CN1731217A - 红外大视场环境下的多小目标实时检测方法 - Google Patents
红外大视场环境下的多小目标实时检测方法 Download PDFInfo
- Publication number
- CN1731217A CN1731217A CN 200510028883 CN200510028883A CN1731217A CN 1731217 A CN1731217 A CN 1731217A CN 200510028883 CN200510028883 CN 200510028883 CN 200510028883 A CN200510028883 A CN 200510028883A CN 1731217 A CN1731217 A CN 1731217A
- Authority
- CN
- China
- Prior art keywords
- energy
- image
- matrix
- value
- real
- 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
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种目标检测技术领域的红外大视场环境下的多小目标实时检测方法,步骤为:①根据所需处理的红外大视场的大小,确定其图像数据的分块方法;②实现背景图像数据和能量初值矩阵的初始化;③求取当前帧实时图像的能量新值矩阵;④求取当前帧实时图像对应的能量差值矩阵;⑤能量差值矩阵元素值调整;⑥获取可能存在小目标的分块图像区域;⑦可能存在小目标的相邻图像块合并;⑧获得差分图像块;⑨基于局部能量阈值的多小目标检测及相关参数获取;⑩能量初值矩阵元素值更新及外存中背景图像更新;(11)完成第k帧图像中的目标检测,令k=k+1,返回第③步循环执行。本发明实现对红外大视场环境下的各小目标对象的分割和相关参数获取,为后续的工作提供依据。
Description
技术领域
本发明涉及的是一种检测技术领域的方法,特别是一种红外大视场环境下的多小目标实时检测方法。
背景技术
作为一种纯被动的目标检测技术,红外目标检测已被广泛应用于防空预警、精确制导和卫星遥测等领域中。以防空预警为例,伴随着各种红外成像技术的发展和应用,如何充分发挥红外目标检测技术的优势,争取在最有利的时机获取来袭目标的相关信息成为了决定现代战争胜负的重要因素。于是,尽可能的增大红外目标的检测视场,提高目标的检测距离成为了各国研究人员都非常关注的议题。由于视场越大,干扰因素就越多,系统的实时性能就会受到影响;距离越远,或者军事领域中各种红外隐身技术的运用,目标在检测器件上的成像面积就会越小,检测难度也就会随之增大。显然,研究一类大视场条件下多运动小目标快速而准确的检测方法成为了一项既富挑战性,又有实际意义的工作。现已提出了多种红外小目标图像的预处理和目标检测方法,其主要思路都是将不同背景中的红外小目标理解为图像中的高频成分,进而探索不同的高通滤波方法来解决红外小目标的检测问题。从算法的实用性角度出发,空域高通滤波方法是最容易被人们接受的。
经对现有技术的文献检索发现,彭嘉雄等人在《电子学报》1999,27,(12),pp.47-51上发表的“红外背景抑制与小目标分割检测”,该文中提及空域高通滤波方法中较具代表性的一类基于5×5空域高通滤波模板的小目标增强分割方法。这种方法通过设计一个简单的5×5空域高通滤波模板并与红外小目标图像做卷积,可实现对红外图像信杂比的较大提升。由此就可方便的实现对红外小目标对象的检测了。这种方法不仅思路简单,而且实时性很好,极易在微处理器件(如DSP)上并行实现,所以在红外小目标检测领域得到了广泛的应用。但是该方法不能适用于红外大视场环境下的多小目标实时检测,由于视场太大,方法的实时性能和检测效果之间的矛盾就更加突出(比如,要对每一帧红外大视场图像做卷积计算显然是不切实际的)。在进一步的检索中,迄今为止尚未发现有红外大视场多小目标实时检测方法的报道。
发明内容
本发明的目的在于针对现有技术中存在的不足,提出一种红外大视场环境下的多小目标实时检测方法,使其综合现有的小目标检测算法,通过对红外大视场环境下的各小目标对象进行分割并求取它们的相关参数,可为后续的多目标航迹跟踪、威胁程度判定及目标识别等工作提供依据。
