CN114463365A - 红外弱小目标分割方法、设备及介质 - Google Patents
红外弱小目标分割方法、设备及介质 Download PDFInfo
- Publication number
- CN114463365A CN114463365A CN202210378525.3A CN202210378525A CN114463365A CN 114463365 A CN114463365 A CN 114463365A CN 202210378525 A CN202210378525 A CN 202210378525A CN 114463365 A CN114463365 A CN 114463365A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- infrared
- local
- point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000011218 segmentation Effects 0.000 title claims abstract description 48
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 20
- 239000000126 substance Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 17
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000003672 processing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种红外弱小目标分割方法、设备及介质，属于图像处理领域，包括步骤：S1，计算红外图像统计直方图，做直方图变换处理，滤除图像中的极值噪声点，得到预处理图像；S2，通过伪二维CFAR处理计算红外图像的局部背景均值；S3，将预处理后的红外图像按行、列两种方向减去局部背景均值得到各像素点的局部能量值，得到图像能量分布图；S4，对图像能量分布图，用滑窗来获取局部阈值以完成自适应阈值获取；S5，根据得到的局部阈值对图像进行目标分割，获得分割结果。本发明可以提高红外小弱目标检测概率、可靠性和实时性。
Description
技术领域
本发明涉及图像处理领域，更为具体的，涉及一种红外弱小目标分割方法、设备及介质。
背景技术
红外目标检测，作为红外探测系统的关键技术之一，是一种具有良好隐身性能和抗干扰能力的无源被动探测技术，已广泛应用于国防军事领域。目标分割作为目标检测的一项重要环节，强烈影响红外目标检测效果。由于红外辐射的能量在距离上衰减显著且红外目标对比度和信噪比较低，红外小目标很容易淹没在背景杂波和传感器噪声中。此外，考虑到应用场景的限制，探测系统的计算资源往往有限，同时要求算法满足实时性。如何在复杂背景中快速可靠的分割出红外弱小目标是红外目标探测工程应用中一个亟待解决的问题，该问题的解决可提高作战距离、缩短反应时间，对提高己方生存概率具有重要意义。
目前，红外目标分割方法大多还是从可见光图像处理技术发展而来，专门针对红外弱小目标的分割方法还是比较少。研究人员针对可见光的目标分割提出了很多方法，主要归为：基于边缘分割方法、基于阈值分割方法、基于图论分割方法以及近年来提出的基于神经网络的分割方法等。
鉴于红外弱小目标存在边缘模糊、形状纹理缺乏、对比度低等特点并需满足探测系统实时性的要求，工程实用的红外弱小目标检测方法研究仍然值得关注。综合方法适应性和计算量的考量，基于阈值的分割在复杂背景下的红外弱小目标检测中仍是一个重要且具有挑战性的课题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种红外弱小目标分割方法、设备及介质，提高红外小弱目标检测概率、可靠性和实时性等。
本发明的目的是通过以下方案实现的：
一种红外弱小目标分割方法，包括步骤：
S1，计算红外图像统计直方图，做直方图变换处理，滤除图像中的极值噪声点，得到预处理图像；
S2，通过伪二维CFAR处理计算红外图像的局部背景均值；
S3，将预处理后的红外图像按行、列两种方向减去局部背景均值得到各像素点的局部能量值，得到图像能量分布图；
S4，对图像能量分布图，用滑窗来获取局部阈值以完成自适应阈值获取；
S5，根据得到的局部阈值对图像进行目标分割，获得分割结果。
进一步地，在步骤S1中，所述变换处理包括线性拉伸。
进一步地，在步骤S2中，包括子步骤：先对图像进行水平方向上的类CFAR计算获取行局部背景均值，再进行竖直方向上的类CFAR计算获取列局部背景均值，所用公式为：
