基于梯度方向一致性和特征分解的红外小目标检测算法

被引：25

作者：

范明明 ^{[1
]}

田少卿 ^{[2
]}

刘凯 ^{[2
]}

赵嘉鑫 ^{[3
]}

李云松 ^{[1
]}

机构：

[1] 西安电子科技大学通信工程学院

[2] 西安电子科技大学计算机科学与技术学院

[3] 长春长光睿视光电技术有限责任公司

来源：

红外与激光工程 | 2020年 / 49卷 / 01期

关键词：

红外小目标检测; 灰度差; 梯度方向一致性; 特征分解;

D O I：

暂无

中图分类号：

TP391.41 []; TN219 [红外技术的应用];

学科分类号：

080508 [光电信息材料与器件];

摘要：

在复杂的海天背景下,现有红外小目标检测算法存在虚警率高的问题,文中深入分析目标和背景的特征差异,首先,提出了一种基于灰度差和梯度方向一致性的方法,增强了小目标并抑制了部分背景杂波,其次,结合特征分解法进一步抑制了锐利边缘背景,最后,采用自适应阈值分离出小目标。实验结果表明,与五种现有算法相比,所提出的检测算法能够在不同复杂场景都有效降低虚警率,大大提升信杂比(SCR)和背景抑制因子(BSF),并且具有良好的鲁棒性。

引用

页码：271 / 282

页数：12

共 12 条

[1]

基于方向梯度的红外小目标检测算法 [J].

王建永 ;

范小虎 ;

赵爱罡 .

无线电工程, 2018, 48 (12) :1077-1080

[2]

红外单帧图像弱小目标检测技术综述 [J].

王好贤 ;

董衡 ;

周志权 .

激光与光电子学进展, 2019, 56 (08) :9-22

[3]

基于多向梯度法的红外弱小目标快速检测方法 [J].

王军 ;

姜志 ;

柳红岩 ;

何昕 ;

张新 .

光电子·激光, 2016, 27 (09) :957-962

[4]

一种复杂海天背景下红外弱小目标检测算法 [J].

王康 .

光学与光电技术, 2016, 14 (03) :95-100

[5]

红外弱小目标检测技术研究现状与发展趋势 [J].

侯旺 ;

孙晓亮 ;

尚洋 ;

于起峰 .

红外技术, 2015, 37 (01) :1-10

[6]

运动弱小目标先跟踪后检测技术的研究进展 [J].

张惠娟 ;

梁彦 ;

程咏梅 ;

潘泉 ;

张洪才 .

红外技术, 2006, (07) :423-430

[7]

红外目标特征分析及融合特征提取 [J].

王江安 ;

朱向前 ;

宗思光 ;

肖伟岸 .

传感技术学报, 2005, (02) :289-291

[8]

序列图像红外小目标检测与跟踪算法研究 [D].

孙继刚 .

中国科学院研究生院(长春光学精密机械与物理研究所),

2014

[9]

An infrared small target detection method based on multiscale local homogeneity measure.[J].Jinyan Nie;Shaocheng Qu;Yantao Wei;Liming Zhang;Lizhen Deng.Infrared Physics and Technology.2018,

[10]

Infrared small target detection based on local intensity and gradient properties.[J].Hong Zhang;Lei Zhang;Ding Yuan;Hao Chen.Infrared Physics and Technology.2018,

← 1 2 →