论文部分内容阅读
摘 要 随着科学技术的快速发展,各个领域都有着创新性的探讨,在运动目标的检测方面,也有着不错的进展,在这个过程中如何在复杂的环境下稳定有效的检测到运动目标的位置是研究的重点。本文主要对于红外点状移动目标的一些属性进行研究,在此基础上提出了一种有助于改善目标检测技术的增强算法,可以很好的实现对于连续时空不变性目标进行检测,然后在此基础上对于目标的运动特征分析,实现更加精确的定位检测,结果也是值得信赖的。
关键词 红外弱点状目标 形态学滤波 图像处理 目标检测 运动分析
近年来,在很多的领域都使用到红外小目标检测技术,主要包括预警系统,监控系统以及安检系统等等,并且红外小目标检测技术在这些领域都发挥着至关重要的作用,为保障人们的生命财产安全做出了不小的贡献。在预警系统中,当目标距离红外检测系统较远时,该目标的红外辐射能衰减较大,因此占据的像素也是极少的,呈现出点状的分布,并且会在一些杂波的干扰下降低图像的质量,因此想要在较为复杂的环境下对于运动中的小目标进行检测并不是一项容易的工作,需要得到该有的重视。
目前来看,关于小目标检测的算法层出不穷,传统的方法存在一定的局限性,没有很好的实现对于复杂环境的预测以及杂波的去除,因此对于运动小目标的检测效果不佳,因此一个全新的目标检测算法产生,主要以单帧预处理和多帧精确检测的检测算法,在环境的考虑上更加的全面,在去除杂波的技术上面更好,通过大量的实验结果表明,和传统的运动目标检测算法相比较,改进后的算法具有更好的性能。
一、传统形态学红外小目标增强算法
首先来对传统的红外小目标检测算法进行简单的介绍,说明其中可能存在的一些问题,然后提出一些好的解决方案。
传统形态学红外小目标增强算法是非常经典的检测算法之一,具有很高的代表性,曾经被广泛的应用在各个领域。该算法是通过对于原始的图像进行分析,与一定的形状的核进行卷积,分析其中的膨胀过程,然后就可以计算获取到核覆盖区域的最小值。由于目标的膨胀和腐蚀操作,可以运算来消除孤立的亮目标和暗目标,对于抑制的背景进行更好的去除,这样就可以很好的突出目标。经典的礼帽算法没有对于目标和领域的差异分布进行细致的考虑,杂波造成算法性能的破坏,因此如果对于该破坏因素进行充分的考虑和研究分析,那么该算法的性能必将得到不错的改善效果。
二、改善后的形态学红外小目标增强算法
上面已经提出了关于传统算法的问题,为了避免上面所说的缺点带来大幅度的性能影响,需要对于卷积核进行重新的设计,在很多的实际应用中,我们刚开始不可能知道目标在图像中的尺寸大小,因此采用了固定的尺寸,在固定的图像中进行检测时,如果目标过大而超过卷积核的尺寸,可能会造成检测不到目标的情况,因此就需要在原图像的基础上按照一定的比例进行样本的采集,得到各种不同分辨率的图像,最后在各个尺寸下对于目标进行检测。可以构造成三层的金字塔形状,第一层就是原图像,第二层就是对于原图像缩放N倍的图像,第三层则是在第二层的基础上再次进行缩放M倍的图像。当缩放到一定程度时,目标图像可能与原图像的几何中心接近,此时就可以在原图像中找到目标图像的像素。改进后的算法源图像的信噪比降低不少,经典的算法中还是会存留很多的杂波,改进后的算法在各方面的性能都是优于经典算法的。
虽然改进后的算法和传统的算法相比较而言具有优秀的性能,但是在某些情况下依然会存有部分的杂波,并且会在图像中以点状的形态显示,这种情况是没有办法利用单帧来解决的。我们知道的是在一定的时间内,目标辐射的红外能量是有限的,所以目标在相邻两帧上的像素是接近的,而且在很多的相邻多帧中,目标的位置是具有关联的,杂波不具有这些特征,因此可以很好的利用这些相邻的多帧的特性进行分析,然后就可以提出好的解决方案来对运动目标进行检测分析。
