CN108492320B - 一种基于并行处理的红外弱小目标检测方法 - Google Patents

一种基于并行处理的红外弱小目标检测方法 Download PDF

Info

Publication number
CN108492320B
CN108492320B CN201810210809.5A CN201810210809A CN108492320B CN 108492320 B CN108492320 B CN 108492320B CN 201810210809 A CN201810210809 A CN 201810210809A CN 108492320 B CN108492320 B CN 108492320B
Authority
CN
China
Prior art keywords
target
core
image
pixel
pixels
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.)
Active
Application number
CN201810210809.5A
Other languages
English (en)
Other versions
CN108492320A (zh
Inventor
孙秀峰
徐国涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Changjiu Photoelectric Technology Co ltd
Original Assignee
Sichuan Changjiu Photoelectric Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Changjiu Photoelectric Technology Co ltd filed Critical Sichuan Changjiu Photoelectric Technology Co ltd
Priority to CN201810210809.5A priority Critical patent/CN108492320B/zh
Publication of CN108492320A publication Critical patent/CN108492320A/zh
Application granted granted Critical
Publication of CN108492320B publication Critical patent/CN108492320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于并行处理的红外弱小目标检测方法，包括以下步骤：步骤一、核0获取图像信息；步骤二、核1对图像信息进行预处理得到目标图像；步骤三、核1采用3*3像素窗口对目标图像进行中值处理；步骤四、核1对中值处理后的图像进行高斯滤波，得到滤波图像；步骤五、核2求取滤波图像的均值和标准差，同时获取所有6*6像素窗口的均值和标准差；步骤六、核2自适应门限分割，根据步骤五的结果获得6*6像素窗口分割门限进行目标分割；步骤七、核3对分割目标进行连通标记；步骤八、核3对连通标记的潜在目标进行合并和剔除；步骤九、核0对结果进行确认，连续三帧检测出同一潜在目标，确认目标有效；步骤十、核0输出目标信息。

