CN109993744B - 一种海上逆光环境下的红外目标检测方法 - Google Patents
一种海上逆光环境下的红外目标检测方法 Download PDFInfo
- Publication number
- CN109993744B CN109993744B CN201910282323.7A CN201910282323A CN109993744B CN 109993744 B CN109993744 B CN 109993744B CN 201910282323 A CN201910282323 A CN 201910282323A CN 109993744 B CN109993744 B CN 109993744B
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- scale
- marine
- gaussian
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000010606 normalization Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 description 6
- 238000003331 infrared imaging Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种海上逆光环境下的红外目标检测方法，本发明方法通过标准差来判断海面的平滑程度；若判定为粗糙海面，则进行高斯差分预处理、高斯滤波以及步长为2的下采样操作，构造出多个尺度下的灰度高斯金字塔图；再进行高尺度“中央‑周边”差异以及应用迭代非线性归一化算子，获得灰度形态下的特征图；若判定为平滑海面，则进行Gabor滤波以及步长为2的下采样操作，构造多个尺度下的方向高斯金字塔图；再进行低尺度“中央‑周边”差异以及应用迭代非线性归一化算子得到方向形态下的特征图；最后，对特征图进行累加的尺度线性叠加操作以及应用迭代非线性归一化算子得到显著图；对显著图进行自适应二值化分割操作，得出检测结果。
Description
技术领域
本发明涉及图像处理技术领域，具体而言，尤其涉及一种海上逆光环境下的红外目标检测方法。
背景技术
近年来，海上通航环境日益复杂，海上突发事件日益增多。复杂的海上环境则是产生突发事件的主要因素。目前应用海上的硬件检测技术主要有：1)可见光成像技术；2)雷达技术；3)红外成像技术；由于红外成像技术相比可见光成像技术有着穿透烟雾能力强、可昼夜工作的优势，而相比于雷达技术具有结果简单、体积小、重量轻、分辨率高、隐蔽性好的优点，因此红外成像技术已经成为海上目标搜救的主要方法。
为保障海上人员的生命与财产安全，针对不同恶劣情况的高效目标检测算法的研究是迫在眉睫的工作与任务。目前针对于海上红外目标检测的算法层出不穷。其中，时空特性分析的方法已成为热门方法，通过分析出红外图像中目标的特征，主要以灰度、对比度、局部相似性、边缘轮廓、运动特征、纹理方向为首要考虑特征，进而分割出目标。其中，海浪，海天线，海雾以及正常环境下目标的特征较为显著，红外目标检测算法相对比较成熟，研究比较深入；逆光是海上常见的一种现象，但目前针对于红外逆光环境下仍没有可靠的检测方法。
发明内容
针对现有技术中对红外逆光环境下仍然没有可靠的检测方法的技术问题，本发明方法将传统的视觉注意力模型进行改进，提出了一种海上逆光环境下的红外目标检测方法，解决了现有技术中针对红外逆光环境下缺乏可靠检测方法的问题。
本发明采用的技术手段如下：
一种海上逆光环境下的红外目标检测方法，包括以下步骤：
步骤S1：输入一帧红外海上逆光图像并进行标准差计算，若计算结果大于阈值H，判定该图像为粗糙海面的红外海上逆光图像；若计算结果小于阈值H，判定该图像为平滑海面的红外海上逆光图像。
步骤S2：对步骤S1中判定为粗糙海面的红外海上逆光图像进行高斯差分预处理，得到目标显著性被凸显的预处理图像。
步骤S3：当步骤S1判定的图像为粗糙海面的红外海上逆光图像时，对经过步骤S2得到的预处理图像进行高斯滤波以及步长为2的下采样操作，构造出多个尺度下的灰度高斯金字塔图；当步骤S1判定的图像为平滑海面的红外海上逆光图像时，对该图像进行Gabor滤波以及步长为2的下采样操作，构造出多个尺度下的方向高斯金字塔图；
步骤S4：对步骤S3中得到的灰度高斯金字塔图进行高尺度“中央-周边”差异操作以及应用归一化算子得到灰度形态下的特征图；对步骤S3中得到的方向高斯金字塔图进行低尺度“中央-周边”差异操作以及应用迭代非线性归一化算子得到方向形态下的特征图；
步骤S5：对步骤S4得到的灰度形态下的特征图或方向形态下的特征图进行特征图累加的尺度线性叠加操作以及应用迭代非线性归一化算子，得到显著图。
步骤S6：对步骤S5得到的显著图进行自适应二值化分割操作，得出分割结果。
进一步地，所述步骤S1中的标准差计算用于评判海面的平滑程度。
进一步地，所述步骤S1中输入的一帧红外海上逆光图像为低亮度逆光环境下的红外海上图片，阈值H设置为40。
进一步地，所述步骤S2中的高斯差分预处理方法中，高斯低通滤波器的标准差分别为σl和σh，其公式如下：
其中，W表示图像宽度的像素点数。