本发明是通过以下技术方案实现的,本发明采用一种“由粗到精”的红外小目标检测方法。首先,根据需处理的图像数据大小确定图像的分块方法,再通过求取实时大视场图像的分块图像能量矩阵,可实现在“粗”尺度上对大视场图像的区域描述。将当前帧图像的能量新值矩阵与系统内存中描述背景特性的能量初值矩阵各元素值进行比较,即可得到当前帧大视场环境下的多小目标存在区域。在这些小目标存在区域的实时图像数据与系统外存中对应的背景图像数据求差得到的差分图像块中,由3×3滑窗求取各象素位置的局部能量值并与一个根据不同红外场景下实验得到的目标区域局部能量阈值进行比较,就可在“精”尺度上实现各小目标对象的分割和相关参数获取。
本发明的红外大视场中多小目标实时检测方法的具体实现步骤如下:
①根据所需处理的红外大视场的大小,确定其图像数据的分块方法:
根据已获知的DSP系统(这里的硬件系统都一般认为是DSP系统,以下同)需处理的图像数据大小确定红外大视场图像数据的分块方法。此时,如果对原图像划分得到的分块图像象素数越少(尺度越小),分块图像能量矩阵对原始图像的描述就越精确。但矛盾的是,此时系统实时性也会受到影响。所以在系统实现时,必须根据不同的实际情况,对大视场红外图像的分块方式做出权衡,以使得各分块图像既能在“粗”尺度上对原始红外图像进行区域描述,又能满足系统运行的实时性要求。注意,此步处理必须在编制系统程序前完成。以上所述红外图像中某象素点的能量值即为该象素点的灰度值;红外图像的分块图像是指将原始红外图像在行和列方向按一定比例均匀划分,且在相邻图像块间做搭接处理(以防出现目标可能被分割到相邻两块或几块而漏检或重复检测的情形)形成的块图像;红外图像的分块图像能量矩阵是指对各分块图像求取其中能量值(灰度值)的和,并将和值按各分块图像对应的空间位置排列得到的矩阵。
②实现背景图像数据和能量初值矩阵的初始化:
将第1帧实时图像的数据读入DSP中,可得到所谓“原始背景图像”。将这些背景图像数据保存到硬件系统的外存中,就实现了对第2帧处理时需使用的背景图像的初始化;同时,求取背景图像数据的分块图像能量矩阵。将这些分块图像能量矩阵保存下来,就实现了对第2帧能量初值矩阵的初始化。
③求取当前帧实时图像的能量新值矩阵:
不失一般性,设检测系统已运行至第k,k=2,3,4,…帧,即此时DSP读取的是该第k帧的实时图像数据。同理,可求取此帧实时图像数据的分块图像能量矩阵。为区别起见,将这个分块图像能量矩阵命名为能量新值矩阵。
④求取当前帧实时图像对应的能量差值矩阵:
通过对前后帧间能量矩阵值变化情况的判定,可以估计得到目标存在的可能区域。将上一步求得的当前帧能量新值矩阵与存储空间中的能量初值矩阵求差,可得当前帧实时图象对应的能量差值矩阵A(k)。
⑤能量差值矩阵元素值调整:
为了跟踪背景灰度强度的变化趋势,可求取第k帧分块图像能量差值矩阵A(k)中每一行元素(能量值)的平均值,将其作为能量差值矩阵中每行元素值的修正项,对能量差值矩阵各元素值实施调整。实践证明这样的调整能稳健的跟踪大视场整体灰度的变化。
⑥获取可能存在小目标的分块图像区域:
将经上一步修正得到的能量差值矩阵中各元素与一个根据不同红外场景下实验得到的分块图像能量增加阈值相比较,可实现对矩阵中各元素的二值化处理。由此,可得可能存在小目标区域的二值矩阵T(k)。
⑦可能存在小目标的相邻图像块合并:
查找二值矩阵T(k)中的“1”元素,将其所对应的图像块标记为可能含有目标的图像块。此外,还需对二值矩阵T(k)中左右或上下相邻元素为“1”的部分所对应的两个或多个图像块实施合并,如此可得含有目标的扩充图像块,这样处理可以避免同一个小目标被重复分割到相邻的图像块中。
⑧获得差分图像块:
将上一步得到的可能含有目标的图像块或扩充图像块位置的实时图像数据与硬件系统外存中该位置的背景图像数据相减,即可得到减除了复杂背景和干扰的差分图像块。
⑨基于局部能量阈值的多小目标检测及相关参数获取:
在上一步得到的各差分图像块中,由3×3滑窗求取各象素点区域的局部能量值(即3×3滑窗内各象素点灰度值之和)。将这些局部能量值与一个根据不同红外场景下实验得到的目标区域局部能量阈值比较,可得小目标象素点集合。反复在此集合中遍历相互连接的象素点,并逐步删除集合中已经处理过的象素点,可实现对具有不同象素数量的小目标对象的区域生长和分割,同时可得各小目标对象的象素数量和几何中心坐标等相关参数值。
⑩能量初值矩阵元素值更新及外存中背景图像更新:
在上述第⑥步中被标记为可能存在小目标的分块图像区域,其对应的能量初值矩阵元素值和外存中对应的实时背景图像块数据将保留以供第k+1帧使用;对于未检测到可能存在目标的分块图像区域,其第k+1帧对应的能量初值矩阵元素值将由其当前第k帧求得的能量新值矩阵元素值替换,且外存中对应的实时背景图像将由当前第k帧获得的实时图像数据进行覆盖。这样的更新方法既可以最大限度的保存小目标所处背景的信息,又可以实现对最新背景信息的更新。