三、结束语
综上所述,随着科学技术的快速发展,各个领域都有着创新性的探讨,在运动目标的检测方面,也有着不错的进展,在这个过程中如何在复杂的环境下稳定有效的检测到运动目标的位置是研究的重点。对于低信噪比的小目标进行检测时,可以利用单帧和多帧处理分析相结合的方法进行处理,尽可能的减少收集到的源图像中的杂波的比重,通过对于传统运动目标检测技术的改进,对于系统在不同信噪比下的稳定性有了明显的提升,在复杂的环境下,对于弱点状的运动目标也是有着很好的检测性能。在今后的运动目标检测技术研究中,还需要单帧的检测算法进行进一步的改进和研究,并且可以加入现代化的智能技术,融合了智能科技的目标检测技术肯定会更加的强大,让我们在弱点状的运动目标检测领域有着更好的发展。
参考文献:
[1]蒲旭敏,艾斯卡尔·艾木都拉.三维时空中弱点状动目标的实时检测技术研究[J].计算机工程与应用,2011(10).
[2]李思俭,樊祥,朱斌,程正东.基于运动模糊复原技术的红外弱小目标检测方法[J].光学学报,2017(06).
[3]赵永彬,李巍,刚毅凝,王鸥,郝跃冬,刘铭坚.基于Fas ter R- CNN的显著性目标检测方法[J].计算技术与自动化,2019(02).
[4]胡爽,董超俊,张秀杰.一种改进的道路目标检测方法研究[J].现代工业经济和信息化,2018(05).
[5]张俊蓉,徐长彬,唐明周,鹿玮,卞紫阳.基于SSD改进的目标检测方法研究[J].激光与红外,2019(08).
[6]胡瑞卿,刘勇,田杰荣.基于Ras pberryPi的运动目标检测研究与实现[J].舰船电子工程,2019(09).
[7]郗润平,张艳宁,杨根,马苗.基于评价因子及灰色关联分析的检测结果自动评价方法[J].西北工業大学学报,2019(03).
关键词 红外弱点状目标 形态学滤波 图像处理 目标检测 运动分析
近年来,在很多的领域都使用到红外小目标检测技术,主要包括预警系统,监控系统以及安检系统等等,并且红外小目标检测技术在这些领域都发挥着至关重要的作用,为保障人们的生命财产安全做出了不小的贡献。在预警系统中,当目标距离红外检测系统较远时,该目标的红外辐射能衰减较大,因此占据的像素也是极少的,呈现出点状的分布,并且会在一些杂波的干扰下降低图像的质量,因此想要在较为复杂的环境下对于运动中的小目标进行检测并不是一项容易的工作,需要得到该有的重视。
目前来看,关于小目标检测的算法层出不穷,传统的方法存在一定的局限性,没有很好的实现对于复杂环境的预测以及杂波的去除,因此对于运动小目标的检测效果不佳,因此一个全新的目标检测算法产生,主要以单帧预处理和多帧精确检测的检测算法,在环境的考虑上更加的全面,在去除杂波的技术上面更好,通过大量的实验结果表明,和传统的运动目标检测算法相比较,改进后的算法具有更好的性能。
一、传统形态学红外小目标增强算法
首先来对传统的红外小目标检测算法进行简单的介绍,说明其中可能存在的一些问题,然后提出一些好的解决方案。
传统形态学红外小目标增强算法是非常经典的检测算法之一,具有很高的代表性,曾经被广泛的应用在各个领域。该算法是通过对于原始的图像进行分析,与一定的形状的核进行卷积,分析其中的膨胀过程,然后就可以计算获取到核覆盖区域的最小值。由于目标的膨胀和腐蚀操作,可以运算来消除孤立的亮目标和暗目标,对于抑制的背景进行更好的去除,这样就可以很好的突出目标。经典的礼帽算法没有对于目标和领域的差异分布进行细致的考虑,杂波造成算法性能的破坏,因此如果对于该破坏因素进行充分的考虑和研究分析,那么该算法的性能必将得到不错的改善效果。
