CN108614998B - 一种单像素红外目标检测方法 - Google Patents

一种单像素红外目标检测方法 Download PDF

Info

Publication number
CN108614998B
CN108614998B CN201810311391.7A CN201810311391A CN108614998B CN 108614998 B CN108614998 B CN 108614998B CN 201810311391 A CN201810311391 A CN 201810311391A CN 108614998 B CN108614998 B CN 108614998B
Authority
CN
China
Prior art keywords
pixel
value
pixel point
image
threshold
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
CN201810311391.7A
Other languages
English (en)
Other versions
CN108614998A (zh
Inventor
唐林波
南京宏
邓宸伟
张增铄
赵保军
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.)
Xi'an Aisheng Information Technology Co ltd
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201810311391.7A priority Critical patent/CN108614998B/zh
Publication of CN108614998A publication Critical patent/CN108614998A/zh
Application granted granted Critical
Publication of CN108614998B publication Critical patent/CN108614998B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Abstract

本发明提供一种单像素红外目标检测方法，将所述对比度图M与差值图像B进行点乘操作，从而获取增强滤波图像H，这种高频增强方法能够对单像素红外目标进行增强，提高单像素目标与背景的对比度，进而有效降低单像素目标检测的虚警率。

Description

一种单像素红外目标检测方法
技术领域
本发明属于红外目标检测技术领域，尤其涉及一种单像素红外目标检测方法。
背景技术
随着红外成像器技术的迅速发展，红外成像系统被广泛应用在目标探测、防空预警、安全监控等军事或民用领域，具有良好的隐蔽性、较强的抗干扰性能等优点。作为红外预警等领域的一项关键技术，红外弱小目标检测是一个重要的研究方向，其难点问题在于：1)目标微弱且不存在纹理信息导致检测准确率低；2)背景噪声干扰导致检测虚警率高。上述问题对红外弱小目标精确检测带来严峻挑战。
在红外弱小目标检测领域里，主要包括三类方法：一类是基于滤波的经典方法，比如Top-hat滤波、高通滤波、匹配滤波等，该类方法易受背景干扰，产生大量虚警；一类是基于多显著图提取与融合的方法，该类方法利用图像灰度、梯度方向、变换域分析等多种特征建立多个视觉显著图，并提出显著图融合策略以实现目标提取，该类方法计算复杂度高，无法实时处理；一类是基于人类视觉系统的方法，利用目标与背景的灰度差异建立局部对比度模型，同时进行目标增强和背景抑制，利用对比度模型和自适应阈值分割策略实现红外目标检测，包括LCM、MPCM等方法。但是，上述所有方法对仅占有一个像素的红外目标均无法检测。