完成第k帧图像中的目标检测,令k=k+1,返回第③步循环执行。
通过以上各步骤,可以获取红外大视场中各运动小目标对象的位置信息、象素数量和几何中心坐标等相关参数值。由此就可以很方便地实现对这些小目标对象的航迹跟踪、威胁程度判定及目标识别等工作,这也就为实现防空预警的基本任务提供了保证。
本发明的各个步骤体现了一种“由粗到精”的多小目标检测思路。考虑到算法实时性的要求,在本发明中并没有采用复杂的变换或操作,而这也正为实际系统程序设计中尽量实现算法的并行处理提供了便利条件。例如,作为本发明中最为耗时部分的上述第③步和第⑨步在经过了算法优化,实现软件流水后,执行效率可得到大大的提高。实践证明,本发明可以很好地满足红外大视场环境下多小目标检测的实时性要求。
附图说明
图1为本发明实施例采用的系统结构示意图。
图2为本发明中分块图像的划分方法及对应的分块图像能量矩阵示意图。
图3为本发明红外大视场行方向的一半的实际图像示例(原图已被缩放数倍)
图4为真实场景中多红外小目标检测实例
具体实施方式
以下结合具体的实施例对本发明的技术方案作进一步详细描述。
本实施例所采用的成像器件为具有288像元的红外线列探测器。通过在一个以2秒/周匀速转动的旋转机构上安装相互连接、具有不同视角的6块棱镜,可得到一个象素值为1728(行)×7168(列)(即288(行)×6(条带)×7168(列))的红外大视场(每块棱镜所成图像对应大视场中的一个“条带”)。为了满足检测过程的实时性要求,将此大视场的实时图像数据按行方向平均分配到4块DSP C67中(即每块DSP C67上分别处理象素值为288(行)×6(条带)×1792(列)的大视场数据),系统结构如图1所示。由于这6个条带的图像数据是随着棱镜旋转陆续进入每块DSP C67中,且各条带数据是彼此独立的,所以它们各自的处理方法完全一样。于是,所面对的多目标实时检测问题即可被简化为如何在
秒内完成每块DSP C67上象素值为288(行)×1792(列)的红外大视场中多小目标的检测问题了。
以下是整个实施例的具体实现过程:
①根据所需处理的红外大视场的大小,确定其图像数据的分块方法。对于此处所讨论的某一条带大小为288(行)×1792(列)的红外大视场图像,可做如下分块处理:设F(i,j)是象素值为288×1792的原始红外图像上象素点(i,j)处的能量值,即灰度值。将此图像划分为10×48个象素值为36×53的分块图像(注意:行方向左右各搭接16个象素,列方向上下各搭接8个象素),分块图像的划分方法如图2所示。于是,由前面所述的红外图像的分块图像能量矩阵定义得到的10×48维分块图像能量矩阵E中元素Em,n(式中下标“m,n”分别为此矩阵中各元素的行、列坐标值,以下同)的计算公式可写为:
②实现背景图像数据和能量初值矩阵的初始化。将第1帧实时图像的6个条带数据分别读入4块DSP C67中(如图1)可得到所谓“原始背景图像”。将这些背景图像数据保留到硬件系统的外存中,即得第2帧处理时所需的实时背景图像Bi(2)(i=1,2,…6,为条带号,以下同),从而实现了外存空间中背景图像的初始化。同时,设在本检测系统投入运行时场景中没有目标出现,则可由公式(1)依次求取这6个条带各自的分块图像能量矩阵。为了便于区分,称这些矩阵为后一帧实时图像对应的能量初值矩阵,依此类推。由此,可得第2帧处理时所需的分块图像能量初值矩阵Ci(2)。
③求取当前帧实时图像的能量新值矩阵。不失一般性,设检测系统已运行至第k,k=2,3,4,…帧,且设此时某块DSP C67读取的是该帧第i,i=1,2,…6条带的实时图像数据,记为Xi(k)。分别求取这些实时图像数据的分块图像能量矩阵,可称得到的矩阵为此条带在该帧的能量新值矩阵,简记做Ni(k)。接下来,将仅就此DSP C67中该条带(其象素值为288(行)×1792(列))的实时多目标检测问题展开讨论。因为对于其它DSP C67及各帧和条带的情况,处理方法完全一样。
④求取当前帧某条带实时图像对应的能量差值矩阵。在系统实际运行中,前后帧相同位置上的背景一般是变化很小的,所以其对应的能量矩阵元素值的变化也很有限。但当具备一定信杂比的红外小目标在该条带的某些位置出现时,能量新值矩阵中该位置对应的元素值就会发生较大的提升。所以,通过对前后帧间能量矩阵值变化情况的判定,就可估计得到目标存在的可能区域。将上一步中求得的第i条带的能量新值矩阵与存储空间中此条带的能量初值矩阵做差,可得此帧中此条带的能量差值矩阵Ai(k),即Ai(k)=Ni(k)-Ci(k)。
