CN117095029A - 空中飞行小目标检测方法及装置 - Google Patents
空中飞行小目标检测方法及装置 Download PDFInfo
- Publication number
- CN117095029A CN117095029A CN202311061443.7A CN202311061443A CN117095029A CN 117095029 A CN117095029 A CN 117095029A CN 202311061443 A CN202311061443 A CN 202311061443A CN 117095029 A CN117095029 A CN 117095029A
- Authority
- CN
- China
- Prior art keywords
- image
- frame difference
- sequence
- target
- detected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 29
- 230000000877 morphologic effect Effects 0.000 claims abstract description 18
- 230000001629 suppression Effects 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 10
- 230000002123 temporal effect Effects 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 7
- 230000005855 radiation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
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
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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 by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
Abstract
本发明提供一种空中飞行小目标检测方法,包括:获取待检测目标的红外图像,基于时间序列对红外图像进行作差,得到序列帧差图像,计算序列帧差图像的时域最大对比度图像,对时域最大对比度图像依次进行形态学处理和多方向抑制虚警处理,得到待检测目标的轨迹图像,计算序列帧差图像的每一帧帧差图像的时域对比度图像,得到序列帧差对比度图像;筛选序列帧差对比度图像的每一帧帧差对比度图像中的待检测目标的轨迹备选点;以及对待检测目标的轨迹图像和待检测目标的轨迹备选点进行交集运算,得到待检测目标的检测结果。本发明为基于时域对比度与运动轨迹约束的红外空中飞行小目标检测方法,能够广泛应用于红外搜索与跟踪系统中。
Description
技术领域
本发明涉及红外目标检测和图像处理技术领域,特别涉及一种空中飞行小目标检测方法及装置。
背景技术
近年来随着航天、遥感领域的快速发展,红外搜索与跟踪系统的搭载平台变得愈发丰富,并在安防、气象观测等领域发挥着巨大作用。这些应用中,利用红外遥感图像对海面、陆地、空中运动的船舶、汽车、无人机以及成像环境本身进行观测和异常变化的发现,成为了红外搜索与跟踪系统搭载平台的重要应用,而其中的关键技术则是对运动目标的检测与跟踪。
现有的红外搜索与跟踪系统主要用于探测一些由于运动而产生强辐射的空中小目标,这类小目标通常不具备颜色、纹理、几何等特征,同时空中卷云的红外特性作为虚警干扰也会影响对目标的检测,因此如何提高空中红外飞行小目标检测技术的精度是亟待解决的问题。
发明内容
(一)技术方案
本发明的实施例提供一种空中飞行小目标检测方法,包括:获取待检测目标的红外图像,红外图像基于时间序列进行排序;基于时间序列对红外图像进行作差,得到序列帧差图像;计算序列帧差图像的时域最大对比度图像,时域最大对比度图像为序列帧差图像在所有时刻中对比度最大的帧差图像;对时域最大对比度图像依次进行形态学处理和多方向抑制虚警处理,得到待检测目标的轨迹图像;计算序列帧差图像的每一帧帧差图像的时域对比度图像,得到序列帧差对比度图像;筛选序列帧差对比度图像的每一帧帧差对比度图像中的待检测目标的轨迹备选点;以及对待检测目标的轨迹图像和待检测目标的轨迹备选点进行交集运算,得到待检测目标的检测结果。