其中，
为
点的局部背景均值，X p /Y p 为行/列方向上以
点为中心的滑框内N个
有效像素点的灰度均值，
为水平/竖直框内第
个有效像素点的等效灰度值。
进一步地，在步骤S3中，包括子步骤：对预处理后的红外图像灰度值减去图像局部背景均值的差值取绝对值得到该点的方差，基于该方差得到图像的能量分布图，计算公式为：
其中，
为
点能量值，
为
点灰度经变换处理后的值。
进一步地，在步骤S4中，包括子步骤：用“回”字型滑窗来获取局部阈值，采用具有保护单元的矩形框内的能量均值为基础来计算矩形框内中心像素点的阈值，然后按照逐行滑动的方式得到全图各像素点的分割阈值。
进一步地，在中心像素点左右两侧取保护单元且保护单元总个数P不少于2个；左右两侧的有效像素点总个数N不少于6个。
进一步地，在像素点位置距边缘距离为M且M不足N+P的时候，不再保留保护单元，直接采用M个像素点的均值作为背景均值。
进一步地，在步骤S4中，包括子步骤：矩形框外框大小为
，内框大小为
，在像素点位于图像边缘时，不再设置保护单元，直接采用
大小的矩形框内所有像
素点的均值为依据计算框中心点阈值，所用公式为：
其中，
为
点的分割阈值，
为“回”字型滑窗内的第
个像素点的能量值，N为
滑窗内有效像素点的总个数，
为常系数。
一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器加载时并执行如上任一项所述的方法。
一种计算机可读存储介质，在可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行如上任一项所述的方法。
本发明的有益效果包括：
本发明实施例在图像预处理模块采用伪二维CFAR方法进行噪声抑制，采用“回”字型滑窗来获取局部阈值，有助于提高红外小弱目标检测概率。
本发明实施例有效提高红外弱小目标分割可靠性，并满足工程实时性要求。针对红外图像对比度低及计算资源受限等问题，通过设计新型模板及处理方式，有效剔除噪点影响并排除背景计算中目标带来的干扰，充分利用目标及其背景信息，提高目标对比度，保障目标有效分割，提高目标分割可靠性，进而提高目标检测概率。同时，基于本发明实施例设计的信号处理方法计算速度快，利于硬件的并行处理，可满足工程应用的要求。
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作简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明实施例目标分割方法流程图；
图2为本发明实施例方法中局部背景均值滑窗及其滑动方向示意图；
图3为本发明实施例方法中局部阈值滑窗及其滑动方向示意图；
图4为本发明实施例方法中目标与其分割二值化结果示意图；其中，图4中的（a）为包含弱小目标的红外图像，图4中的（b）为分割结果二值化图像；
CFAR是恒定虚警概率下的检测器，用于目标检测；伪二维CFAR处理为自定义术语，指先后进行行与列方向的类CFAR计算的处理方法，用来计算背景均值。
具体实施方式
本说明书中所有实施例公开的所有特征，或隐含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和/或扩展、替换。
下面根据附图1~图4，对本发明的技术构思、解决的技术问题、工作原理、工作过程和有益效果作进一步详细、充分地说明。
本发明实施例提出的一种红外弱小目标分割方法，旨在有效提高红外弱小目标分割可靠性并满足工程实时性要求。针对红外图像对比度低及计算资源受限等问题，通过设计新型模板及处理方式，有效剔除极值噪点影响并排除背景计算中目标带来的干扰，充分利用目标及其背景信息，提高目标对比度，保障目标有效分割，提高目标分割可靠性，进而提高目标检测概率。同时，基于本发明实施例设计的信号处理方法计算速度快，利于硬件的并行处理，可满足工程应用的要求。
在具体的实施方式中，本发明实施例的红外弱小目标分割方法流程如图1所示，首先进行直方图变换归一化图像并滤除设备等偶然因素产生的坏点，然后采用伪二维CFAR计算红外图像局部背景均值后得到图像能量分布图，并“回”字型滑窗来获取局部阈值，增强小弱目标的信噪比；然后根据阈值区分前景与背景。结合附图，本发明实施例具体实施过程如下：
1、直方图变换处理。统计图像灰度直方图，剔除灰度值排名前1%的点和灰度值排名后5%的点后进行线性拉伸，将不同场景图像统一到同一处理范围，同时可排除成像设备带来的坏点。其中灰度值低的点对图像分割影响较小，可适当提高剔除比例。
