on image edges | |
| US8355064B2 (en) | Noise reduction for machine vision systems | |
| CN108090888A (zh) | 基于视觉注意模型的红外图像和可见光图像的融合检测方法 | |
| WO2017053037A1 (en) | Classifying images and videos | |
| CN106327474B (zh) | 一种自动在线盲元检测方法 | |
| CN108830873A (zh) | 深度图像物体边缘提取方法、装置、介质及计算机设备 | |
| WO2017091268A2 (en) | Measurement of non-uniformity noise | |
| US10803557B2 (en) | Non-uniformity correction method for infrared image based on guided filtering and high-pass filtering | |
| CN104899866A (zh) | 一种智能化的红外小目标检测方法 | |
| Cao et al. | Spatially adaptive column fixed-pattern noise correction in infrared imaging system using 1D horizontal differential statistics | |
| US8355063B2 (en) | Camera noise reduction for machine vision systems | |
| CN108133488A (zh) | 一种红外图像前景检测方法及设备 | |
| CN108614998B (zh) | 一种单像素红外目标检测方法 | |
| US20100302394A1 (en) | Blinked eye artifact removal for a digital imaging device | |
| CN110728668A (zh) | 一种小目标形态保持的空域高通滤波器 | |
| CN110351453A (zh) | 一种计算机视频数据处理方法 | |
| Krotosky et al. | Real-time stereo-based head detection using size, shape and disparity constraints | |
| CN105593899B (zh) | 用于在图像序列中的噪声降低的方法 | |
| Goodall et al. | No-reference task performance prediction on distorted LWIR images | |
| Xu et al. | Features based spatial and temporal blotch detection for archive video restoration | |
| CN109547777A (zh) | 一种复杂场景的视频噪声快速检测方法 | |
| JP4140402B2 (ja) | 画像処理装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170825 |