可选地,基于时间序列对红外图像进行作差,得到序列帧差图像包括:基于红外图像在时间序列上的排列,将当前时刻的下一时刻中一帧红外图像与当前时刻中一帧红外图像进行作差,得到帧差图像,基于时间序列对帧差图像进行排序得到序列帧差图像,当前时刻包括红外图像的所有时刻。
可选地,计算序列帧差图像的时域最大对比度图像包括:计算序列帧差图像的时域灰度值图像,基于时域灰度值图像进行计算并得到序列帧差图像的时域最大对比度图像。可选地,掺杂区域的离子掺杂浓度包括重掺结或轻掺结。
可选地,时域灰度值图像包括:时域最大灰度值图像,为序列帧差图像在所有时刻中灰度值最大的帧差图像;时域灰度均值图像,为序列帧差图像在所有时刻的灰度平均值图像。
可选地,基于时域灰度值图像进行计算并得到序列帧差图像的时域最大对比度图像包括:利用公式:Cmax=10loge(Itmax/(Itmax-Itmean))计算序列帧差图像的时域最大对比度图像,其中,Cmax代表时域最大对比度图像,Itmax代表时域最大灰度值图像,Itmean代表时域灰度均值图像。
可选地,形态学处理依次包括:利用大津法对时域最大对比度图像进行二值分割,得到第一处理图像;对第一处理图像中待检测目标的轨迹条带进行形态学孔洞填充,得到第二处理图像,形态学孔洞填充的结构元为1×1的矩形。
可选地,多方向抑制虚警处理依次包括:采用多方向条带结构元对第二处理图像进行腐蚀操作,得到第三处理图像,多方向条带结构元包括有任意方向的条带结构元,条带结构元为5×1的矩形结构元;对第三处理图像进行叠加操作,得到待检测目标的轨迹图像。
可选地,计算序列帧差图像的每一帧帧差图像的时域对比度图像包括:根据时域灰度值图像计算并得到序列帧差图像中每一帧帧差图像的时域对比度图像,计算公式为:Dtcon=10loge(Dt/(Itmax-Itmean)),其中,Dtcon为每一帧帧差图像的时域对比度,Itmax为时域最大灰度值图像,Itmean为时域灰度均值图像。
可选地,筛选序列帧差对比度图像的每一帧帧差对比度图像中的待检测目标的轨迹备选点包括:利用而大津法计算序列帧差对比度图像中每一帧帧差对比度图像的二值分割图像,并根据二值图像获得待检测目标的轨迹备选点。
本发明的实施例提供一种空中飞行小目标检测装置,包括:红外图像获取模块,用于获取待检测目标的红外图像,红外图像基于时间序列进行排序;序列帧差图像计算模块,用于基于时间序列对红外图像进行作差,得到序列帧差图像;轨迹图像计算模块,用于获取待检测目标的轨迹图像,包括计算序列帧差图像的时域最大对比度图像,时域最大对比度图像为序列帧差图像在所有时刻中对比度最大的帧差图像;对时域最大对比度图像依次进行形态学处理和多方向抑制虚警处理,得到待检测目标的轨迹图像;轨迹备选点计算模块,用于获取待检测目标的轨迹备选点,包括计算序列帧差图像的每一帧帧差图像的时域对比度图像,得到序列帧差对比度图像;筛选序列帧差对比度图像的每一帧帧差对比度图像中的待检测目标的轨迹备选点;检测模块,用于确认并获取对待检测目标的检测结果,包括对待检测目标的轨迹图像和待检测目标的轨迹备选点进行交集运算,得到待检测目标的检测结果。
(二)有益效果
本发明设计了一种空中飞行目标检测方法及装置,通过获取待检测目标红外图像的时域最大对比度图像并对其进行处理能够在降低虚警干扰的同时,获得目标飞行的完整轨迹。通过将目标飞行的轨迹与目标的轨迹备选点进行交集运算能够进一步提高目标检测的精度,避免了过高的轨迹计算复杂度。
附图说明
图1示意性地示出了本发明实施例提供的一种空中飞行小目标检测方法流程图。
图2示意性地示出了本发明实施例提供的一种空中飞行小目标检测装置图。
具体实施方式
使本发明的目的、技术方案和优点更加清楚,以下结合附图及具体实施例,对本发明作进一步的详细说明。
在此公开本发明结构实施例和方法的描述。应当了解,这并不意图将本发明限制在特定公开的实施例中,本发明可以通过使用其它特征,元件、方法和实施例来加以实施。不同实施例中的相似元件通常会标示相似的号码。
图1示意性地示出了本发明实施例提供的一种空中飞行小目标检测方法流程图,包括操作S110~S170。
在操作S110,获取待检测目标的红外图像,红外图像基于时间序列进行排序。
在操作S120,基于时间序列对红外图像进行作差,得到序列帧差图像。
本发明所提供的实施例中,基于所述红外图像在时间序列上的排列,将当前时刻的下一时刻中一帧所述红外图像与所述当前时刻中一帧所述红外图像进行作差,得到帧差图像,基于时间序列对帧差图像进行排序得到序列帧差图像,所述当前时刻包括所述红外图像的所有时刻。