⑤能量差值矩阵元素值调整。在实际场景中,随着检测系统运行时间的增加以及阳光强度、雨雪等因素影响,会导致整个背景的灰度强度发生缓慢的变化。为了跟踪背景灰度强度的这种变化趋势,考虑到小目标能量对于整个检测视场能量的影响毕竟是很小的,所以可求取第k帧中第i条带分块图像能量差值矩阵Ai(k)中每一行元素(能量值)的平均值,将其作为能量差值矩阵中每行元素值的修正项,即对元素值做如下调整:
实践证明上式能非常稳健的跟踪大视场整体灰度的变化。
⑥获取可能存在小目标的分块图像区域。对经第5步修正的A′i(k)中各元素实施二值化处理可得可能存在小目标区域的二值矩阵Ti(k),其中各元素值为
式中,λ1为根据不同红外场景下实验确定的满足一定信杂比原则的分块图像能量增加阈值。对于实际系统,取λ1=800即可稳健实现能量差值矩阵元素的二值化。
⑦可能存在小目标的相邻图像块合并。为了简化检测过程,查找二值矩阵Ti(k)中的“1”元素,并将其所对应的图像块标记为可能含有目标的图像块。此外,还需对二值矩阵Ti(k)中左右或上下相邻元素为“1”的部分所对应的两个或多个图像块实施合并,如此可得含有目标的扩充图像块,这样处理可以避免同一个小目标被重复分割到相邻的图像块中。
⑧获得差分图像块。将第⑦步得到的可能含有目标的图像块或扩充图像块位置的实时图像数据与硬件系统外存中该位置的背景图像数据相减,即可得到减除了复杂背景和干扰的差分图像块。由此,红外图像中小目标的信杂比可得到大幅度的提升。
⑨基于局部能量阈值的多小目标检测及相关参数获取。在此定义图像块中某象素区域的局部能量值为以该象素点为中心的3×3窗口(即8邻域)内各象素灰度值之和。由此,在上一步得到的各差分图像块中,可由3×3滑窗求取各象素点区域的局部能量值。将这些局部能量值与一个根据不同红外场景下实验得到的目标区域局部能量阈值λ2比较,即可得:小目标象素点集合S={小目标象素点坐标|差分图像块中某象素点处局部能量值≥λ2}。对于实际系统来说,取λ2=120即可稳健的实现小目标象素点检测。接下来,反复在小目标象素点集合S中遍历相互连接的象素点,并逐步删除集合中已经处理过的象素点,可实现对具有不同象素数量的红外小目标对象的区域生长和分割。由此过程可得到各小目标对象的象素数量和几何中心坐标等相关参数值。
⑩能量初值矩阵元素值更新及外存中背景图像更新。在实际的检测过程中,有限数量的小目标对于大视场环境的影响是很小的。这也就是说,大视场中绝大部分背景中是不会出现目标的。为了反映红外背景图像的最新情形以使目标检测过程得以继续,需对作为描述“粗”尺度实时背景图像特征的能量初值矩阵元素值和硬件系统外存中的实时背景图像数据进行更新,其更新方法为:
a)对第k帧中第i条带在第⑥步中被标记为可能存在小目标的分块图像区域,其对应的能量初值矩阵元素值和外存中对应的实时背景图像块数据将保留以供第k+1帧使用。其目的为最大限度的保存小目标所处背景的信息。
b)对于未检测到可能存在目标的分块图像区域,其第k+1帧中对应的能量初值矩阵元素值将由其当前第k帧求得的能量新值矩阵元素值替换;外存中对应的实时背景图像将由当前第k帧获得的实时图像数据进行覆盖。这样操作可以实现对最新背景信息的更新。
以上调整方法可表示为:
完成第k帧图像中的目标检测,令k=k+1,返回第3步循环执行。
由于篇幅所限,图3为本发明的成像器件所采大视场实时图像行方向的一半的实例(注意,图3已在原图基础上缩放了数倍),其象素值为1728(行)×3584(列)(即288(行)×6(条带)×7168/2(列))。由此可见本发明所要处理的红外视场是非常大的。
接下来截取几帧检测系统发现小目标对象的某块DSP C67中某条带行方向的一半的来说明本发明的有效性,如图4所示,即所截取的图像大小为288(行)×896(列)(288(行)×1792/2(列))。其中(a)为第95帧,(b)为第98帧,(c)为第101帧,(d)为第105帧。注意,由于实际系统中红外线列探测器各像元的敏感性不同及成像电路电子特性差异,造成所获取的图像具有明显的行条纹(如图3、4所示),但由于帧间各对应像元的非均匀性变化不大,且本实时检测算法基于实时图像与背景图像间的差值(包括能量差值矩阵和差分图像块),这就实现了帧间各像元非均匀性的对消,从而保证了本文所述方法具有探测器像元非均匀性自适应能力。实验数据表明,本检测算法可以在大视场环境中很有效的实现多小目标的检测(如图4)。此外,在对DSP程序仔细分解和优化后,可将程序每次循环中两个主要耗时部分的运算时间测算如下:(1)求取一次某帧实时图像的能量新值矩阵(第③步,即相对于求取一次某条带的分块图像能量矩阵)需耗时约4兆时钟;(2)在一个36×53象素的差分图像块中,由3×3滑窗求取各象素点区域的局部能量值并遍历获取一个目标点位置及相关参数(第9步),平均需耗时约0.5兆时钟。显然,对于具有100兆时钟的每块DSP C67来说,保证每个条带在