2、伪二维CFAR法局部背景均值计算。采用固定长度一维滑窗从行列两个维度计算背景均值，首先对图像进行水平方向上的类CFAR计算获取行局部背景均值，在此基础上再进行竖直方向上的类CFAR计算获取列局部背景均值计算。其中，中心像素点左右两侧取保护单元（不参加计算的点）且保护单元总个数P不少于2个；左右两侧的有效像素点（即影响中心像素点背景均值的像素点）总个数N不少于6个。在像素点位置距边缘距离为M且M不足N +P的时候，有多种处理方法，可采用不再保留保护单元，直接采用M个像素点的均值作为背景均值。该方法有利于在硬件中的并行实现，可有效缩短计算时间；同时排除了极值点或坏点的影响，能更真实反映该像素点背景均值。方法示意图2所示，所用公式为：
其中，
为
点的局部背景均值，X p 为行方向上以
点为中心的滑框内N个有效像
素点的灰度均值，
为框内第
个有效像素点的等效灰度值，Y p 为列方向上以
点为中心的
滑框内N个有效像素点的灰度均值，
为框内第
个有效像素点的等效灰度值。
3、计算图像能量分布图。将经过直方图变换处理后的红外图像灰度值减去伪二维CFAR法局部背景均值计算方法得到的图像局部背景均值，并对得到的各像素点上的差值取绝对值得到该点的方差，即为该点的能量，从而得到图像的能量分布。计算公式为：
其中，
为
点能量值，
为
点灰度经拉伸后的值。
4、“回”字型滑窗计算局部阈值。采用具有保护单元的矩形框即“回”型框内的能量
均值为基础来计算矩形框内中心像素点的阈值，然后按照逐行滑动的方式得到全图各像素
点的分割阈值。“回”字窗的选取，可降低目标强度对背景计算的影响，使背景能量值更接近
真实结果，并利于提高目标信噪比，从而提高弱小目标区分度。其中，矩形框外框大小为
，内框大小为
，在像素点位于图像边缘时有多种处理手段，可不再设置保护单
元，直接采用
大小的矩形框内所有像素点的均值为依据计算框中心点阈值。方法示
意图3所示，所用公式为：
其中，
为
点的分割阈值，
为滑窗内的第
个像素点的能量值，N为滑窗内有
效像素点的总个数；
为常系数，需人工确定，且全图统一不随滑窗位置而变化。
5、分割图像。逐像素点判别该点能量值是否大于能量阈值，若大于即认为该点为前景，否则为背景，效果图如图4所示，其中，图4中的（a）图像为云背景下的红外图像，相对背景，目标在尺度、对比度、信噪比等方面均较小，属于弱小目标；图4中的（b）为对图4中的（a）图像进行目标分割处理并二值化后的结果，图中亮区为分割得到的目标，暗区为背景区域。
本发明实施例提供的一种红外弱小目标分割方法，包括直方图变换、伪二维CFAR处理、能量分布图获取、“回”字型滑窗处理等处理手段分割图像。在实际应用过程中，具体提出了一种伪二维CFAR方法来获得局部背景均值，通过剔除背景噪声实现噪声抑制，增加目标信噪比的效果。在计算得到的图像能量分布图的基础上，通过“回”字型滑窗处理得到各像素点能量阈值，可提高弱小目标区分度，进而提高红外弱小目标图像分割的检测率与可靠性。
实施例1：一种红外弱小目标分割方法，包括步骤：
S1，计算红外图像统计直方图，做直方图变换处理，滤除图像中的极值噪声点，得到预处理图像；
S2，通过伪二维CFAR处理计算红外图像的局部背景均值，降低目标和噪声对背景均值的干扰；
S3，将预处理后的红外图像按行、列两种方向减去局部背景均值得到各像素点的局部能量值，得到图像能量分布图，增强目标的信噪比；
S4，对图像能量分布图，用“回”字型滑窗来获取局部阈值以完成自适应阈值获取，可有效保护弱小目标不被杂波淹没；
S5，根据得到的局部阈值对图像进行目标分割，获得分割结果。
实施例2：在实施例1的基础上，在步骤S1中，所述变换处理包括线性拉伸。
实施例3：在实施例1的基础上，在步骤S2中，包括子步骤：先对图像进行水平方向上的类CFAR计算获取行局部背景均值，再进行竖直方向上的类CFAR计算获取列局部背景均值，所用公式为：
其中，
为
点的局部背景均值，X p /Y p 为行/列方向上以
点为中心的滑框内N个
有效像素点的灰度均值，
为水平/竖直框内第
个有效像素点的等效灰度值。
实施例4：在实施例1的基础上，在步骤S3中，包括子步骤：对预处理后的红外图像灰度值减去图像局部背景均值的差值取绝对值得到该点的方差，基于该方差得到图像的能量分布图，计算公式为：
其中，
为
点能量值，
为
点灰度经变换处理后的值。
实施例5：在实施例1的基础上，在步骤S4中，包括子步骤：用“回”字型滑窗来获取局部阈值，采用具有保护单元的矩形框内的能量均值为基础来计算矩形框内中心像素点的阈值，然后按照逐行滑动的方式得到全图各像素点的分割阈值。
实施例6：在实施例3的基础上，在中心像素点左右两侧取保护单元且保护单元总个数P不少于2个；左右两侧的有效像素点总个数N不少于6个。
实施例7：在实施例3的基础上，在像素点位置距边缘距离为M且M不足N+P的时候，不再保留保护单元，直接采用M个像素点的均值作为背景均值。