Description

一种基于并行处理的红外弱小目标检测方法
技术领域
本发明涉及于光电技术图像处理领域，尤其涉及一种基于并行处理的红外弱小目标检测方法。
背景技术
由于红外检测方法抗干扰性强，已经成为搜索与跟踪、制导、空中预警等领域的一项关键技术。对于背景复杂和信噪比低的目标场景，目标信号强度弱，在红外图像中占有的像素面积小，没有明显的形状和结构信息，难以检出有效目标。
目前红外弱小目标检测方法大多采用非流水线处理方法，检测算法只能对目标图像进行一帧一帧计算，无法实现同时处理多帧图像，对低信噪比的图像会产生很高的虚警；同时考虑到光电探测系统的实时性要求，处理的图像数据大小不能过大，限制了光电探测系统的搜索和跟踪视场。这种方法运算能力有限，对于使用的算法有很多条件限制，尤其对于信噪比不高的的目标场景，具有检测概率低和虚警率高的缺点，也难以适应高分辨率的成像CCD，无法满足大视场光电检测系统的技术要求。
发明内容
本发明所要解决的技术问题是：针对现有技术存在的上述问题，本发明提出了一种基于并行处理的红外弱小目标检测方法，采用流水线的处理方式进行目标检测，使用多核处理器进行运算，同时对多帧图像进行数据处理。该方法增强了目标检测能力，降低了图像数据大小和算法对于目标检测的限制；能够适应高分辨率的成像CCD，满足大视场光电检测系统的技术要求。
本发明提供的一种基于并行处理的红外弱小目标检测方法，包括以下步骤：
步骤一、核0获取图像信息；
步骤二、核1对图像信息进行预处理得到目标图像；
步骤三、核1采用3*3像素的窗口对目标图像进行中值处理；
步骤四、核1对中值处理后的图像进行滤波，得到滤波图像；
步骤五、核2求取滤波图像的均值和标准差，同时获取所有6*6像素窗口的均值和标准差；
步骤六、核2自适应门限分割，根据步骤五的结果获得6*6像素窗口分割门限进行目标分割；
步骤七、核3对步骤六获得的潜在目标进行连通标记；
步骤八、核3对连通标记的潜在目标进行合并和剔除；
步骤九、核0对结果进行确认，连续三帧检测出同一潜在目标，确认目标有效；
步骤十、核0输出目标信息。
进一步，步骤二中，对图像信息进行预处理获得背景值，图像信息减去背景值，获得目标图像。
进一步，背景值通过均值方法获得，对于小于均值的图像数据以均值代替。
进一步，步骤三中，中值处理的具体方法为：使用3*3像素的窗口求取中值，每一个像素点的像素用其3*3像素窗口的中值来替换。
进一步，步骤四中，用高斯模板进行滤波，选取尺寸为5*5窗口作为模板大小，模板中心的位置为当前像素位置，模板和图像对应位置做乘积求和，除以模板数值和159，获得滤波图像。
进一步，步骤五中，将每一个6*6像素窗口的均值和标准差分别与滤波图像的均值和标准差进行比较，使用较大值作为6*6像素窗口的均值和标准差。
进一步，步骤六中，把整幅图像分成6*6大小的图像，分割门限由6*6像素窗口的均值和标准差求和得到，对于无法被6整除的边界，用边界像素大小补齐，使整幅图像能够被6整除。
进一步，步骤八中，合并和剔除的具体方法为：标识一样的潜在目标合并为新的潜在目标；新的潜在目标像素个数为所有合并的潜在目标的像素和；新的潜在目标间隔不大于3*3像素的目标再次进行合并，合并后的目标像素个数为所有满足条件的新的潜在目标像素和，同时剔除像素总个数小于2的虚假目标。
进一步，步骤一中，帧频提高到3倍，光电探测系统的光轴每次移动视场大小的三分之一，所有图像信息被采集三次；采用流水线作业方式，采集完每一帧图像后，重复下面的步骤。
本发明的另一方面提供了一种多核处理器，包括核0、核1、核2和核3，该多核处理器用于实现如上所述的基于并行处理的红外弱小目标检测方法。
通过采用以上的技术方案，本发明的有益效果是：采用并行的处理方法以流水线的方式进行目标检测，使得算法的处理能力得到增强，降低了图像数据大小和算法对于目标检测的限制，使用本方法完成多帧并行处理，提高了运算效率；通过提高图像帧频对连续三次检出的目标进行确认，提高了光电探测系统的检测概率，降低了虚警率；运算能力的提高，本方法能够适应高分辨率的成像CCD，满足大视场光电检测系统的技术要求。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为与本发明的示例性实施例一致的并行处理的红外弱小目标检测流程图；
图2为与本发明的示例性实施例一致的高斯模板示意图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示，一种基于并行处理的红外弱小目标检测方法，该方法使用多核处理器进行实现，具体方法步骤为：
步骤一、核0获取图像信息。在一些实施例中，帧频提高到3倍，光电探测系统的光轴每次移动视场大小的三分之一，所有图像信息被采集三次；采用流水线作业方式，采集完每一帧图像后，重复下面的步骤。
步骤二、核1对图像信息进行预处理得到目标图像。在一些实施例中，对图像信息进行预处理获得背景值，图像信息减去背景值，获得目标图像。在一些实施例中，背景值通过均值方法获得，对于小于均值的图像数据以均值代替。
步骤三、核1采用窗口对目标图像进行中值处理。在一些实施例中，使用3*3像素的窗口求取中值，每一个像素点的像素用其3*3像素窗口的中值来替换。
使用中值处理获得像素点需要大量的运算能力，使用多核处理器和并行处理方式能够完成中值处理，中值处理具有很好的去噪能力，增强了图像的信噪比。
步骤四、核1对中值处理后的图像进行滤波，得到滤波图像。在一些实施例中，采用高斯模板进行滤波，高斯模板参见图2。选取尺寸为5*5的窗口作为模板大小，模板中心的位置为当前像素位置，模板和图像对应位置做乘积求和，除以模板数值和159，获得滤波图像。
红外弱小目标灰度分布类似于高斯分布，通过高斯模板滤波，达到边界抑制以及目标强度的目的，模板具有旋转不变性特点，降低了目标形状和结构对结果的影响，由于目标没有明显的形状和结构信息，也增加了滤波的适应性。
步骤五、核2求取滤波图像的均值和标准差，同时获取所有6*6像素窗口的均值和标准差。在一些实施例中，将每一个6*6像素窗口的均值和标准差与滤波图像的均值和标准差分别进行比较，使用较大值作为6*6像素窗口的均值和标准差。
步骤六、核2自适应门限分割，根据步骤五的结果获得6*6像素窗口分割门限进行目标分割，使用均值和标准差进行自适应门限分割得到潜在目标位置。在一些实施例中，把整幅图像分成6*6大小的图像，分割门限由6*6像素窗口的均值和标准差求和得到，对于无法被6整除的边界，用边界像素大小补齐，使整幅图像能够被6整除。
步骤七、核3对步骤六获得的潜在目标进行连通标记。通过标记，获得潜在目标标识数组，这个数组用以标识连通的潜在目标，对于没有连通的潜在目标，不需要标识。
步骤八、核3对连通标记的潜在目标进行合并和剔除。通过潜在目标标识，把连通的潜在目标合并。在一些实施例中，标识一样的潜在目标合并为新的潜在目标，新的潜在目标像素个数为所有合并的潜在目标的像素和；新的潜在目标间隔不大于3*3像素的目标再次进行合并，合并后的目标像素个数为所有满足条件的新的潜在目标像素和，同时剔除像素总个数小于2的虚假目标。
步骤九、核0对结果进行确认，通过对连续三次检出的潜在目标作为目标提出。在一些实施例中，光电探测系统的光轴每次移动视场大小的三分之一，帧频提高到3倍，相当于同一位置的像素点进行三次目标检测处理，在目标搜索时，同一个目标会出现在连续三帧图像上，得到目标结果也是一样的；对于虚假目标，连续3帧检测出同样的结果不存在的，降低了虚警率。在目标跟踪时，帧频提高到3倍，同一个目标被检测的次数也会提高到3倍，提高了系统的检测概率。
步骤十、输出目标信息。
本发明采用同时对3帧图像进行数据处理的方法进行目标检测。在进行目标检测时，光电探测系统的光轴每次移动视场大小的三分之一，帧频提高到3倍，相当于同一位置的像素点进行三次目标检测处理，提高了光电探测系统的检测概率，降低了虚警率。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (7)

