基于深度学习的小目标检测算法综述

<正>在CV中，检测小目标一直是一个困难且具有挑战性的问题。在本文中，我们对基于深度学习的小目标检测算法进行较为全面的调查。首先介绍了小目标以及目标检测的含义，然后从小目标检测存在的难点以及解决方法阐述了小目标检测算法的研究进展，并总结了各个方法的优缺点。目标检测是CV中的一项基本任务。当给定图像时，目标检测的目的是找到每个对象实例的位置和内容。从应用角度来看，目标检测可分为两种类型：通用目标检测和专用目标检测。前者旨在在统一框架下检测不同类型的视觉对象，而后者目的是针对特定应用场景下的检测。     

基于分形的实现小目标检测的一种具体方法

介绍了基于分形的复杂背景下实现小目标检测的一种具体方法，该方法以自然背景和人造目标在分形特征上的固有差异为依据，利用了人造目标分形特征数大的特点，给出了进行小目标检测的具体实现过程。实际检测的实验结果表明：该小目标检测方法对环境的适应性强，检测结果精确，颇具发展前途。     

一种基于多尺度点状目标建模的检测算法

为了解决点状小目标传统建模检测算法易受小目标自身暗淡呈点状的影响，在检测过程中小目标丢失或背景信息被误检成目标的问题，采用一种更加有效的多尺度点状小目标建模算法，对背景和可疑目标进行建模，得到了可疑目标图像。使用一种阈值分割算法，将真实目标从可疑目标中提取出来，进行了理论分析和实验验证。结果表明，该算法在同一数据集下，相对其它算法检测到点状小目标的轨迹更加接近真实轨迹。该研究对提高小目标检测效果的精度是有帮助的。     

一种快速的图像小目标检测算法

针对图像小目标检测问题进行了研究，在分析现有研究成果的基础上，充分利用了遗传算法动态多点搜索的快速性，以及分形特征应用于目标检测的稳定性，提出了一种基于遗传算法与分形特征的快速图像小目标检测算法，并对算法进行了仿真研究。仿真结果表明了本文所提出算法有效地提高了图像小目标检测的速度。     

一种基于背景抑制的红外小目标检测新算法

红外图像小目标检测技术，是红外搜索与跟踪系统的一项核心技术。本文提出了一种新的红外图像小目标分割算法，采用背景抑制及双窗口自适应门限分割等技术检测目标，分析了算法的实时检测能力，并给出实物平台下的检测实例。大量的实验结果表明，此新算法能取得较好的小目标分割效果。     

基于知识的旋转海面小目标检测

针对海面小目标处于海空线这一先验知识，提出了基于小波变换和多方向Gabor滤波融合的方法，检测任意角度的海天线，确定小目标的潜在区域，减少搜索区域与虚警情况，并利用运动目标的相关性检测小目标。结果表明，该方法对于复杂的海面背景是有效的，能够很好地检测出目标点。     

云杂波背景图像序列中小目标检测算法研究

云杂波背景图像序列中运动小目标的实时检测算法，是红外精确制导系统中的关键算法之一。首先对云杂波背景图像像素进行分类分析，研究了两种最大顺序滤波器和利用序列图像中像素时域剖面检测小目标的自适应方差滤波器算法，继而提出了一种适合云杂波背景的小目标检测算法。使用此算法对两组真实图像序列中运动小目标进行检测，根据对检测结果的分析，指出此算法可有效地完成检测任务，并且具有运算简单、存储量小、可并行实现、实时性好等特点。最后提出了后续工作的方向。     

基于Wiener滤波的小目标检测方法

红外云背景中小目标检测是红外成像技术的一种典型应用。为了检测红外云背景中的弱小目标，分析了背景特性，建立了红外场景模型，提出了一种基于Wiener滤波的自适应背景抑制方法。经过去除虚假目标和目标分割，再利用目标运动的连续性和规则性进行目标检测和跟踪。对包含了仿真目标的红外云背景图像序列进行了实验，结果表明，该方法能够有效地从信噪比为2．0的背景中检测到小目标。     

红外序列图像中运动小目标的检测

文中介绍了红外图像背景以及运动小目标的特性，将检测算法分为两大类，概述了红外图像中运动小目标检测的一般方法和流程，并具体介绍了几种典型的检测算法，分析了它们各自的特点。     

红外图像序列小目标的特性分析与检测

在红外图像中微弱小目标的检测一直是研究的重点和难点。文中介绍了一种利用形态学的Top-hat算子检测方法，主工步骤是先对图像进行滤波，然后依据目标运动的连续性进行目标检测，并对检测所得的目标特性进行分析。实验表明，该检测方法十分有效，并且还发现图像序列中小目标的灰度和质心位置变化是有规律的，它可提高检测的准确性。     