实施例8：在实施例5的基础上，在步骤S4中，包括子步骤：矩形框外框大小为
，内框大小为
，在像素点位于图像边缘时，不再设置保护单元，直接采用
大小的矩形框内所有像素点的均值为依据计算框中心点阈值，所用公式为：
其中，
为
点的分割阈值，
为“回”字型滑窗内的第
个像素点的能量值，N为
滑窗内有效像素点的总个数，
为常系数。
实施例9：一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器加载时并执行如实施例1~实施例8任一项所述的方法。
实施例10：一种计算机可读存储介质，在可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行如实施例1~实施例8任一项述的方法。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。
除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种红外弱小目标分割方法，其特征在于，包括步骤：
S1，计算红外图像统计直方图，做直方图变换处理，滤除图像中的极值噪声点，得到预处理图像；
S2，通过伪二维CFAR处理计算红外图像的局部背景均值；
S3，将预处理后的红外图像按行、列两种方向减去局部背景均值得到各像素点的局部能量值，得到图像能量分布图；
S4，对图像能量分布图，用滑窗来获取局部阈值以完成自适应阈值获取；
S5，根据得到的局部阈值对图像进行目标分割，获得分割结果。
2.根据权利要求1所述的红外弱小目标分割方法，其特征在于，在步骤S1中，所述变换处理包括线性拉伸。
3.根据权利要求1所述的红外弱小目标分割方法，其特征在于，在步骤S2中，包括子步骤：先对图像进行水平方向上的类CFAR计算获取行局部背景均值，再进行竖直方向上的类CFAR计算来获取列局部背景均值，所用公式为：
其中，
为
点的局部背景均值，X p /Y p 为行/列方向上以
点为中心的滑框内N个有效
像素点的灰度均值，
为水平/竖直框内第
个有效像素点的等效灰度值。
4.根据权利要求1所述的红外弱小目标分割方法，其特征在于，在步骤S3中，包括子步骤：对预处理后的红外图像灰度值减去图像局部背景均值的差值取绝对值得到该点的方差，基于该方差得到图像的能量分布图，计算公式为：
其中，
为
点能量值，
为
点灰度经变换处理后的值。
5.根据权利要求1所述的红外弱小目标分割方法，其特征在于，在步骤S4中，包括子步骤：用“回”字型滑窗来获取局部阈值，采用具有保护单元的矩形框内的能量均值为基础来计算矩形框内中心像素点的阈值，然后按照逐行滑动的方式得到全图各像素点的分割阈值。
6.根据权利要求3所述的红外弱小目标分割方法，其特征在于，在中心像素点左右两侧取保护单元且保护单元总个数P不少于2个；左右两侧的有效像素点总个数N不少于6个。
7.根据权利要求3所述的红外弱小目标分割方法，其特征在于，在像素点位置距边缘距离为M且M不足N+P的时候，不再保留保护单元，直接采用M个像素点的均值作为背景均值。
8.根据权利要求5所述的红外弱小目标分割方法，其特征在于，在步骤S4中，包括子步
骤：矩形框外框大小为
，内框大小为
，在像素点位于图像边缘时，不再设置保
护单元，直接采用
大小的矩形框内所有像素点的均值为依据计算框中心点阈值，所
用公式为：
其中，
为
点的分割阈值，
为“回”字型滑窗内的第
个像素点的能量值，N为滑窗
内有效像素点的总个数，
为常系数。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器加载并执行如权利要求1~8任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，在可读存储介质中存储有计算机程序，所述计算机程序被处理器加载并执行如权利要求1~8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210378525.3A CN114463365B (zh) | 2022-04-12 | 2022-04-12 | 红外弱小目标分割方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210378525.3A CN114463365B (zh) | 2022-04-12 | 2022-04-12 | 红外弱小目标分割方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114463365A true CN114463365A (zh) | 2022-05-10 |
| CN114463365B CN114463365B (zh) | 2022-06-24 |