1.一种基于并行处理的红外弱小目标检测方法，其特征在于，包括以下步骤：
步骤一、核0获取图像信息；
步骤二、核1对图像信息进行预处理得到目标图像；
步骤三、核1采用3*3像素的窗口对目标图像进行中值处理，中值处理的具体方法为，使用3*3像素的窗口求取中值，每一个像素点的像素用其3*3像素窗口的中值来替换；
步骤四、核1对中值处理后的图像进行滤波，得到滤波图像；
步骤五、核2求取滤波图像的均值和标准差，同时获取所有6*6像素窗口的均值和标准差，将每一个6*6像素窗口的均值和标准差分别与滤波图像的均值和标准差进行比较，使用较大值作为6*6像素窗口的均值和标准差；
步骤六、核2自适应门限分割，根据步骤五的结果获得6*6像素窗口分割门限进行目标分割，具体为，把整幅图像分成6*6大小的图像，分割门限由6*6像素窗口的均值和标准差求和得到，对于无法被6整除的边界，用边界像素大小补齐，使整幅图像能够被6整除；
步骤七、核3对步骤六获得的潜在目标进行连通标记；
步骤八、核3对连通标记的潜在目标进行合并和剔除；
步骤九、核0对结果进行确认，连续三帧检测出同一潜在目标，确认目标有效；
步骤十、核0输出目标信息。
2.根据权利要求1所述的一种基于并行处理的红外弱小目标检测方法，其特征在于，步骤二中，对图像信息进行预处理获得背景值，图像信息减去背景值，获得目标图像。
3.根据权利要求2所述的一种基于并行处理的红外弱小目标检测方法，其特征在于，背景值通过均值方法获得，对于小于均值的图像数据以均值代替。
4.根据权利要求1所述的一种基于并行处理的红外弱小目标检测方法，其特征在于，步骤四中，用高斯模板进行滤波，选取尺寸为5*5窗口作为模板大小，模板中心的位置为当前像素位置，模板和图像对应位置做乘积求和，除以模板数值和159，获得滤波图像。
5.根据权利要求1所述的一种基于并行处理的红外弱小目标检测方法，其特征在于，步骤八中，合并和剔除的具体方法为：标识一样的潜在目标合并为新的潜在目标；新的潜在目标像素个数为所有合并的潜在目标的像素和；新的潜在目标间隔不大于3*3像素的目标再次进行合并，合并后的目标像素个数为所有满足条件的新的潜在目标像素和，同时剔除像素总个数小于2的虚假目标。
6.根据权利要求1-5任一项所述的一种基于并行处理的红外弱小目标检测方法，其特征在于，步骤一中，帧频提高到3倍，光电探测系统的光轴每次移动视场大小的三分之一，所有图像信息被采集三次；采用流水线作业方式，采集完每一帧图像后，重复下面的步骤。
7.一种多核处理器，包括核0、核1、核2和核3，其特征在于，该多核处理器用于实现如权利要求1-6任一项所述的基于并行处理的红外弱小目标检测方法。
CN201810210809.5A 2018-03-14 2018-03-14 一种基于并行处理的红外弱小目标检测方法 Active CN108492320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810210809.5A CN108492320B (zh) 2018-03-14 2018-03-14 一种基于并行处理的红外弱小目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810210809.5A CN108492320B (zh) 2018-03-14 2018-03-14 一种基于并行处理的红外弱小目标检测方法

Publications (2)

Publication Number Publication Date
CN108492320A CN108492320A (zh) 2018-09-04
CN108492320B true CN108492320B (zh) 2022-04-12

Family

ID=63339281

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810210809.5A Active CN108492320B (zh) 2018-03-14 2018-03-14 一种基于并行处理的红外弱小目标检测方法

