CN108364277A - 一种双波段图像融合的红外小目标检测方法 - Google Patents
一种双波段图像融合的红外小目标检测方法 Download PDFInfo
- Publication number
- CN108364277A CN108364277A CN201711389069.8A CN201711389069A CN108364277A CN 108364277 A CN108364277 A CN 108364277A CN 201711389069 A CN201711389069 A CN 201711389069A CN 108364277 A CN108364277 A CN 108364277A
- Authority
- CN
- China
- Prior art keywords
- target
- small
- infrared
- factor
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种双波段图像融合的红外小目标检测方法。其特征步骤:分析目标及其背景在不同波段的辐射特性、传输特性、成像特性等存在差异,研究距离因子的目标特性计算方法,以突出图像真目标和假目标的差异特征;分析双波段图像存在的冗余和互补信息,研究多尺度几何分析的数据融合方法,使融合后图像的杂波被抑制,目标锐度更高、轮廓更清晰;分析杂波和噪声干扰,研究多向梯度的小目标检测方法,实现小目标的高检测率。本发明提出了距离因子的目标特性计算方法,多尺度几何分析的数据融合方法及多向梯度的小目标检测方法,组合实现双波段图像融合的红外小目标检测方法,丰富了小目标检测技术。
Description
技术领域
本发明涉及距离因子的目标特性计算、多尺度几何分析的数据融合技术、以及多向梯度的小目标检测技术,具体涉及在双波段图像融合的红外小目标检测方法。
背景技术
本发明的背景技术涉及三个关键步骤与方法:研究距离因子的目标特性计算方法、研究多尺度几何分析的数据融合方法、研究多向梯度的小目标检测方法。
距离因子的目标特性计算方法:由于描述目标与背景辐射对比度的取值范围较大、不确定,甚至突变。研究距离因子的目标特性计算方法,突出图像真目标和假目标的差异特征。
多尺度几何分析的数据融合方法:由于单个像素融合忽略人类视觉系统对局部敏感的特性和邻域像素间的关联性。研究多尺度几何分析的数据融合方法,使融合后图像的杂波被抑制,目标锐度更高和信息更丰富。
多向梯度时空滤波的小目标检测方法:由于杂波和噪声干扰,很难把真实目标从各种背景杂波和随机干扰中识别。研究多向梯度的小目标检测方法,实现小目标的高检测率。
发明内容
本发明的目的在于提供双波段图像融合的红外小目标检测方法,一种基于 3-5um中红外和8-12um长红外的双波段图像融合的红外小目标检测方法,分析目标及其背景在不同波段的辐射特性、传输特性、成像特性等存在差异,以突出图像真目标和假目标的差异特征;分析不同双波段图像存在的冗余和互补信息,使融合后图像的目标信息更丰富;分析杂波和噪声干扰,实现高检测率。
通过研究距离因子的目标特性计算方法、多尺度几何分析的数据融合方法与多向梯度时空滤波的小目标检测方法,识别小目标。本发明需要解决的关键科学问题如下:
(1)目标探测性能与目标背景对比度特性、探测器光谱匹配特性、大气传输特性和目标自身特性密切相关,而目标距离和尺寸大小对最终的探测效果有着重要影响。因此,设计距离因子描述目标距离和尺寸大小成为拟解决的关键科学问题。对检测概率的影响,实现距离因子随着距离的增加而减小,且在相同距离的情况下,目标越大,则距离因子越大。
(2)多尺度分析变换,低频信号表示近似信号分量和高频信号表示细节信号分量。小目标具有高频成分,而背景具有低频成分。因此,抑制低频成分,突出高频成分的图像融合决策准则成为拟解决的关键科学问题,使融合后图像的细节更丰富,更清晰。
(3)图像梯度特性受到外来干扰,本质是引发点目标的灰度值变化,从而使得图像梯度的局部特征值也发生改变,而梯度阈值的变化对目标检测概率和虚警概率影响较大。因此,设计自适应分割梯度阈值成为拟解决的关键科学问题,使之保留小目标和剔除杂波。
本发明解决其技术问题所采用的技术方案为:一种双波段图像融合的红外小目标检测方法,本发明的方法包括以下主要步骤:
(1)设计距离因子来描述目标距离和尺寸大小对探测概率的影响,距离因子l随着距离的增加而减小,且在相同距离的情况下,目标越大,则距离因子l 越大;
(2)首先采用非下采样Contourlet变换分解源图像;其次针对低频子带系数,采用系数置零的方法,针对高频子带系数,若区域能量小,则高频子带系数采用置零的方法,反之,若区域能量大,则高频子带系数采用绝对值最大法保留;再经非下采样Contourlet逆变换,获取小目标的融合图像f;
(3)对比杂波边缘,小目标在所有方向上均具有高梯度特性,先计算多向梯度幅值,再累积融合图像f的局部多向梯度幅值能量,结合各向自适应梯度阈值判定,检测小目标。
双波段图像融合的红外小目标检测系统的应用,方法步骤如下:
(1)分析目标及其背景在不同波段的辐射特性、传输特性、成像特性等存在差异,研究距离因子的目标特性计算方法,以突出图像真目标和假目标的差异特征;
(2)分析所采集到的不同双波段图像存在的冗余和互补信息,研究多尺度几何分析的数据融合方法,使融合后图像的杂波被抑制,目标锐度更高、轮廓更清晰;
(3)分析杂波和噪声干扰,研究多向梯度的小目标检测方法,实现小目标的高检测率。
所述距离因子的目标特性,该距离因子用来描述目标距离和尺寸大小对探测概率的影响,距离因子l随着距离的增加而减小,且在相同距离的情况下,目标越大,则距离因子l越大。
所述多尺度几何分析的数据融合,该数据融合方法首先采用非下采样Contourlet变换分解源图像;其次针对低频子带系数,采用系数置零的方法,针对高频子带系数,若区域能量小,则高频子带系数采用置零的方法,反之,若区域能量大,则高频子带系数采用绝对值最大法选取;再经非下采样Contourlet 逆变换,获取小目标的融合图像f。
5、根据权利要求2所述的一种双波段图像融合的红外小目标检测方法,其特征在于:所述多向梯度的小目标检测方法,对比杂波边缘,小目标在所有方向上均具有高梯度特性,先计算多向梯度幅值,再累积融合图像f的局部多向梯度幅值能量,结合各向自适应梯度阈值判定准则,检测小目标。
本发明的优点是:(1)提出多尺度几何分析的数据融合方法,针对单个像素融合忽略人类视觉系统对局部敏感的特性,邻域像素间的关联性的问题,提出多尺度几何分析的数据融合方法,低频子带采用系数置零的方法,高频子带采用系数置零或绝对值最大法保留,有望使融合后图像的杂波被抑制,目标锐度更高和轮廓更清晰。
(2)提出多向梯度的小目标检测方法,由于杂波和噪声干扰,很难把拟攻击的真实目标从各种杂波和随机干扰中识别,提出多向梯度的小目标检测方法,累积局部多向梯度幅值能量,结合各向自适应梯度阈值判定,有望剔除伪目标,提高小目标检测率。
(3)丰富了小目标检测技术。该小目标的检测方法对精确制导武器的长足发展,对现代战争以及未来战争都具有深远的意义。
附图说明
图1为本发明的双波段图像融合的红外小目标检测技术路线图。
具体实施方式
本发明采用如图1所示的双波段图像融合的红外小目标检测的研究方案,其具体实施步骤如下:
(1)在目标探测的实际应用中,目标距离和尺寸大小对最终的探测效果有着重要影响。因此,设计距离因子来描述目标距离和尺寸大小对探测概率的影响。距离因子l随着距离的增加而减小,且在相同距离的情况下,目标越大,则距离因子l越大。探测器的探测结果是目标背景对比度特性、探测器光谱匹配特性、大气传输特性和目标自身特性联合作用的结果。其目标特性指标KIR如式(1)所示。
KIR=CIRaIRbIRl (1)
其中CIR、aIR、bIR和l依次表示目标辐射对比度、成像系统与目标的光谱匹配系数、大气光谱传输系数与目标距离因子。
(2)非下采样Contourlet变换由两部分组成:非下采样金子塔分解和非下采样方向滤波器组。图像H经j级非下采样Contourlet变换,分解成低频系数和第j层第k方向的高频系数
针对低频子带系数,采用系数置零的方法;由于人类视觉系统对图像清晰的判定是通过特定区域内的像素联合实现的,针对高频子带系数,若区域能量小,则高频子带系数采用置零的方法,反之,若区域能量大,则高频子带系数采用绝对值最大法保留,再经非下采样Contourlet逆变换,获取小目标的融合图像f(抑制了较多背景杂波)。
(3)图像中小目标的检测问题,转化为多向梯度的检测问题。小目标与杂波边缘在梯度上的差别在于前者在所有方向上均具有高梯度,而后者没有。此处所有方向分别指水平正向,水平负向,垂直正向,垂直负向4个方向,其方向梯度值定义分别如式(2)-(5)所示:
其中l为梯度步长,与小目标大小有关;X+、X-、Y+和Y-依次表示水平正向、水平负向、垂直正向和垂直负向。若4个方向梯度幅值均低或1个较高,该像素判为杂波,予以剔除;若有3个或4个方向梯度幅值较高,该像素判为目标点,予以保留;若4个方向梯度幅值中有2个较高,当这2个梯度方向对应时,为杂波,予以剔除,但当这2个梯度方向相邻时,结合邻域像素相似性,先判定该像素是目标点还是杂波,再进行该像素保留或剔除处理。
在上述目标点判定准则中,梯度幅值的较高或较低的判断方法描述如下:通过滑动窗口在融合的图像f中从左到右,从上到下有序滑动,计算图像局部的各向梯度幅值能量。以水平梯度正方向为例,局部窗口的梯度幅值能量定义如式(6)所示:
其中r和s与小目标的几何尺寸有关。根据小目标梯度幅值能量高于背景杂波梯度幅值能量特性,设置自适应梯度阈值分割门限,其相应表达如式(7)所示:
T=M+Kσ (7)
其中,K与融合后图像信息量有关,M表示f图像水平正向梯度幅值均值,σ为f图像水平正向梯度幅值标准差。当局部梯度幅值能量低于分割门限T时,判定该像素在水平梯度方向的幅值较低,反之,判定该像素在水平梯度方向的幅值较高(像素水平负向、垂直正向和垂直负向的梯度幅值高低判定方法与上述说明相同)。
Claims (5)
1.一种双波段图像融合的红外小目标检测方法,包括以下主要步骤:
(1)设计距离因子来描述目标距离和尺寸大小对探测概率的影响,距离因子l随着距离的增加而减小,且在相同距离的情况下,目标越大,则距离因子l越大;
(2)首先采用非下采样Contourlet变换分解源图像;其次针对低频子带系数,采用系数置零的方法,针对高频子带系数,若区域能量小,则高频子带系数采用置零的方法,反之,若区域能量大,则高频子带系数采用绝对值最大法保留;再经非下采样Contourlet逆变换,获取小目标的融合图像f;
(3)对比杂波边缘,小目标在所有方向上均具有高梯度特性,先计算多向梯度幅值,再累积融合图像f的局部多向梯度幅值能量,结合各向自适应梯度阈值判定,检测小目标。
2.根据权利要求1所述的一种双波段图像融合的红外小目标检测方法,其特征在于:双波段图像融合的红外小目标检测系统的应用,方法步骤如下:
(1)分析目标及其背景在不同波段的辐射特性、传输特性、成像特性等存在差异,研究距离因子的目标特性计算方法,以突出图像真目标和假目标的差异特征;
(2)分析所采集到的不同双波段图像存在的冗余和互补信息,研究多尺度几何分析的数据融合方法,使融合后图像的杂波被抑制,目标锐度更高、轮廓更清晰;
(3)分析杂波和噪声干扰,研究多向梯度的小目标检测方法,实现小目标的高检测率。
3.根据权利要求2所述的一种双波段图像融合的红外小目标检测方法,其特征在于:所述距离因子的目标特性,该距离因子用来描述目标距离和尺寸大小对探测概率的影响,距离因子l随着距离的增加而减小,且在相同距离的情况下,目标越大,则距离因子l越大。
4.根据权利要求2所述的一种双波段图像融合的红外小目标检测方法,其特征在于:所述多尺度几何分析的数据融合,该数据融合方法首先采用非下采样Contourlet变换分解源图像;其次针对低频子带系数,采用系数置零的方法,针对高频子带系数,若区域能量小,则高频子带系数采用置零的方法,反之,若区域能量大,则高频子带系数采用绝对值最大法选取;再经非下采样Contourlet逆变换,获取小目标的融合图像f。
5.根据权利要求2所述的一种双波段图像融合的红外小目标检测方法,其特征在于:所述多向梯度的小目标检测方法,对比杂波边缘,小目标在所有方向上均具有高梯度特性,先计算多向梯度幅值,再累积融合图像f的局部多向梯度幅值能量,结合各向自适应梯度阈值判定准则,检测小目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711389069.8A CN108364277A (zh) | 2017-12-20 | 2017-12-20 | 一种双波段图像融合的红外小目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711389069.8A CN108364277A (zh) | 2017-12-20 | 2017-12-20 | 一种双波段图像融合的红外小目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108364277A true CN108364277A (zh) | 2018-08-03 |
Family
ID=63010460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711389069.8A Pending CN108364277A (zh) | 2017-12-20 | 2017-12-20 | 一种双波段图像融合的红外小目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108364277A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461171A (zh) * | 2018-09-21 | 2019-03-12 | 西安电子科技大学 | 基于多通道改进DoG滤波的红外弱小目标检测算法 |
CN109584192A (zh) * | 2018-10-19 | 2019-04-05 | 中国人民解放军海军工程大学 | 基于多光谱融合的目标特征增强方法、装置与电子设备 |
CN111161308A (zh) * | 2019-12-19 | 2020-05-15 | 上海航天控制技术研究所 | 一种基于关键点匹配的双波段融合目标提取方法 |
CN111291762A (zh) * | 2020-03-10 | 2020-06-16 | 上海航天控制技术研究所 | 一种基于多特征点差异的多波段图像融合检测方法 |
CN111612767A (zh) * | 2020-05-21 | 2020-09-01 | 西南交通大学 | 一种基于视觉的精密结构件识别方法 |
CN111667517A (zh) * | 2020-06-05 | 2020-09-15 | 北京环境特性研究所 | 基于小波包变换的红外偏振信息融合方法和装置 |
CN114155426A (zh) * | 2021-12-13 | 2022-03-08 | 中国科学院光电技术研究所 | 一种基于局部多向梯度信息融合的弱小目标检测方法 |