秒(即约33兆时钟)内完成一定数量的多目标检测的技术指标是很容易得到满足的。由此也就说明了本方法所具有的良好实时性能。
Claims (7)
1、一种红外大视场环境下的多小目标实时检测方法,其特征在于,包括如下具体步骤:
①根据已获知的DSP系统需处理的图像数据大小确定红外大视场图像数据的分块方法,此步处理必须在编制系统程序前完成;
②实现背景图像数据和能量初值矩阵的初始化;
③设检测系统运行至第k,k=2,3,4,…帧,求取此帧实时图像数据的分块图像能量矩阵,为了区别,将这个分块图像能量矩阵命名为能量新值矩阵;
④将第③步求得的当前帧能量新值矩阵与存储空间中的能量初值矩阵做差,得到当前帧实时图象对应的能量差值矩阵;
⑤能量差值矩阵元素值调整;
⑥获取可能存在小目标的分块图像区域;
⑦可能存在小目标的相邻图像块合并,查找二值矩阵中的“1”元素,将其所对应的图像块标记为可能含有目标的图像块,此外,对二值矩阵中左右或上下相邻元素为“1”的部分所对应的两个或多个图像块实施合并,如此得到含有目标的扩充图像块;
⑧获得差分图像块;
⑨基于局部能量阈值的多小目标检测及相关参数获取;
⑩能量初值矩阵元素值更新及外存中背景图像更新;
完成第k帧图像中的目标检测,令k=k+1,返回第③步循环执行。
2、根据权利要求1所述的红外大视场环境下的多小目标实时检测方法,其特征是,所述的步骤②,是指:将第1帧实时背景图像数据读入DSP,并将其保存到硬件系统的外存中,求取这些背景图像数据的分块图像能量矩阵并保存,由此便实现了对第2帧处理时需使用的背景图像和能量初值矩阵的初始化。
3、根据权利要求1所述的红外大视场环境下的多小目标实时检测方法,其特征是,所述的步骤⑤,是指:求取第k帧分块图像能量差值矩阵中每一行元素能量值的平均值,将其作为能量差值矩阵中每行元素值的修正项,对能量差值矩阵各元素值实施调整。
4、根据权利要求1所述的红外大视场环境下的多小目标实时检测方法,其特征是,所述的步骤⑥,是指:将经第⑤步修正得到的能量差值矩阵中各元素与一个根据多种红外场景下实验得到的分块图像能量增加阈值相比较,实现对矩阵中各元素的二值化处理,由此,得到一个可能存在小目标区域的二值矩阵。
5、根据权利要求1所述的红外大视场环境下的多小目标实时检测方法,其特征是,所述的步骤⑧,是指:将第⑦步得到的可能含有目标的图像块或扩充图像块位置的实时图像数据与硬件系统外存中该位置的背景图像数据相减,即得到减除了复杂背景和干扰的差分图像块。
6、根据权利要求1所述的红外大视场环境下的多小目标实时检测方法,其特征是,所述的步骤⑨,是指:由3×3滑窗求取各象素点区域的局部能量值即3×3滑窗内各象素点灰度值之和,并将这些局部能量值与一个根据多种红外场景下实验得到的目标区域局部能量阈值比较,得到小目标象素点集合,反复在此集合中遍历相互连接的象素点,并逐步删除集合中已经处理过的象素点,实现对具有各种象素数量的小目标对象的区域生长和分割,同时得到各小目标对象的象素数量和几何中心坐标参数值。
7、根据权利要求1所述的红外大视场环境下的多小目标实时检测方法,其特征是,所述的步骤⑩,是指:在第⑥步中被标记为可能存在小目标的分块图像区域,其对应的能量初值矩阵元素值和外存中对应的实时背景图像块数据将保留以供第k+1帧使用;对于未检测到可能存在目标的分块图像区域,其第k+1帧对应的能量初值矩阵元素值将由其当前第k帧求得的能量新值矩阵元素值替换,且外存中对应的实时背景图像将由当前第k帧获得的实时图像数据进行覆盖。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100288838A CN100385251C (zh) | 2005-08-18 | 2005-08-18 | 红外大视场环境下的多小目标实时检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100288838A CN100385251C (zh) | 2005-08-18 | 2005-08-18 | 红外大视场环境下的多小目标实时检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1731217A true CN1731217A (zh) | 2006-02-08 |
CN100385251C CN100385251C (zh) | 2008-04-30 |