Family
ID=81417170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210378525.3A Active CN114463365B (zh) | 2022-04-12 | 2022-04-12 | 红外弱小目标分割方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114463365B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1484193A (zh) * | 2003-07-03 | 2004-03-24 | 上海交通大学 | 低信噪比红外图像序列中点目标的多帧模糊检测方法 |
| CN1731217A (zh) * | 2005-08-18 | 2006-02-08 | 上海交通大学 | 红外大视场环境下的多小目标实时检测方法 |
| US20080319317A1 (en) * | 2006-03-31 | 2008-12-25 | Naohisa Kamiyama | Ultrasonic diagnostic apparatus and method of controlling the same |
| CN101604383A (zh) * | 2009-07-24 | 2009-12-16 | 哈尔滨工业大学 | 一种基于红外图像的海上目标检测方法 |
| CN106019391A (zh) * | 2016-06-15 | 2016-10-12 | 中国人民解放军第四军医大学 | 一种基于全向生物雷达的二维ca-cfar人体随机体动的检测方法 |
| CN107025654A (zh) * | 2016-02-01 | 2017-08-08 | 南京理工大学 | 基于全局迭代检查的sar图像自适应船只检测方法 |
| CN107256560A (zh) * | 2017-05-16 | 2017-10-17 | 北京环境特性研究所 | 一种红外弱小目标检测方法及其系统 |
| CN108508439A (zh) * | 2018-05-01 | 2018-09-07 | 南京理工大学 | 双机载sar对目标协同成像立体定位的方法 |
| US20190197344A1 (en) * | 2016-08-03 | 2019-06-27 | Jiangsu University | Saliency-based method for extracting road target from night vision infrared image |
| CN111666944A (zh) * | 2020-04-27 | 2020-09-15 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种红外弱小目标检测方法及装置 |
| EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
| CN112288778A (zh) * | 2020-10-29 | 2021-01-29 | 电子科技大学 | 一种基于多帧回归深度网络的红外小目标检测方法 |
| CN112435249A (zh) * | 2020-11-30 | 2021-03-02 | 天津津航技术物理研究所 | 一种基于周扫红外搜索系统的动态小目标检测方法 |
| CN112541486A (zh) * | 2020-12-31 | 2021-03-23 | 洛阳伟信电子科技有限公司 | 基于改进Pixel分割的红外弱小目标检测算法 |
| CN112906564A (zh) * | 2021-02-19 | 2021-06-04 | 中国人民解放军火箭军工程大学 | 用于无人机载sar图像自动目标识别的智能决策支持系统设计及实现方法 |
| CN113674308A (zh) * | 2021-05-06 | 2021-11-19 | 西安电子科技大学 | 基于图像增强与多重检测的sar图像舰船目标快速检测方法 |
| CN113935984A (zh) * | 2021-11-01 | 2022-01-14 | 中国电子科技集团公司第三十八研究所 | 多特征融合的复杂背景中红外弱小目标检测方法及系统 |
| CN114265015A (zh) * | 2021-12-26 | 2022-04-01 | 中国电子科技集团公司第十四研究所 | 一种基于杂波特性感知的精细化雷达检测方法 |
-
2022