基于小波变换的海空背景下小目标检测研究

小目标检测问题是电视跟踪领域的一项关键技术,针对海空背景下少像素的舰船目标,根据其背景不均匀以及海面噪声干扰大,舰船像素少,但是存在相对连续的目标小块区域的特征,用一定尺度的小波变换对不同子带自适应选取阈值来去除噪声干扰、抑制背景,同时结合灰度形态学滤波能很容易地检测出小目标.实验结果表明:该算法能够有效地检测出强噪声和背景干扰情况下的舰船目标.     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法；在帧间采用八邻域判决法对弱小目标进行检测；实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。     

Double Layered-Background Removal Filter for Detecting Small Infrared Targets in Heterogenous Backgrounds

Detecting small targets is essential for mitigating the sea-based Infrared search and track (IRST) problem. It is easy to detect small targets in homogeneous backgrounds such as the sky. When targets are on the border line of heterogeneous backgrounds such as the horizon in the sky and sea surface, solving the problem of detection becomes difficult. This paper presents a novel spatial filtering method, called Double Layered-Background Removal Filter (DL-BRF), for achieving high detection rates and low false alarm rates. DL-BRF consists of a Modified-Mean Subtraction Filter (M-MSF) and a consecutive Local-Directional Background Removal Filter (L-DBRF). M-MSF enhances the target signal and reduces background noise. L-DBRF removes horizontal structures, which upgrade the signal-to-clutter ratio and background suppression factor. L-DBRF used after M-MSF enhances the synergistic performance of horizontal target detection. Additionally, the adaptive Hysteresis threshold-based scheme is a suitable detection method. We validate the superior performance of the proposed method via three types of evaluation tests, including a real test scenario.     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。     

采用尺度空间理论的红外弱小目标检测方法

为了检测红外场景中尺寸大小变化的弱小目标,针对传统滤波方法中固定大小滤波核对此类特性目标检测表现出的不足,提出一种基于尺度空间理论的红外弱小目标检测方法。首先对弱小目标特性进行分析,提出采用点扩散函数形式的目标模型来描述弱小目标;采用固定自适应邻域的方法对原始红外图像进行预处理,抑制背景杂波,增强目标能量;依据尺度规范化后的拉普拉斯尺度空间对图像不同元素滤波响应的不同,获取图像中的可疑目标,利用可疑目标点与其周围像素的梯度关系得到可疑目标点的中心坐标,并据此得到其在图中的尺寸大小;对每个可疑目标划分一个自适应大小窗口,获取分割阈值,分割出真实目标。实验结果表明,该方法能较好地检测出弱小目标,且具有较低的虚警率。     

一种改进的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标检测率低、目标跟踪困难的问题,提出一种改进的红外弱小目标快速检测方法。该方法采用改进的形态学滤波抑制背景噪声,对处理后的多帧图像进行方差估计初步突出目标像素,然后对其进行信噪比估计得到整个图像序列像素得分,图像中像素信噪比高的被标记为目标像素,再对标记过的图像进行分块分析,最终准确提取出连续图像序列中的目标像素。检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双阈值实现目标的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目标检测拥有较高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有效跟踪目标,而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰，并对去除背景后的图像进行分割，然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真，实验结果表明了该方法的有效性。     

海天背景下红外小目标检测与轨迹拟合

在复杂海天背景下机载红外相机对落水人员的搜救中,提出一种针对红外视频中小目标检测高效算法,本算法首先采用形态学滤波对视频预处理,在相对运动背景下采用时间戳的Hough变换去除海天线的影响,更新海面监控区域;其次使用三帧差分分割小目标,采用改进的等价对算法快速计算分割小目标连通区域并标记。最后利用梯度下降法迭代出小目标运动轨迹,预测落水人员位置。实验表明,该算法不仅能有效地去除海天背景达到实时更新运动背景的目的,而且能够高效地检测出运动目标并标记并拟合出曲线方程,在一定时间内可预测小目标出现位置以便及时搜救落水人员。     

基于背景自适应预测的红外弱小运动目标检测

介绍了一种检测背景杂波中弱小红外目标的新方法．该方法根据背景红外辐射空间分布上的相关性,采用ＬＭＳ自适应空间预测滤波技术对背景空间红外辐射分布进行预测,并根据预测误差检测红外运动目标．本文还介绍了改进预测效果的方法,并以实际录取图像的处理结果,说明了上述方法的有效性