进一步地，所述步骤S4中的高尺度“中央-周边”差异为金字塔图第五层与第八层的跨尺度相减，低尺度“中央-周边”差异为金字塔图第三层与第六层的跨尺度相减。
进一步地，所述步骤S6中的自适应二值化分割操作具体过程如下：
步骤S601：采用OTSU法得到显著图的目标点；
步骤S601：对目标点进行八连通的区域生长，保障分割面积的完整性，得出分割结果。
较现有技术相比，本发明具有以下优点：
1、传统的视觉注意力模型同时使用灰度形态和方向形态会造成更多的噪声干扰，且运行效率低；本发明利用计算标准差来判别海面为粗糙或是平滑状况，达到了对于不同海浪的逆光环境下可自动选择出合适形态的效果，从而减少了杂波干扰以及时间复杂度。
2、本发明提出了一种高斯差分预处理的方法，克服了粗糙海面的逆光环境下目标灰度值和对比度值较低，纹理不明显的问题，使目标的特征更加显著。
3、传统的视觉注意力模型采用多尺度的“中央-周边”差异操作，在进行跨尺度叠加时，会出现目标的显著性被背景或海浪噪声的显著性所掩盖的情况。本发明针对不同逆光环境下的海面选用了不同尺度的金字塔图像进行“中央-周边”差异操作，从而使目标的显著性增强，背景及海浪噪声的显著性削弱。
4、本发明采用的自适应二值化分割方法能够保证检测结果中目标面积的完整性。
基于上述理由本发明可在图像处理等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的流程示意图。
图2为本发明应用的测试图片、预处理结果、显著图、分割结果图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例
如图1所示，本发明主要针对传统的视觉注意力模型同时使用灰度形态和方向形态会造成更多的噪声干扰，且运行效率低的问题以及传统的视觉注意力模型采用多尺度的“中央-周边”差异操作，在进行跨尺度叠加时，会出现目标的显著性被背景或海浪噪声的显著性所掩盖的情况，而提供了一种基于改进的视觉注意力模型海上逆光环境下的红外目标检测方法，包括以下步骤：
步骤S1：输入图2中的(a)和(b)红外海上逆光图像并计算标准差，得到(a)图像的标准差值为52，(b)图像的标准差值为34，阈值H设置为40，(a)图像的标准差值大于阈值H，则判定(a)图像为具有粗糙海面的红外海上逆光图像，(b)图像的标准差值小于阈值H，则判定(b)图像为具有平滑海面的红外海上逆光图像。
步骤S2：对(a)图像进行高斯差分预处理，通过公式
其中，W表示图像宽度的像素点数，本实施例中(a)图像的像素点为640×512，W取值为504，由此可以得出高斯低通滤波器的标准差值分别为σl＝0.22，σh＝90.05，处理后的图像如图2(a1)所示，目标的灰度值由15提高到了240，对比度由2.3提升到了5.3，因此目标的显著性被增强。
步骤S3：对步骤S2得到的预处理图像进行高斯滤波以及步长为2的下采样操作，构造出多个尺度下的灰度高斯金字塔图；对步骤S1中判定为平滑海面的红外海上逆光图像(b)进行Gabor滤波以及步长为2的下采样操作，构造出多个尺度下的方向高斯金字塔图；
步骤S4：对步骤S3得到的灰度高斯金字塔图进行高尺度“中央-周边”差异(高尺度“中央-周边”差异为金字塔图第五层与第八层的跨尺度相减)操作以及应用迭代非线性归一化算子，得到灰度形态下的特征图。同样，对步骤S3得到的方向高斯金字塔图进行低尺度“中央-周边”差异(低尺度“中央-周边”差异为金字塔图第三层与第六层的跨尺度相减)操作以及应用迭代非线性归一化算子，得到方向形态下的特征图。
步骤S5：对步骤S4得到的灰度形态下的特征图或方向形态下的特征图进行尺度线性叠加与迭代非线性归一化操作，获得显著图，如图2(a2)以及(b2)所示。
步骤S6：对步骤S5得到的显著图进行自适应二值化分割操作；
步骤S601：采用OTSU法得到显著图的目标点；
步骤S601：对目标点进行八连通的区域生长，保障分割面积的完整性，得出分割结果；如图2(a3)以及(b3)所示。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种海上逆光环境下的红外目标检测方法，其特征在于，包括以下步骤：
步骤S1：输入一帧红外海上逆光图像并进行标准差计算，若计算结果大于阈值H，判定该图像为粗糙海面的红外海上逆光图像；若计算结果小于阈值H，判定该图像为平滑海面的红外海上逆光图像；
步骤S2：对步骤S1中判定为粗糙海面的红外海上逆光图像进行高斯差分预处理，得到目标显著性被凸显的预处理图像；
步骤S3：当步骤S1判定的图像为粗糙海面的红外海上逆光图像时，对经过步骤S2得到的预处理图像进行高斯滤波以及步长为2的下采样操作，构造出多个尺度下的灰度高斯金字塔图；当步骤S1判定的图像为平滑海面的红外海上逆光图像时，对该图像进行Gabor滤波以及步长为2的下采样操作，构造出多个尺度下的方向高斯金字塔图；
步骤S4：对步骤S3中得到的灰度高斯金字塔图进行高尺度“中央-周边”差异操作以及应用归一化算子，得到灰度形态下的特征图；对步骤S3中得到的方向高斯金字塔图进行低尺度“中央-周边”差异操作以及应用迭代非线性归一化算子，得到方向形态下的特征图；
步骤S5：对步骤S4得到的灰度形态下的特征图或方向形态下的特征图进行特征图累加的尺度线性叠加操作并且应用迭代非线性归一化算子，获得显著图；