本发明所提供的实施例中,序列帧差图像的计算公式为Dt+1=It+1-It,t表示当前时刻图像帧,t+1表示下一时刻图像帧,D、1分别表示计算得到的帧差图像和原始红外图像。通过前后帧图像作差,可以有效提取红外序列图像中的待检测目标运动信息。
在操作S130,计算序列帧差图像的时域最大对比度图像,时域最大对比度图像为所述序列帧差图像在所有时刻中对比度最大的帧差图像。
本发明所提供的实施例中,计算所述序列帧差图像的时域最大对比度图像包括:计算所述序列帧差图像的时域灰度值图像;以及基于所述时域灰度值图像进行计算并得到所述序列帧差图像的时域最大对比度图像。
本发明所提供的实施例中,序列帧差图像的时域灰度值图像包括时域最大灰度值图像,为所述序列帧差图像在所有时刻中灰度值最大的帧差图像,计算公式为Itmax(i,j)=maxt(Iseq(i,j)),其中,Itmax代表时域最大灰度值图像,(i,j)为像素位置,maxt(Iseq(i,j))表示对于每个像素位置沿时间t方向求取像素最大值,即求取每个像素位置在该序列时段内的最大灰度值,Iseq表示帧差序列图像。
本发明所提供的实施例中,序列帧差图像的时域灰度值图像还包括时域灰度均值图像,为所述序列帧差图像在所有时刻的灰度平均值图像。计算公式为Itmean(i,j)=meant(Iseq(i,j)),其中,Itmean代表时域灰度均值图像,(i,j)为像素位置,meant(Iseq(i,j))表示对于每个像素位置沿时间t方向求取像素平均值,即求取每个像素位置在该序列时段内的灰度平均值,Iseq表示帧差序列图像。
本发明所提供的实施例中,基于所述时域灰度值图像进行计算并得到所述序列帧差图像的时域最大对比度图像包括:利用公式:Cmax=10loge(Itmax/(Itmax-Itmean))计算所述序列帧差图像的时域最大对比度图像,其中,Cmax代表时域最大对比度图像,Itmax代表时域最大灰度值图像,Itmean代表时域灰度均值图像。通过该公式可以获取帧差序列图像在时域的最大对比度图像。由于待检测目标的高辐射特性,目标的时域对比度会很大,因此其运动轨迹会在时域最大对比度图像中表现为高亮的条带状,通过时域最大对比度图像可以明显地捕捉待检测目标的飞行轨迹。
在操作S140,对所述时域最大对比度图像进行形态学处理。
本发明所提供的实施例中,形态学处理依次包括:利用大津法对所述时域最大对比度图像进行二值分割,得到第一处理图像;对所述第一处理图像中所述待检测目标的轨迹条带进行形态学孔洞填充,得到第二处理图像,所述形态学孔洞填充的结构元为1×1的矩形。
本发明所提供的实施例中,时域最大对比度图像首先利用大津法进行二值分割,由于目标被遮挡、目标丢失等问题,其在时域最大对比度图像中的轨迹条带可能不够连续,因此将采用尺寸大小为1×1的正方形结构元,利用形态学孔洞填充对分割图像进行处理,以此将断裂的孔洞、缝隙进行填补,获得包含更加完整的轨迹形态的第二处理图像。
在操作S150,对第二处理图像进行多方向抑制虚警处理,得到所述待检测目标的轨迹图像。
本发明所提供的实施例中,所述多方向抑制虚警处理依次包括:采用多方向条带结构元对所述第二处理图像进行腐蚀操作,得到第三处理图像,所述多方向条带结构元包括有任意方向的条带结构元,所述条带结构元为5×1的矩形结构元;对所述第三处理图像进行叠加操作,得到所述待检测目标的轨迹图像。
本发明所提供的实施例中,根据目标运动方向的多样性,采用多方向条带结构元对第三处理图像进行腐蚀操作。当结构元方向与目标轨迹方向一致时,其轨迹会被保留,而与轨迹方向不一致的背景区域将被消除。因此,采用多方向条形结构元能够适应待检测目标的多样化的,同时去除背景的虚警干扰。多方向虚警抑制方法的公式为:
其中,Tfinal为最终的待检测目标的轨迹图像,Ttraj表示第二处理图像,表示将不同方向腐蚀操作后的图像叠加,d表示方向,Sd表示不同方向的条形结构元。这一步骤有效解决了背景区域中其他高辐射特性虚警源带来的干扰,在保留目标轨迹形态的同时进一步降低了虚警。
在操作S160,计算序列帧差图像的每一帧帧差图像的时域对比度图像,得到序列帧差对比度图像。
本发明所提供的实施例中,计算所述序列帧差图像的每一帧帧差图像的时域对比度图像包括:根据所述时域灰度值图像计算并得到所述序列帧差图像中每一帧帧差图像的时域对比度图像,计算公式为:
Dtcon=10loge(Dt/(Itmax-Itmean))
其中,Dtcon为每一帧帧差图像的时域对比度,Itmax为时域最大灰度值图像,Itmean为时域灰度均值图像。