- 2022-04-12 CN CN202210378525.3A patent/CN114463365B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1484193A (zh) * | 2003-07-03 | 2004-03-24 | 上海交通大学 | 低信噪比红外图像序列中点目标的多帧模糊检测方法 |
| CN1731217A (zh) * | 2005-08-18 | 2006-02-08 | 上海交通大学 | 红外大视场环境下的多小目标实时检测方法 |
| US20080319317A1 (en) * | 2006-03-31 | 2008-12-25 | Naohisa Kamiyama | Ultrasonic diagnostic apparatus and method of controlling the same |
| CN101604383A (zh) * | 2009-07-24 | 2009-12-16 | 哈尔滨工业大学 | 一种基于红外图像的海上目标检测方法 |
| CN107025654A (zh) * | 2016-02-01 | 2017-08-08 | 南京理工大学 | 基于全局迭代检查的sar图像自适应船只检测方法 |
| CN106019391A (zh) * | 2016-06-15 | 2016-10-12 | 中国人民解放军第四军医大学 | 一种基于全向生物雷达的二维ca-cfar人体随机体动的检测方法 |
| US20190197344A1 (en) * | 2016-08-03 | 2019-06-27 | Jiangsu University | Saliency-based method for extracting road target from night vision infrared image |
| CN107256560A (zh) * | 2017-05-16 | 2017-10-17 | 北京环境特性研究所 | 一种红外弱小目标检测方法及其系统 |
| CN108508439A (zh) * | 2018-05-01 | 2018-09-07 | 南京理工大学 | 双机载sar对目标协同成像立体定位的方法 |
| EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
| CN111666944A (zh) * | 2020-04-27 | 2020-09-15 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种红外弱小目标检测方法及装置 |
| CN112288778A (zh) * | 2020-10-29 | 2021-01-29 | 电子科技大学 | 一种基于多帧回归深度网络的红外小目标检测方法 |
| CN112435249A (zh) * | 2020-11-30 | 2021-03-02 | 天津津航技术物理研究所 | 一种基于周扫红外搜索系统的动态小目标检测方法 |
| CN112541486A (zh) * | 2020-12-31 | 2021-03-23 | 洛阳伟信电子科技有限公司 | 基于改进Pixel分割的红外弱小目标检测算法 |
| CN112906564A (zh) * | 2021-02-19 | 2021-06-04 | 中国人民解放军火箭军工程大学 | 用于无人机载sar图像自动目标识别的智能决策支持系统设计及实现方法 |
| CN113674308A (zh) * | 2021-05-06 | 2021-11-19 | 西安电子科技大学 | 基于图像增强与多重检测的sar图像舰船目标快速检测方法 |
| CN113935984A (zh) * | 2021-11-01 | 2022-01-14 | 中国电子科技集团公司第三十八研究所 | 多特征融合的复杂背景中红外弱小目标检测方法及系统 |
| CN114265015A (zh) * | 2021-12-26 | 2022-04-01 | 中国电子科技集团公司第十四研究所 | 一种基于杂波特性感知的精细化雷达检测方法 |
Non-Patent Citations (8)
| Title |
|---|
| FEI XIAO-LIANG等: "Constant False Alarm Rate Algorithm for the Dim-small Target Detection Based on the Distribution Characteristics of Target Coordinates", 《PROCEEDINGS OF SPIE》 * |