在红外探测或预警等系统中，旨在捕获距离尽可能远的目标。像素是红外成像器的最小成像单元，所以单像素红外目标检测具有重要意义。基于人类视觉系统的若干方法在目标检测过程中，采用中值滤波等方式对噪声进行滤除，消除噪声的同时对目标进行了平滑，导致在后续目标增强与提取过程中无法区分目标和背景，故无法实现单像素红外目标检测。因此，单像素红外目标检测的难点问题在于：1)成像器噪声或盲元灰度值高于目标像素，造成极大干扰；2)目标极微弱，信噪比极低，几乎淹没在背景中。由以上两个技术难点可知，现有的单像素红外目标检测方法虚警率较高。
发明内容
为解决上述问题，本发明提供一种单像素红外目标检测方法，能够提高单像素目标与背景的对比度，有效降低单像素目标检测的虚警率。
一种单像素红外目标检测方法，包括以下步骤：
获取红外图像的对比度图M；
获取对比度图M与其滤波图像MF各像素点的像素差值，其中，滤波图像MF为对比度图M进行高斯滤波后获取的图像；如果所述像素差值不小于1，则保留所述像素差值，如果所述像素差值小于1，则将所述像素差值替换为1，从而获取差值图像B；
将所述对比度图M与差值图像B进行点乘操作，得到增强滤波图像H，所述增强滤波图像H中像素值大于设定阈值Th的像素点，为单像素红外目标。
进一步地，所述获取红外图像的对比度图M之前，所述方法还包括：
获取原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)，如果邻域灰度比ratio(i,j)在预设范围，则保留像素点(i,j)的像素值，如果邻域灰度比ratio(i,j)不在预设范围，则将像素点(i,j)的像素值更新为以像素点(i,j)为中心进行中值滤波的结果，得到更新后的红外图像。
进一步地，所述获取原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)包括以下步骤：
分别获取像素点(i,j)的灰度值Icen、像素点(i,j)的四邻域点的平均灰度值I4以及像素点(i,j)的八邻域点的平均灰度值与四邻域点的平均灰度值的差值I8；
将像素点(i,j)的灰度值Icen的对数值与所述平均灰度值I4的对数值作差，获取第一差值；
将像素点(i,j)的灰度值Icen的对数值与所述差值I8的对数值作差，获取第二差值；
所述第一差值与第二差值的比值为原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)。
进一步地，所述预设范围为[0.35,0.65]。
进一步地，所述获取红外图像的对比度图M，具体为：
采用设定尺寸的窗口在红外图像上进行滑动，直至遍历整幅红外图像，确定像素点的辐射加权对比度R，从而获取对比度图M；其中，像素点的辐射加权对比度R的确定方法包括以下步骤：
获取窗口中心像素点与其八邻域点的对比度ck，其中k＝1,2,3,...,8；
根据所述对比度ck的最小值与窗口中心像素点的像素值，获取窗口中心像素点的局部对比度C；
根据窗口中心像素点的局部对比度C、窗口中心像素点的四邻域点中像素最小值与像素最大值的比值，获取辐射加权对比度R，具体地：
Figure BDA0001622453430000041
其中，I0为窗口中心像素点的像素值，Ik为窗口中心像素点的八邻域点的像素值，Jl为窗口中心像素点的四邻域点的像素值，l＝1,2,3,4，min为最小值，max为最大值。
进一步地，所述设定阈值Th采用如下方法进行选取：
将增强滤波图像H中的像素值按大小进行排序并去除重复值，得到排序后的无重复响应值集合S；
按照集合S中响应值从大到小的顺序，每次选取三个连续响应值进行阈值选取操作，直到确定所述设定阈值Th或者遍历集合S；如果遍历集合S后仍无法根据所述阈值选取操作确定所述设定阈值Th，则将集合S中第N大的像素值作为设定阈值Th；
其中，所述阈值选取操作为：获取三个连续响应值的相邻差值的比值r；
如果所述比值r大于设定阈值T1，则设定阈值Th为所述三个连续响应值中的最大值；
如果所述比值r小于设定阈值T2，则设定阈值Th为所述三个连续响应值中的中间值；
如果所述比值r在设定阈值T1和设定阈值T2之间，则将所述三个连续响应值的中间值作为最大值，在集合S中顺次选取三个新的连续响应值重新进行阈值选取操作。
进一步地，所述设定阈值T1为5。
进一步地，所述设定阈值T2为0.2。