CN114418905A (zh) * | 2021-11-29 | 2022-04-29 | 昆明物理研究所 | 像元采样中心错位重叠排列双波段探测器图像融合算法 |
CN117314813A (zh) * | 2023-11-30 | 2023-12-29 | 奥谱天成(湖南)信息科技有限公司 | 高光谱图像波段融合方法及系统、介质 |
CN117853932A (zh) * | 2024-03-05 | 2024-04-09 | 华中科技大学 | 一种基于光电吊舱的海面目标检测方法、检测平台及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761731A (zh) * | 2014-01-02 | 2014-04-30 | 河南科技大学 | 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 |
CN103810499A (zh) * | 2014-02-25 | 2014-05-21 | 南昌航空大学 | 复杂背景下红外弱目标检测与跟踪的应用 |
-
2017
- 2017-12-20 CN CN201711389069.8A patent/CN108364277A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761731A (zh) * | 2014-01-02 | 2014-04-30 | 河南科技大学 | 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 |
CN103810499A (zh) * | 2014-02-25 | 2014-05-21 | 南昌航空大学 | 复杂背景下红外弱目标检测与跟踪的应用 |
Non-Patent Citations (3)
Title |
---|
徐胜航: "一种改进的多向梯度红外小目标检测方法", 《光学与光电技术》 * |
杨文彬等: "基于目标特性分析的红外与微光图像融合算法", 《激光与红外》 * |
黄浩: "双波段红外成像目标检测与识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461171B (zh) * | 2018-09-21 | 2021-11-09 | 西安电子科技大学 | 基于多通道改进DoG滤波的红外弱小目标检测算法 |
CN109461171A (zh) * | 2018-09-21 | 2019-03-12 | 西安电子科技大学 | 基于多通道改进DoG滤波的红外弱小目标检测算法 |
CN109584192A (zh) * | 2018-10-19 | 2019-04-05 | 中国人民解放军海军工程大学 | 基于多光谱融合的目标特征增强方法、装置与电子设备 |
CN111161308A (zh) * | 2019-12-19 | 2020-05-15 | 上海航天控制技术研究所 | 一种基于关键点匹配的双波段融合目标提取方法 |
CN111291762A (zh) * | 2020-03-10 | 2020-06-16 | 上海航天控制技术研究所 | 一种基于多特征点差异的多波段图像融合检测方法 |
CN111291762B (zh) * | 2020-03-10 | 2022-12-13 | 上海航天控制技术研究所 | 一种基于多特征点差异的多波段图像融合检测方法 |
CN111612767B (zh) * | 2020-05-21 | 2022-10-28 | 西南交通大学 | 一种基于视觉的精密结构件识别方法 |
CN111612767A (zh) * | 2020-05-21 | 2020-09-01 | 西南交通大学 | 一种基于视觉的精密结构件识别方法 |
CN111667517A (zh) * | 2020-06-05 | 2020-09-15 | 北京环境特性研究所 | 基于小波包变换的红外偏振信息融合方法和装置 |
CN114418905A (zh) * | 2021-11-29 | 2022-04-29 | 昆明物理研究所 | 像元采样中心错位重叠排列双波段探测器图像融合算法 |
CN114418905B (zh) * | 2021-11-29 | 2024-04-16 | 昆明物理研究所 | 像元采样中心错位重叠排列双波段探测器图像融合方法 |
CN114155426A (zh) * | 2021-12-13 | 2022-03-08 | 中国科学院光电技术研究所 | 一种基于局部多向梯度信息融合的弱小目标检测方法 |
CN114155426B (zh) * | 2021-12-13 | 2023-08-15 | 中国科学院光电技术研究所 | 一种基于局部多向梯度信息融合的弱小目标检测方法 |
CN117314813A (zh) * | 2023-11-30 | 2023-12-29 | 奥谱天成(湖南)信息科技有限公司 | 高光谱图像波段融合方法及系统、介质 |