在操作S170,筛选所述序列帧差对比度图像的每一帧帧差对比度图像中的所述待检测目标的轨迹备选点。
本发明所提供的实施例中,利用而大津法计算所述序列帧差对比度图像中每一帧帧差对比度图像的二值分割图像,并根据所述二值分割图像获得所述待检测目标的轨迹备选点。
在操作S180,对所述待检测目标的轨迹图像和所述待检测目标的轨迹备选点进行交集运算,得到所述待检测目标的检测结果。
本发明所提供的实施例中,提取粗筛选目标轨迹备选点与轨迹图像的交集图像Tsel∩Tfinal,Tsel代表目标备选点图像,由此获得最终的目标检测结果。利用待检测目标的运动轨迹形态约束在粗筛选备选点的基础上获得更准确的目标位置,进一步提高了对目标检测的精度,同时避免了过高的计算复杂度问题。
图2示意性地示出了本发明实施例提供的一种空中飞行小目标检测装置图。
如图2所示,该实施例的空中飞行小目标检测装置包括红外图像获取模块,可以实现操作S110,用于获取待检测目标的红外图像,所述红外图像基于时间序列进行排序。
序列帧差图像计算模块,可以实现操作S120,用于基于时间序列对所述红外图像进行作差,得到序列帧差图像。
轨迹图像计算模块,可以实现操作S130~S150,用于获取所述待检测目标的轨迹图像,包括计算所述序列帧差图像的时域最大对比度图像,所述时域最大对比度图像为所述序列帧差图像在所有时刻中对比度最大的帧差图像;对所述时域最大对比度图像依次进行形态学处理和多方向抑制虚警处理,得到所述待检测目标的轨迹图像。
轨迹备选点计算模块,可以实现操作S160~S170用于获取所述待检测目标的轨迹备选点,包括计算所述序列帧差图像的每一帧帧差图像的时域对比度图像,得到序列帧差对比度图像;筛选所述序列帧差对比度图像的每一帧帧差对比度图像中的所述待检测目标的轨迹备选点。
检测模块,可以实现操作S180,用于确认并获取对所述待检测目标的检测结果,包括对所述待检测目标的轨迹图像和所述待检测目标的轨迹备选点进行交集运算,得到所述待检测目标的检测结果。
根据本发明所提供的实施例,本发明的有益效果至少包括:
(1)通过计算序列红外图像的时域最大对比度特征,从而实现了对飞行目标的轨迹描述;采用不同方向的条带结构元对轨迹图像进行虚警抑制,提升了该检测方法对飞行目标航向多样性的一般化处理能力。
(2)通过融合基于高辐射特性的时域对比度特征与目标运动轨迹的特征,保证了时效性的同时,提升了检测方法的性能与效率。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种空中飞行小目标检测方法,其特征在于,包括:
获取待检测目标的红外图像,所述红外图像基于时间序列进行排序;
基于时间序列对所述红外图像进行作差,得到序列帧差图像;
计算所述序列帧差图像的时域最大对比度图像,所述时域最大对比度图像为所述序列帧差图像在所有时刻中对比度最大的帧差图像;
对所述时域最大对比度图像依次进行形态学处理和多方向抑制虚警处理,得到所述待检测目标的轨迹图像;
计算所述序列帧差图像的每一帧帧差图像的时域对比度图像,得到序列帧差对比度图像;
筛选所述序列帧差对比度图像的每一帧帧差对比度图像中的所述待检测目标的轨迹备选点;以及
对所述待检测目标的轨迹图像和所述待检测目标的轨迹备选点进行交集运算,得到所述待检测目标的检测结果。
2.根据权利要求1所述的检测方法,其特征在于,基于时间序列对所述红外图像进行作差,得到序列帧差图像包括:
基于所述红外图像在时间序列上的排列,将当前时刻的下一时刻中一帧所述红外图像与所述当前时刻中一帧所述红外图像进行作差,得到帧差图像,基于时间序列对帧差图像进行排序得到序列帧差图像,所述当前时刻包括所述红外图像的所有时刻。
3.根据权利要求1所述的检测方法,其特征在于,所述计算所述序列帧差图像的时域最大对比度图像包括:
计算所述序列帧差图像的时域灰度值图像;以及
基于所述时域灰度值图像进行计算并得到所述序列帧差图像的时域最大对比度图像。
4.根据权利要求3所述的检测方法,其特征在于,所述时域灰度值图像包括:
时域最大灰度值图像,为所述序列帧差图像在所有时刻中灰度值最大的帧差图像;
时域灰度均值图像,为所述序列帧差图像在所有时刻的灰度平均值图像。
5.根据权利要求3所述的检测方法,其特征在于,基于所述时域灰度值图像进行计算并得到所述序列帧差图像的时域最大对比度图像包括:
利用公式:Cmax=10loge(Itmax/(Itmax-Itmean))计算所述序列帧差图像的时域最大对比度图像,其中,Cmax代表时域最大对比度图像,Itmax代表时域最大灰度值图像,Itmean代表时域灰度均值图像。
6.根据权利要求1所述的检测方法,其特征在于,所述形态学处理依次包括:
利用大津法对所述时域最大对比度图像进行二值分割,得到第一处理图像;
对所述第一处理图像中所述待检测目标的轨迹条带进行形态学孔洞填充,得到第二处理图像,所述形态学孔洞填充的结构元为1×1的矩形。
7.根据权利要求1或6所述的检测方法,其特征在于,所述多方向抑制虚警处理依次包括:
采用多方向条带结构元对所述第二处理图像进行腐蚀操作,得到第三处理图像,所述多方向条带结构元包括有任意方向的条带结构元,所述条带结构元为5×1的矩形结构元;
对所述第三处理图像进行叠加操作,得到所述待检测目标的轨迹图像。
8.根据权利要求1或4所述的检测方法,其特征在于,计算所述序列帧差图像的每一帧帧差图像的时域对比度图像包括:
根据所述时域灰度值图像计算并得到所述序列帧差图像中每一帧帧差图像的时域对比度图像,计算公式为:
Dtcon=10loge(Dt/(Itmax-Itmean))
其中,Dtcon为每一帧帧差图像的时域对比度,Itmax为时域最大灰度值图像,Itmean为时域灰度均值图像。
9.根据权利要求1所述的检测方法,其特征在于,所述筛选所述序列帧差对比度图像的每一帧帧差对比度图像中的所述待检测目标的轨迹备选点包括:
利用而大津法计算所述序列帧差对比度图像中每一帧帧差对比度图像的二值分割图像,并根据所述二值分割图像获得所述待检测目标的轨迹备选点。
10.一种空中飞行小目标检测装置,其特征在于,包括:
红外图像获取模块,用于获取待检测目标的红外图像,所述红外图像基于时间序列进行排序;
序列帧差图像计算模块,用于基于时间序列对所述红外图像进行作差,得到序列帧差图像;
轨迹图像计算模块,用于获取所述待检测目标的轨迹图像,包括计算所述序列帧差图像的时域最大对比度图像,所述时域最大对比度图像为所述序列帧差图像在所有时刻中对比度最大的帧差图像;对所述时域最大对比度图像依次进行形态学处理和多方向抑制虚警处理,得到所述待检测目标的轨迹图像;
轨迹备选点计算模块,用于获取所述待检测目标的轨迹备选点,包括计算所述序列帧差图像的每一帧帧差图像的时域对比度图像,得到序列帧差对比度图像;筛选所述序列帧差对比度图像的每一帧帧差对比度图像中的所述待检测目标的轨迹备选点;
检测模块,用于确认并获取对所述待检测目标的检测结果,包括对所述待检测目标的轨迹图像和所述待检测目标的轨迹备选点进行交集运算,得到所述待检测目标的检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061443.7A CN117095029A (zh) | 2023-08-22 | 2023-08-22 | 空中飞行小目标检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061443.7A CN117095029A (zh) | 2023-08-22 | 2023-08-22 | 空中飞行小目标检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117095029A true CN117095029A (zh) | 2023-11-21 |
Family
ID=88782973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311061443.7A Pending CN117095029A (zh) | 2023-08-22 | 2023-08-22 | 空中飞行小目标检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117095029A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
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 |
US20120154579A1 (en) * | 2010-12-20 | 2012-06-21 | International Business Machines Corporation | Detection and Tracking of Moving Objects |
CN104299229A (zh) * | 2014-09-23 | 2015-01-21 | 西安电子科技大学 | 一种基于时空域背景抑制的红外弱小目标检测方法 |
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 |
-
2023