二、改善后的形态学红外小目标增强算法
上面已经提出了关于传统算法的问题,为了避免上面所说的缺点带来大幅度的性能影响,需要对于卷积核进行重新的设计,在很多的实际应用中,我们刚开始不可能知道目标在图像中的尺寸大小,因此采用了固定的尺寸,在固定的图像中进行检测时,如果目标过大而超过卷积核的尺寸,可能会造成检测不到目标的情况,因此就需要在原图像的基础上按照一定的比例进行样本的采集,得到各种不同分辨率的图像,最后在各个尺寸下对于目标进行检测。可以构造成三层的金字塔形状,第一层就是原图像,第二层就是对于原图像缩放N倍的图像,第三层则是在第二层的基础上再次进行缩放M倍的图像。当缩放到一定程度时,目标图像可能与原图像的几何中心接近,此时就可以在原图像中找到目标图像的像素。改进后的算法源图像的信噪比降低不少,经典的算法中还是会存留很多的杂波,改进后的算法在各方面的性能都是优于经典算法的。
虽然改进后的算法和传统的算法相比较而言具有优秀的性能,但是在某些情况下依然会存有部分的杂波,并且会在图像中以点状的形态显示,这种情况是没有办法利用单帧来解决的。我们知道的是在一定的时间内,目标辐射的红外能量是有限的,所以目标在相邻两帧上的像素是接近的,而且在很多的相邻多帧中,目标的位置是具有关联的,杂波不具有这些特征,因此可以很好的利用这些相邻的多帧的特性进行分析,然后就可以提出好的解决方案来对运动目标进行检测分析。
三、结束语
综上所述,随着科学技术的快速发展,各个领域都有着创新性的探讨,在运动目标的检测方面,也有着不错的进展,在这个过程中如何在复杂的环境下稳定有效的检测到运动目标的位置是研究的重点。对于低信噪比的小目标进行检测时,可以利用单帧和多帧处理分析相结合的方法进行处理,尽可能的减少收集到的源图像中的杂波的比重,通过对于传统运动目标检测技术的改进,对于系统在不同信噪比下的稳定性有了明显的提升,在复杂的环境下,对于弱点状的运动目标也是有着很好的检测性能。在今后的运动目标检测技术研究中,还需要单帧的检测算法进行进一步的改进和研究,并且可以加入现代化的智能技术,融合了智能科技的目标检测技术肯定会更加的强大,让我们在弱点状的运动目标检测领域有着更好的发展。
参考文献:
[1]蒲旭敏,艾斯卡尔·艾木都拉.三维时空中弱点状动目标的实时检测技术研究[J].计算机工程与应用,2011(10).
[2]李思俭,樊祥,朱斌,程正东.基于运动模糊复原技术的红外弱小目标检测方法[J].光学学报,2017(06).
[3]赵永彬,李巍,刚毅凝,王鸥,郝跃冬,刘铭坚.基于Fas ter R- CNN的显著性目标检测方法[J].计算技术与自动化,2019(02).
[4]胡爽,董超俊,张秀杰.一种改进的道路目标检测方法研究[J].现代工业经济和信息化,2018(05).
[5]张俊蓉,徐长彬,唐明周,鹿玮,卞紫阳.基于SSD改进的目标检测方法研究[J].激光与红外,2019(08).
[6]胡瑞卿,刘勇,田杰荣.基于Ras pberryPi的运动目标检测研究与实现[J].舰船电子工程,2019(09).
[7]郗润平,张艳宁,杨根,马苗.基于评价因子及灰色关联分析的检测结果自动评价方法[J].西北工業大学学报,2019(03).