CN117314813B (zh) * | 2023-11-30 | 2024-02-13 | 奥谱天成(湖南)信息科技有限公司 | 高光谱图像波段融合方法及系统、介质 |
CN117853932A (zh) * | 2024-03-05 | 2024-04-09 | 华中科技大学 | 一种基于光电吊舱的海面目标检测方法、检测平台及系统 |
CN117853932B (zh) * | 2024-03-05 | 2024-05-14 | 华中科技大学 | 一种基于光电吊舱的海面目标检测方法、检测平台及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364277A (zh) | 一种双波段图像融合的红外小目标检测方法 | |
Ma et al. | Wavelet fusion on ratio images for change detection in SAR images | |
CN102855622B (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN108389188B (zh) | 一种稀疏高光谱异常目标检测方法 | |
Nasiri et al. | Infrared small target enhancement based on variance difference | |
GB2569751A (en) | Static infrared thermal image processing-based underground pipe leakage detection method | |
CN107330857B (zh) | 一种红外图像中暗弱点目标检测方法 | |
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 | |
US10032077B1 (en) | Vehicle track identification in synthetic aperture radar images | |
CN109003277A (zh) | 一种复杂背景下红外弱小目标检测方法及装置 | |
CN110400294B (zh) | 一种红外目标探测系统及探测方法 | |
Wang et al. | Clutter-adaptive infrared small target detection in infrared maritime scenarios | |
CN104103073A (zh) | 一种红外偏振图像边缘检测方法 | |
CN108765406A (zh) | 一种基于红外遥感图像的雪山检测方法 | |
Tang et al. | Research on infrared ship detection method in sea-sky background | |
Zhao et al. | Principal curvature for infrared small target detection | |
Ma et al. | A method for infrared sea-sky condition judgment and search system: Robust target detection via PLS and CEDoG | |
Liu et al. | Temporal profile based small moving target detection algorithm in infrared image sequences | |
CN116503912B (zh) | 基于电子图囊的安检预警方法 | |
CN110232370A (zh) | 一种改进ssd模型的输电线路航拍图像金具检测方法 | |
Diao et al. | Image sequence measures for automatic target tracking | |
Zhang et al. | Infrared small dim target detection based on region proposal | |
Zhao et al. | Complex background suppression based on fusion of morphological open filter and nucleus similar pixels bilateral filter | |
CN111480180A (zh) | 用于检测和跟踪目标的方法 | |
Tian et al. | Joint spatio-temporal features and sea background prior for infrared dim and small target detection |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180803 |