有益效果：
1、本发明提供一种单像素红外目标检测方法，将所述对比度图M与差值图像B进行点乘操作，从而获取增强滤波图像H，这种高频增强方法能够对单像素红外目标进行增强，提高单像素目标与背景的对比度，进而有效降低单像素目标检测的虚警率。
2、本发明根据邻域灰度比更新红外图像，再获取更新后图像的对比图M的依据为：邻域灰度比根据像素点的灰度值、像素点的四邻域点的平均灰度值以及像素点的八邻域点的平均灰度值与四邻域点的平均灰度值的差值获得，三者之间满足一定的比例关系，而噪声点与其四邻域点、八邻域点无法满足该比例关系；也就是说，根据原始红外图像像素点的邻域灰度比是否在预设范围内，能够剔除噪声并有效保留单像素红外目标的信息。
3、本发明提供的对比度图获取方法，根据单像素红外目标与其八邻域点像素有一定对比度，在单像素红外目标检测过程中，计算单像素红外目标与八邻域背景点的局部对比度，可对单像素红外目标进行有效增强；基于单像素红外目标的辐射先验信息，可知单像素红外目标与其四邻域点的像素值的差异，小于背景点与其四邻域点的像素值的差异，则计算单像素红外目标与其四邻域点的辐射加权局部对比度，能够有效进行原始红外图像的背景抑制。
4、本发明通过统计增强滤波图像H中的像素值来获取无重复响应值集合S，并选取连续的三个响应值进行阈值选取操作，从而确定设定阈值，这种自适应的阈值确定方法适用于不同场景的目标分割，能够有效快速地提取增强后的单像素红外目标，且整个过程无需人工调整参数。
附图说明
图1为本发明提供的一种单像素红外目标检测方法的流程图；
图2为本发明提供的像素点四邻域点的示意图；
图3为本发明提供的像素点八邻域点的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
实施例一
参见图1，该图为本实施例提供的一种单像素红外目标检测方法的流程图。一种单像素红外目标检测方法，包括以下步骤：
S1：获取红外图像的对比度图M。
S2：获取对比度图M与其滤波图像MF各像素点的像素差值，其中，滤波图像MF为对比度图M进行高斯滤波后获取的图像；如果所述像素差值不小于1，则保留所述像素差值，如果所述像素差值小于1，则将所述像素差值替换为1，从而获取差值图像B。
其中，差值图像B的具体计算方法为：
B＝max{M-MF,1}
S3：将所述对比度图M与差值图像B进行点乘操作，得到增强滤波图像H，所述增强滤波图像H中像素值大于设定阈值Th的像素点，为单像素红外目标。
需要说明的是，由于单像素红外目标往往反映图像细节信息，属于对比度图M中的高频分量，则本实施例可以建立高频增强模型，即可以利用高频增强滤波方法对单像素红外目标进行进一步增强。
可选地，本实施例对对比度图M进行9×9区域的高斯滤波获取滤波图像MF，从而得到差值图像B；然后将所述对比度图M与差值图像B进行点乘操作的高频增强滤波，实现对单像素红外目标进行进一步增强。
实施例二
为了剔除噪声并有效保留单像素红外目标的信息，基于以上实施例，本实施例在获取红外图像的对比度图M之前，首先基于邻域灰度比ratio对原始红外图像进行更新，得到更新后的红外图像后，再获取对比度图M。下面详细介绍红外图像的一种更新方法，包括以下步骤：
获取原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)，如果邻域灰度比ratio(i,j)在预设范围，则保留像素点(i,j)的像素值，如果邻域灰度比ratio(i,j)不在预设范围，则将像素点(i,j)的像素值更新为以像素点(i,j)为中心进行中值滤波的结果，从而获取更新后的红外图像，再执行后续步骤。
可选地，在进行中值滤波时，采用以像素点(i,j)为中心的3×3窗口范围内的像素点进行中值滤波。
需要说明的是，通常情况下，单像素红外目标不会出现在原始红外图像的边界，则选择3×3窗口对原始红外图像进行中值滤波时，可以首先以原始红外图像第二行第二列的像素点为中心。同理可得，当选用其他尺寸的窗口对原始红外图像进行中值滤波时，对应的中心像素点如何选取，本实施例对此不作赘述。