Country Status (1)

Country Link
CN (1) CN108492320B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020237644A1 (zh) * 2019-05-31 2020-12-03 深圳市晟视科技有限公司 一种基于fpga架构的实时景深合成算法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102074022A (zh) * 2011-01-10 2011-05-25 南京理工大学 一种基于红外图像的弱小运动目标检测方法
CN103729854A (zh) * 2014-01-16 2014-04-16 重庆邮电大学 一种基于张量模型的红外弱小目标检测方法
CN104345438A (zh) * 2014-10-29 2015-02-11 南京理工大学 基于电控变焦透镜的光强传输相位显微系统及其方法
CN104766079A (zh) * 2015-05-05 2015-07-08 四川九洲电器集团有限责任公司 一种远距离红外弱小目标检测方法
CN104978743A (zh) * 2015-06-12 2015-10-14 中国电子科技集团公司第三十八研究所 一种多核并行sar图像变化信息实时提取方法及装置
CN105915835A (zh) * 2016-02-05 2016-08-31 四川长虹电器股份有限公司 一种可硬件实现的帧频提升方法
CN106600613A (zh) * 2016-12-14 2017-04-26 西安电子科技大学 基于嵌入式gpu的改进lbp红外目标检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6512385B1 (en) * 1999-07-26 2003-01-28 Paul Pfaff Method for testing a device under test including the interference of two beams
CN103679134B (zh) * 2013-09-09 2016-07-13 华中科技大学 一种对海目标红外成像识别装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102074022A (zh) * 2011-01-10 2011-05-25 南京理工大学 一种基于红外图像的弱小运动目标检测方法
CN103729854A (zh) * 2014-01-16 2014-04-16 重庆邮电大学 一种基于张量模型的红外弱小目标检测方法
CN104345438A (zh) * 2014-10-29 2015-02-11 南京理工大学 基于电控变焦透镜的光强传输相位显微系统及其方法
CN104766079A (zh) * 2015-05-05 2015-07-08 四川九洲电器集团有限责任公司 一种远距离红外弱小目标检测方法
CN104978743A (zh) * 2015-06-12 2015-10-14 中国电子科技集团公司第三十八研究所 一种多核并行sar图像变化信息实时提取方法及装置
CN105915835A (zh) * 2016-02-05 2016-08-31 四川长虹电器股份有限公司 一种可硬件实现的帧频提升方法
CN106600613A (zh) * 2016-12-14 2017-04-26 西安电子科技大学 基于嵌入式gpu的改进lbp红外目标检测方法

Also Published As

Publication number Publication date
CN108492320A (zh) 2018-09-04

Similar Documents

Publication Publication Date Title
CN106296725B (zh) 运动目标实时检测与跟踪方法及目标检测装置
CN110610150B (zh) 一种目标运动物体的跟踪方法、装置、计算设备和介质
CN109559324B (zh) 一种线阵图像中的目标轮廓检测方法
JP7536023B2 (ja) イベントベースセンサからの情報を処理する方法
CN105046719B (zh) 一种视频监控方法及系统
CN111401308B (zh) 一种基于光流效应的鱼类行为视频识别方法
CN101719280B (zh) 红外弱小目标检测方法
CN111476804A (zh) 托辊图像高效分割方法、装置、设备及存储介质
CN104715250A (zh) 十字激光检测方法和装置
CN108492320B (zh) 一种基于并行处理的红外弱小目标检测方法
CN112330618B (zh) 图像偏移检测方法、设备及存储介质
CN109410137B (zh) 一种暗弱目标的探测方法
CN111353350A (zh) 一种基于组合传感器图像融和技术的火焰检测与定位方法
Jishuang et al. A multi-threshold based morphological approach for extracting coastal line feature in remote sensed images
CN112926676B (zh) 一种虚假目标识别方法、装置及计算机设备
CN112767431B (zh) 一种用于电力系统的电网目标检测方法及装置
CN114554188A (zh) 基于图像传感器像素阵列的手机摄像头检测方法及装置
Varkonyi-Koczy Fuzzy logic supported corner detection
JP4925942B2 (ja) 画像センサ
Yuanyuan et al. Infrared small dim target detection using local contrast measure weighted by reversed local diversity
CN115222775B (zh) 弱小目标检测跟踪装置及其检测跟踪方法
Bozorgpour et al. Robust homography optimization in soccer scenes
CN117495695B (zh) 基于毫米波和红外图像融合的低光照环境检测系统
Xin et al. Target detection and tracking in forward-looking infrared image sequences using multiscale morphological filters
Chu et al. An improved ViBe background subtraction method based on region motion classification

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
GR01 Patent grant
GR01 Patent grant