Family
ID=35963610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100288838A Expired - Fee Related CN100385251C (zh) | 2005-08-18 | 2005-08-18 | 红外大视场环境下的多小目标实时检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100385251C (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100390566C (zh) * | 2006-05-10 | 2008-05-28 | 北京好望角医学影像技术有限公司 | 基于遥感图像处理的对地表变化进行检测的方法 |
CN101714253B (zh) * | 2009-12-04 | 2012-05-23 | 西安电子科技大学 | 基于测地线活动区域模型的交互式图像分割修正方法 |
CN102521591A (zh) * | 2011-11-29 | 2012-06-27 | 北京航空航天大学 | 一种复杂背景下小目标快速识别方法 |
CN102819740A (zh) * | 2012-07-18 | 2012-12-12 | 西北工业大学 | 一种单帧红外图像弱小目标检测和定位方法 |
RU2536082C1 (ru) * | 2013-07-03 | 2014-12-20 | Открытое акционерное общество "Научно-производственное предприятие "Геофизика-Космос" (ОАО "НПП "Геофизика-Космос") | Способ поиска и обнаружения малоразмерных слабоизлучающих подвижных источников излучения на пространственно-неоднородном фоне оптико-электронными приборами |
CN114463365A (zh) * | 2022-04-12 | 2022-05-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 红外弱小目标分割方法、设备及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1251144C (zh) * | 2002-09-12 | 2006-04-12 | 上海交通大学 | 复杂背景条件下红外弱小目标的检测与跟踪方法 |
CN1484042A (zh) * | 2003-07-03 | 2004-03-24 | 上海交通大学 | 红外图像序列中缓动弱小目标的能量投影检测方法 |
CN1235037C (zh) * | 2003-12-04 | 2006-01-04 | 上海交通大学 | 红外目标检测跟踪与识别系统 |
CN1606033A (zh) * | 2004-11-18 | 2005-04-13 | 上海交通大学 | 红外图像序列中弱小目标的检测和跟踪方法 |
-
2005
- 2005-08-18 CN CNB2005100288838A patent/CN100385251C/zh not_active Expired - Fee Related
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100390566C (zh) * | 2006-05-10 | 2008-05-28 | 北京好望角医学影像技术有限公司 | 基于遥感图像处理的对地表变化进行检测的方法 |
CN101714253B (zh) * | 2009-12-04 | 2012-05-23 | 西安电子科技大学 | 基于测地线活动区域模型的交互式图像分割修正方法 |
CN102521591A (zh) * | 2011-11-29 | 2012-06-27 | 北京航空航天大学 | 一种复杂背景下小目标快速识别方法 |
CN102819740A (zh) * | 2012-07-18 | 2012-12-12 | 西北工业大学 | 一种单帧红外图像弱小目标检测和定位方法 |