其中，获取原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)包括以下步骤：
S001：分别获取像素点(i,j)的灰度值Icen、像素点(i,j)的四邻域点的平均灰度值I4以及像素点(i,j)的八邻域点的平均灰度值与四邻域点的平均灰度值的差值I8。
参见图2，该图为本实施例提供的像素点(i,j)的四邻域点的示意图。由图2可知，四邻域点为像素点(i,j)的上下左右四个点。
参见图3，该图为本实施例提供的像素点(i,j)的八邻域点的示意图。由图3可知，八邻域点为围绕像素点(i,j)的一周的八个点。
S002：将像素点(i,j)的灰度值Icen的对数值与所述平均灰度值I4的对数值作差，获取第一差值。
S003：将像素点(i,j)的灰度值Icen的对数值与所述差值I8的对数值作差，获取第二差值。
S004：所述第一差值与第二差值的比值为原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)。
进一步地，邻域灰度比ratio(i,j)的具体计算方式为：
Figure BDA0001622453430000081
其中，i,j分别为像素点的横坐标和纵坐标，ln为取对数。
需要说明的是，由于红外目标弥散受到多种因素影响，无法获取其准确分布关系，故利用点目标灰度的近似分布来模拟单像素红外目标的分布，具体地，点目标灰度的近似分布I(x,y)为：
Figure BDA0001622453430000082
其中，(x0,y0)是点目标成像的中心位置，σx和σy是成像器在x轴和y轴的扩散系数。由于单像素红外目标的弥散效应，像素点(i,j)的四邻域点的平均灰度值I4以及像素点(i,j)的八邻域点的平均灰度值与四邻域点的平均灰度值的差值I8满足：
Figure BDA0001622453430000091
Figure BDA0001622453430000092
结合上述两式可得：
Figure BDA0001622453430000093
即：
Figure BDA0001622453430000094
因此，在理想情况下，像素点(i,j)的灰度值Icen，像素点(i,j)的四邻域点的平均灰度值I4，像素点(i,j)的八邻域点的平均灰度值与四邻域点的平均灰度值的差值I8满足上述关系，而噪声点与其四邻域点、八邻域点无法满足该等式关系。但由于原始红外图像背景像素值不均匀，目标像素点及其周围四邻域点、八邻域点区域像素值无法满足准确的等式关系，即第一差值与与第二差值的比值正好为1/2，故将邻域灰度比ratio(i,j)的预设范围设定为[0.35,0.65]。当像素点(i,j)的邻域灰度比ratio(i,j)在预设范围[0.35,0.65]，则认为该像素点(i,j)为目标候选点。
实施例三
基于以上实施例，本实施例还可以对单像素红外目标进行进一步增强，即利用单像素红外目标与周围四邻域点的辐射加权对比度大这一性质，实现目标增强和背景抑制。下面详细介绍对比度图M的获取方法。
获取红外图像的对比度图M的方法为：
采用设定尺寸的窗口在红外图像上进行滑动，直至遍历整幅红外图像，确定像素点的辐射加权对比度R，从而获取对比度图M；其中，像素点的辐射加权对比度R的确定方法包括以下步骤：
S101：获取窗口中心像素点与其八邻域点的对比度ck，其中k＝1,2,3,...,8。具体地：
Figure BDA0001622453430000101
其中，I0为窗口中心像素点的像素值，Ik为窗口中心像素点的八邻域点的像素值。
窗口尺寸可以根据经验值确定，例如本实施例中可以依据经验将窗口的尺寸设定为3×3，单位为像素。
S102：根据所述对比度ck的最小值与窗口中心像素点的像素值，获取窗口中心像素点的局部对比度C。
需要说明的是，由于单像素红外目标的亮度高于其八邻域点的亮度，则计算单像素红外目标与其八邻域点的局部对比度，有利于对单像素红外目标进行有效增强。其中，局部对比度C的具体计算方法为：
Figure BDA0001622453430000102