| OMAR BENAHMED DAHO等: "USING CFAR ALGORITHM TO FURTHER IMPROVE A COMBINED THROUGH-WALL IMAGING METHOD", 《ISSN》 * |
| 周文涛等: "嵌入式海底管线检测系统设计与实现", 《计算机与数字工程》 * |
| 孙宾宾等: "基于LFMCW雷达多目标检测的CA-CFAR改进算法", 《激光与光电子学进展》 * |
| 梁建: "高频地波雷达目标二维CFAR检测及软件实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王彦华等: "基于级联CFAR的SAR图像目标快速检测方法", 《现代雷达》 * |
| 谢春思等: "基于改进二维CFAR参考滑窗技术的目标检测研究", 《弹箭与制导学报》 * |
| 韩婷婷: "基于高频成像声纳的水下似雷目标检测方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114463365B (zh) | 2022-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109272489B (zh) | 基于背景抑制与多尺度局部熵的红外弱小目标检测方法 | |
| CN101604383B (zh) | 一种基于红外图像的海上目标检测方法 | |
| Ai et al. | A new CFAR ship detection algorithm based on 2-D joint log-normal distribution in SAR images | |
| CN109740445B (zh) | 一种变尺寸的红外弱小目标检测方法 | |
| CN111666944B (zh) | 一种红外弱小目标检测方法及装置 | |
| CN109427055A (zh) | 基于视觉注意机制和信息熵的遥感图像海面舰船检测方法 | |
| CN110415208A (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
| CN111611907B (zh) | 一种图像增强的红外目标检测方法 | |
| CN109635723B (zh) | 一种遮挡检测方法及装置 | |
| CN108765403A (zh) | 一种多目标环境下的sar图像双参数cfar检测方法 | |
| CN111047624A (zh) | 图像弱小目标检测方法、装置、设备及存储介质 | |
| Fu et al. | Infrared sea-sky line detection utilizing self-adaptive Laplacian of Gaussian filter and visual-saliency-based probabilistic Hough transform | |
| 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 | |
| Zhang et al. | Research on the image segmentation based on improved threshold extractions | |
| CN114463365B (zh) | 红外弱小目标分割方法、设备及介质 | |
| CN112395944A (zh) | 基于加权的多尺度比差联合对比度红外小目标检测方法 | |
| CN114913211A (zh) | 气体泄漏红外成像监测方法、装置、电子设备及存储介质 | |
| CN116012659B (zh) | 一种红外目标检测方法、装置、电子设备及存储介质 | |
| CN111783656A (zh) | 一种基于统计特性预分割的自适应红外小目标检测方法 | |
| CN111767856A (zh) | 基于灰度值统计分布模型的红外小目标检测算法 | |
| CN115205227A (zh) | 一种基于变化检测的sar图像阴影区域检测方法 | |
| CN105551029A (zh) | 一种多光谱遥感图像舰船检测方法 | |
| CN115861669A (zh) | 一种基于聚类思想的红外弱小目标检测方法 | |
| CN110033474B (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
| CN108401563B (zh) | 基于多尺度均值滤波和显著性检测的红外小目标检测方法 |
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 |