步骤S6：对步骤S5得到的显著图进行自适应二值化分割操作，得出分割结果。
2.根据权利要求1所述的海上逆光环境下的红外目标检测方法，其特征在于，所述步骤S1中的标准差计算用于评判海面的平滑程度。
3.根据权利要求1所述的海上逆光环境下的红外目标检测方法，其特征在于，所述步骤S1中输入的一帧红外海上逆光图像为低亮度逆光环境下的红外海上图片，阈值H设置为40。
4.根据权利要求1所述的海上逆光环境下的红外目标检测方法，其特征在于，所述步骤S2中的高斯差分预处理方法中，高斯低通滤波器的标准差分别为σl和σh，其公式如下：
其中，W表示图像宽度的像素点数。
5.根据权利要求1所述的海上逆光环境下的红外目标检测方法，其特征在于，所述步骤S4中的高尺度“中央-周边”差异为金字塔图第五层与第八层的跨尺度相减，低尺度“中央-周边”差异为金字塔图第三层与第六层的跨尺度相减。
6.根据权利要求1所述的海上逆光环境下的红外目标检测方法，其特征在于，所述步骤S6中的自适应二值化分割操作具体过程如下：
步骤S601：采用OTSU法得到显著图的目标点；
步骤S601：对目标点进行八连通的区域生长，保障分割面积的完整性，得出分割结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910282323.7A CN109993744B (zh) | 2019-04-09 | 2019-04-09 | 一种海上逆光环境下的红外目标检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910282323.7A CN109993744B (zh) | 2019-04-09 | 2019-04-09 | 一种海上逆光环境下的红外目标检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109993744A CN109993744A (zh) | 2019-07-09 |
| CN109993744B true CN109993744B (zh) | 2022-09-09 |
Family
ID=67132652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910282323.7A Expired - Fee Related CN109993744B (zh) | 2019-04-09 | 2019-04-09 | 一种海上逆光环境下的红外目标检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109993744B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113610839B (zh) * | 2021-08-26 | 2024-10-01 | 北京中星天视科技有限公司 | 红外目标显著性检测方法、装置、电子设备和介质 |
| CN113705501B (zh) * | 2021-09-02 | 2024-04-26 | 浙江索思科技有限公司 | 一种基于图像识别技术的海上目标检测方法和系统 |
| CN114972730B (zh) * | 2022-04-14 | 2024-09-24 | 大连海事大学 | 一种联合多处理域的大风浪逆光环境红外目标检测方法 |
| CN116523911B (zh) * | 2023-07-03 | 2023-09-12 | 湖南融城环保科技有限公司 | 一种建筑垃圾再生骨料生产监控系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101527824A (zh) * | 2009-04-07 | 2009-09-09 | 上海海事大学 | 一种基于红外探测器的海上搜救仪 |
| WO2013102797A1 (en) * | 2012-01-06 | 2013-07-11 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting targets in maritime surveillance applications |
| CN107301420A (zh) * | 2017-06-30 | 2017-10-27 | 武汉大学 | 一种基于显著性分析的热红外影像目标探测方法 |
-
2019
- 2019-04-09 CN CN201910282323.7A patent/CN109993744B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101527824A (zh) * | 2009-04-07 | 2009-09-09 | 上海海事大学 | 一种基于红外探测器的海上搜救仪 |
| WO2013102797A1 (en) * | 2012-01-06 | 2013-07-11 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | System and method for detecting targets in maritime surveillance applications |