进一步地，由于单像素红外目标对其四邻域点的辐射效应近似相同，而背景像素点对其周围四邻域点不具有上述规律，则在局部对比度C加入目标辐射特性约束，获取辐射加权对比度R，有利于增强单像素红外目标与背景点之间的差异性。
S103：根据窗口中心像素点的局部对比度C、窗口中心像素点的四邻域点中像素最小值与像素最大值的比值，获取辐射加权对比度R，具体地：
Figure BDA0001622453430000111
其中，Jl为窗口中心像素点的四邻域点的像素值，l＝1,2,3,4，min为最小值，max为最大值。
需要说明的是，当某像素点的辐射加权局部对比度R越大，则该像素点为单像素红外目标的概率越大。
由于对比度在人类视觉系统中具有重要作用，分析目标特性可知：单像素红外目标与背景具有一定对比度，单像素红外目标与其八邻域点像素也有一定对比度，则在单像素红外目标检测过程中，计算单像素红外目标与八邻域背景点的局部对比度，可对单像素红外目标进行有效增强；基于单像素红外目标的辐射先验信息，可知单像素红外目标与其四邻域点的像素值的差异，小于背景点与其四邻域点的像素值的差异，则计算单像素红外目标与其四邻域点的辐射加权局部对比度，能够有效进行原始红外图像的背景抑制。
实施例四
为了能够从增强滤波图像H中快速提增强后的取单像素红外目标，设定阈值Th可以根据经验值设定。除了通过经验值获取，基于以上实施例，本实施例详细介绍设定阈值Th的另一种获取方法。
所述设定阈值Th的获取方法包括以下步骤：
S301：将增强滤波图像H中的像素值按大小进行排序并去除重复值，得到排序后的无重复响应值集合S。
S302：按照集合S中响应值从大到小的顺序，每次选取三个连续响应值进行阈值选取操作，直到确定所述设定阈值Th或者遍历集合S；如果遍历集合S后仍在无法根据所述阈值选取操作确定所述设定阈值Th，则将集合S中第N大的像素值作为设定阈值Th。
其中，所述阈值选取操作为：获取三个连续响应值的相邻差值的比值r。具体地，当增强滤波图像H中的像素值从小到大进行排序时：
Figure BDA0001622453430000121
其中，st、st-1、st-2分别为集合S中的三个连续响应值，且st>st-1>st-2，t的取值范围是[1，len]，其中len为集合S的响应值个数；
当增强滤波图像H中的像素值从大到小进行排序时：
Figure BDA0001622453430000122
其中，st、st+1、st+2分别为集合S中三个连续的响应值，且st>st+1>st+2。
如果所述比值r大于设定阈值T1，则设定阈值Th为所述三个连续响应值中的最大值；可选地，所述设定阈值T1为5。
如果所述比值r小于设定阈值T2，则设定阈值Th为所述三个连续响应值中的中间值；可选地，所述设定阈值T2为0.2。
如果所述比值r在设定阈值T1和设定阈值T2之间，则将所述三个连续响应值的中间值作为最大值，在集合S中顺次选取三个新的连续响应值重新进行阈值选取操作。
例如，将增强滤波图像H中的像素值从小到大进行排序并去除重复值，从而获取响应值个数len为100的排序后的无重复响应值集合S。具体地，集合S可以表示为[s1,s2,···st···,s100]，且s1<s2<···<st<···s99<s100，t＝1,2,3,...100。则首先选取s98、s99以及s100计算比值r。具体地，
Figure BDA0001622453430000131
如果比值r大于5，则s100为设定阈值Th；如果比值r小于0.25，则s99为设定阈值Th；如果比值r在0.25与5之间，则将s99作为下一次比值r计算的最大值，重新选取s99、s98以及s97计算比值r，直到确定所述设定阈值Th或者遍历集合S；如果遍历集合S后仍在无法根据所述阈值选取操作确定所述设定阈值Th，则可以将集合S中第5大的像素值作为设定阈值Th，也就是说，s96、s97、s98、s99以及s100为单像素红外目标。
需要说明的是，本实施例关于设定阈值Th的获取方法，同样适用于集合S中的响应值从大到小进行排序的情况，本实施例对此不作赘述。
当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (6)