- 2023-08-22 CN CN202311061443.7A patent/CN117095029A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
US20120154579A1 (en) * | 2010-12-20 | 2012-06-21 | International Business Machines Corporation | Detection and Tracking of Moving Objects |
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 |
CN104299229A (zh) * | 2014-09-23 | 2015-01-21 | 西安电子科技大学 | 一种基于时空域背景抑制的红外弱小目标检测方法 |
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 |
Non-Patent Citations (2)
Title |
---|
王春歆;王学伟;张玉叶;: "基于恒星配准的空间点目标检测算法", 微计算机信息, no. 07 * |
程德杰;李晓峰;李在铭;: "基于场景运动分析的弱小目标形态学检测方法", 电子测量与仪器学报, no. 03 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734103B (zh) | 卫星视频中运动目标的检测与跟踪方法 | |
CN108445480B (zh) | 基于激光雷达的移动平台自适应扩展目标跟踪系统及方法 | |
EP2917874B1 (en) | Cloud feature detection | |
CN108509972A (zh) | 一种基于毫米波和激光雷达的障碍物特征提取方法 | |
CN111326023A (zh) | 一种无人机航线预警方法、装置、设备及存储介质 | |
EP2713308A2 (en) | Method and system for using fingerprints to track moving objects in video | |
KR101628155B1 (ko) | Ccl을 이용한 실시간 미확인 다중 동적물체 탐지 및 추적 방법 | |
CN110516621B (zh) | 无障碍行驶区域的检测方法、装置、车辆及存储介质 | |
CN111999735B (zh) | 一种基于径向速度和目标跟踪的动静目标分离方法 | |
CN111027496A (zh) | 基于空时联合局部对比度的红外弱小目标检测方法 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
CN110617802A (zh) | 一种星载动目标检测及速度估计方法 | |
CN116978009A (zh) | 基于4d毫米波雷达的动态物体滤除方法 | |
CN110703272B (zh) | 一种基于车车通信和gmphd滤波的周边目标车辆状态估计方法 | |
CN117523461B (zh) | 一种基于机载单目相机的运动目标跟踪与定位方法 | |
CN114648547A (zh) | 用于反无人机红外探测系统的弱小目标检测方法和装置 | |
CN110865394A (zh) | 一种基于激光雷达数据的目标分类系统及其数据处理方法 | |
CN111311640B (zh) | 一种基于运动估计的无人机识别跟踪方法 | |
CN115984751A (zh) | 一种基于多通道多尺度融合的孪生网络遥感目标跟踪方法 | |
CN109886132B (zh) | 一种云海背景飞机目标检测方法、装置及系统 | |
CN117095029A (zh) | 空中飞行小目标检测方法及装置 | |
CN116862832A (zh) | 一种基于三维实景模型的作业人员定位方法 | |
Lin et al. | Multi-target state-estimation technique for the particle probability hypothesis density filter | |
CN108280819B (zh) | 一种双载荷遥感图像融合方法 | |
CN109669180B (zh) | 一种连续波雷达无人机检测方法 |
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 |