RU2536082C1 (ru) * | 2013-07-03 | 2014-12-20 | Открытое акционерное общество "Научно-производственное предприятие "Геофизика-Космос" (ОАО "НПП "Геофизика-Космос") | Способ поиска и обнаружения малоразмерных слабоизлучающих подвижных источников излучения на пространственно-неоднородном фоне оптико-электронными приборами |
CN114463365A (zh) * | 2022-04-12 | 2022-05-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 红外弱小目标分割方法、设备及介质 |
CN114463365B (zh) * | 2022-04-12 | 2022-06-24 | 中国空气动力研究与发展中心计算空气动力研究所 | 红外弱小目标分割方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN100385251C (zh) | 2008-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537876B (zh) | 三维重建方法、装置、设备及存储介质 | |
CN107194408B (zh) | 一种混合块稀疏协作模型的目标跟踪方法 | |
KR101643672B1 (ko) | 광류 추적 방법 및 장치 | |
US20030185420A1 (en) | Target detection method and system | |
CN1731217A (zh) | 红外大视场环境下的多小目标实时检测方法 | |
CN111161309B (zh) | 一种车载视频动态目标的搜索与定位方法 | |
CN111445501A (zh) | 多目标跟踪方法、装置和存储介质 | |
CN110544269A (zh) | 基于特征金字塔的孪生网络红外目标跟踪方法 | |
CN111105452B (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
CN115063454B (zh) | 多目标跟踪匹配方法、装置、终端及存储介质 | |
CN113298147B (zh) | 基于区域能量和直觉模糊集的图像融合方法及装置 | |
CN117237740B (zh) | 一种基于CNN和Transformer的SAR图像分类方法 | |
CN114241008B (zh) | 一种适应场景和目标变化的长时区域跟踪方法 | |
CN112184767A (zh) | 对运动物体进行轨迹跟踪的方法、装置、设备及存储介质 | |
CN106570889A (zh) | 一种检测红外视频中弱小目标的方法 | |
Weilharter et al. | ATLAS-MVSNet: Attention layers for feature extraction and cost volume regularization in multi-view stereo | |
CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
US20230080574A1 (en) | Systems, methods, and media for semantic segmentation of a point cloud frame | |
CN111031258A (zh) | 月球车导航相机曝光参数确定方法及装置 | |
CN113450385B (zh) | 一种夜间工作工程机械视觉跟踪方法、装置及存储介质 | |
CN115359091A (zh) | 一种用于移动机器人的装甲板检测跟踪方法 | |
WO2022036567A1 (zh) | 一种目标检测的方法、装置和车载雷达 | |
CN114820712A (zh) | 一种自适应目标框优化的无人机跟踪方法 | |
CN112396611B (zh) | 一种点线视觉里程计自适应优化方法、装置及存储介质 | |
CN110599542A (zh) | 面向几何区域的自适应vslam局部建图的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080430 Termination date: 20100818 |