1.一种单像素红外目标检测方法，其特征在于，包括以下步骤：
获取红外图像的对比度图M，具体为：
采用设定尺寸的窗口在红外图像上进行滑动，直至遍历整幅红外图像，确定像素点的辐射加权对比度R，从而获取对比度图M；其中，像素点的辐射加权对比度R的确定方法包括以下步骤：
获取窗口中心像素点与其八邻域点的对比度ck，其中k＝1,2,3,...,8；
根据所述对比度ck的最小值与窗口中心像素点的像素值，获取窗口中心像素点的局部对比度C；
根据窗口中心像素点的局部对比度C、窗口中心像素点的四邻域点中像素最小值与像素最大值的比值，获取辐射加权对比度R，具体地：
Figure FDA0003148390190000011
其中，I0为窗口中心像素点的像素值，Ik为窗口中心像素点的八邻域点的像素值，Jl为窗口中心像素点的四邻域点的像素值，l＝1,2,3,4，min为最小值，max为最大值；
获取对比度图M与其滤波图像MF各像素点的像素差值，其中，滤波图像MF为对比度图M进行高斯滤波后获取的图像；如果所述像素差值不小于1，则保留所述像素差值，如果所述像素差值小于1，则将所述像素差值替换为1，从而获取差值图像B；
将所述对比度图M与差值图像B进行点乘操作，得到增强滤波图像H，所述增强滤波图像H中像素值大于设定阈值Th的像素点，为单像素红外目标；其中，所述设定阈值Th采用如下方法进行选取：
将增强滤波图像H中的像素值按大小进行排序并去除重复值，得到排序后的无重复响应值集合S；
按照集合S中响应值从大到小的顺序，每次选取三个连续响应值进行阈值选取操作，直到确定所述设定阈值Th或者遍历集合S；如果遍历集合S后仍无法根据所述阈值选取操作确定所述设定阈值Th，则将集合S中第N大的像素值作为设定阈值Th；
其中，所述阈值选取操作为：获取三个连续响应值的相邻差值的比值r；
如果所述比值r大于设定阈值T1，则设定阈值Th为所述三个连续响应值中的最大值；
如果所述比值r小于设定阈值T2，则设定阈值Th为所述三个连续响应值中的中间值；
如果所述比值r在设定阈值T1和设定阈值T2之间，则将所述三个连续响应值的中间值作为最大值，在集合S中顺次选取三个新的连续响应值重新进行阈值选取操作。
2.如权利要求1所述的一种单像素红外目标检测方法，其特征在于，所述获取红外图像的对比度图M之前，所述方法还包括：
获取原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)，如果邻域灰度比ratio(i,j)在预设范围，则保留像素点(i,j)的像素值，如果邻域灰度比ratio(i,j)不在预设范围，则将像素点(i,j)的像素值更新为以像素点(i,j)为中心进行中值滤波的结果，得到更新后的红外图像。
3.如权利要求2所述的一种单像素红外目标检测方法，其特征在于，所述获取原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)包括以下步骤：
分别获取像素点(i,j)的灰度值Icen、像素点(i,j)的四邻域点的平均灰度值I4以及像素点(i,j)的八邻域点的平均灰度值与四邻域点的平均灰度值的差值I8；
将像素点(i,j)的灰度值Icen的对数值与所述平均灰度值I4的对数值作差，获取第一差值；
将像素点(i,j)的灰度值Icen的对数值与所述差值I8的对数值作差，获取第二差值；
所述第一差值与第二差值的比值为原始红外图像像素点(i,j)的邻域灰度比ratio(i,j)。
4.如权利要求2所述的一种单像素红外目标检测方法，其特征在于，所述预设范围为[0.35,0.65]。
5.如权利要求1所述的一种单像素红外目标检测方法，其特征在于，所述设定阈值T1为5。
6.如权利要求1所述的一种单像素红外目标检测方法，其特征在于，所述设定阈值T2为0.2。
CN201810311391.7A 2018-04-09 2018-04-09 一种单像素红外目标检测方法 Active CN108614998B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810311391.7A CN108614998B (zh) 2018-04-09 2018-04-09 一种单像素红外目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810311391.7A CN108614998B (zh) 2018-04-09 2018-04-09 一种单像素红外目标检测方法