| CN107301420A (zh) * | 2017-06-30 | 2017-10-27 | 武汉大学 | 一种基于显著性分析的热红外影像目标探测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于视觉注意力模型的红外目标检测;靳薇等;《红外技术》;20071220(第12期);全文 * |
| 海空背景下红外弱小目标检测方法;许开宇等;《哈尔滨工程大学学报》;20090915(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109993744A (zh) | 2019-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993744B (zh) | 一种海上逆光环境下的红外目标检测方法 | |
| US11580647B1 (en) | Global and local binary pattern image crack segmentation method based on robot vision | |
| US8300949B2 (en) | Edge detection technique having improved feature visibility | |
| Guo et al. | Lightweight deep network-enabled real-time low-visibility enhancement for promoting vessel detection in maritime video surveillance | |
| Yu et al. | A new edge detection approach based on image context analysis | |
| US20120328161A1 (en) | Method and multi-scale attention system for spatiotemporal change determination and object detection | |
| CN111833366A (zh) | 一种基于Canny算法的边缘检测方法 | |
| CN107220962B (zh) | 一种隧道裂纹的图像检测方法和装置 | |
| Hua et al. | Extended guided filtering for depth map upsampling | |
| CN115797872A (zh) | 基于机器视觉的包装缺陷识别方法、系统、设备及介质 | |
| Igbinosa | Comparison of edge detection technique in image processing techniques | |
| WO2021118463A1 (en) | Defect detection in image space | |
| CN111160293A (zh) | 基于特征金字塔网络的小目标船只检测方法及系统 | |
| CN116152115B (zh) | 基于计算机视觉的垃圾图像去噪处理方法 | |
| CN112633274A (zh) | 一种声呐图像目标检测方法、装置、电子设备 | |
| CN114764801A (zh) | 基于多视觉显著特征的弱小舰船目标融合检测方法及装置 | |
| CN109829858A (zh) | 一种基于局部自适应阈值的船载雷达图像溢油监测方法 | |
| CN114359149B (zh) | 基于实时图像边缘增强的坝岸险情视频检测方法及系统 | |
| CN115034997A (zh) | 图像处理方法及装置 | |
| Hashmani et al. | A survey on edge detection based recent marine horizon line detection methods and their applications | |
| CN109658357A (zh) | 一种面向遥感卫星图像的去噪方法 | |
| CN112669332A (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
| Sudhakara et al. | An edge detection mechanism using L* A* B color-based contrast enhancement for underwater images | |
| Park et al. | Fast single image de-hazing using characteristics of RGB channel of foggy image | |
| CN111222470A (zh) | 基于多元高斯分布与PCANet的可见光遥感图像舰船检测方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220909 |