Publications (2)

Publication Number Publication Date
CN108614998A CN108614998A (zh) 2018-10-02
CN108614998B true CN108614998B (zh) 2022-03-08

Family

ID=63659821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810311391.7A Active CN108614998B (zh) 2018-04-09 2018-04-09 一种单像素红外目标检测方法

Country Status (1)

Country Link
CN (1) CN108614998B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135312B (zh) * 2019-05-06 2022-05-03 电子科技大学 一种基于分级lcm的快速小目标检测方法
CN112183436B (zh) * 2020-10-12 2023-11-07 南京工程学院 基于像素点八邻域灰度对比的高速公路能见度检测方法
CN116363390B (zh) * 2023-05-25 2023-09-19 之江实验室 一种红外弱小目标检测方法、装置、存储介质及电子设备
CN116843584B (zh) * 2023-09-01 2023-11-07 浙江鼎立实业有限公司 一种图像数据优化增强方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2923024B1 (fr) * 2007-10-26 2010-08-13 Thales Sa Procede de detection d'une cible
CN102034239B (zh) * 2010-12-07 2012-08-22 北京理工大学 一种基于局部灰度突变的红外小目标检测方法
CN107330857B (zh) * 2017-06-21 2019-07-19 中国科学院长春光学精密机械与物理研究所 一种红外图像中暗弱点目标检测方法

Also Published As

Publication number Publication date
CN108614998A (zh) 2018-10-02

Similar Documents

Publication Publication Date Title
CN108614998B (zh) 一种单像素红外目标检测方法
Liu et al. Tiny and dim infrared target detection based on weighted local contrast
CN104299229B (zh) 一种基于时空域背景抑制的红外弱小目标检测方法
CN103369209B (zh) 视频降噪装置及方法
CN108830225B (zh) 太赫兹图像中目标物体的检测方法、装置、设备及介质
CN104282003B (zh) 一种基于梯度筛选的数字模糊图像盲复原方法
CN107403134B (zh) 基于局部梯度三边的图域多尺度红外弱小目标检测方法
CN111144337B (zh) 火灾检测方法、装置及终端设备
CN113160106B (zh) 红外目标检测方法及装置、电子设备、存储介质
CN109993174B (zh) 一种基于噪声抑制的空中目标检测方法及系统
CN104796582A (zh) 基于随机喷射retinex的视频图像去噪与增强方法及装置
CN107818547B (zh) 一种面向微光图像序列中椒盐和高斯混合噪声的去除方法
CN115330653A (zh) 基于边窗滤波的多源图像融合方法
CN110751667B (zh) 基于人类视觉系统的复杂背景下红外弱小目标检测方法
CN105046670A (zh) 一种图像去雨方法及系统
CN113205494B (zh) 基于自适应尺度图像块加权差测量的红外小目标检测方法和系统
CN110706208A (zh) 一种基于张量均方最小误差的红外弱小目标检测方法
CN108876807B (zh) 一种实时星载卫星图像运动对象检测跟踪方法
CN110351453A (zh) 一种计算机视频数据处理方法
CN106778822B (zh) 基于漏斗变换的图像直线检测方法
CN111260686B (zh) 自适应余弦窗抗遮挡多特征融合的目标跟踪方法及系统
Jin et al. Single image de-haze based on a new dark channel estimation method
CN116958416A (zh) 一种三维建模方法、装置、系统以及存储介质
CN110929574A (zh) 一种红外弱小目标快速检测方法
Qin et al. A shadow removal algorithm for ViBe in HSV color space

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230823

Address after: No. A1-166, Building 4, Phase 2, Information Industry Park, No. 526 Xitai Road, High tech Zone, Xi'an City, Shaanxi Province, 710003

Patentee after: Xi'an Aisheng Information Technology Co.,Ltd.

Address before: 100081 No. 5 South Main Street, Haidian District, Beijing, Zhongguancun

Patentee before: BEIJING INSTITUTE OF TECHNOLOGY