采用空间注意力机制的红外弱小目标检测网络

红外弱小目标检测被广泛应用于预警、制导等国防领域中。然而,红外弱小目标所占像素少、缺少形状特征和纹理特征,使得红外弱小目标检测成为一个具有挑战性的课题。针对红外弱小目标检测,提出了一种简单高效的实时红外弱小目标检测网络。检测网络利用自适应感受野融合模块来增加小目标周围的上下文信息,并通过引入空间注意力机制来建立不同区域之间的相关性模型,使不同区域之间的相关性和紧凑性得到加强。为了提高检测网络对目标的定位和正负样本的判别能力,分别利用GIOU loss和Focal loss来设计损失函数。在3个红外弱小目标序列和单帧红外图像上进行实验,检测网络分别取得了91.62%,71.54%,81.77%和90.67%的AP值,且检测速度接近165 FPS。实验结果表明,该红外弱小目标检测网络对复杂背景和低信噪比条件下的红外弱小目标具有较好的检测效果。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

采用视觉特征整合的红外弱小目标检测

针对红外光学系统在复杂背景下的弱小目标检测问题,建立了基于特征整合的信息处理模型,提出了采用视觉特征整合的弱小目标检测方法。该方法首先利用视网膜神经节细胞感受野的数学模型DOG(Different-of-Gaussian)对红外图像进行初级信息处理,初步检测出弱小目标。而后,分为空域和频域两个通道进行特征提取。在空域通道,利用图像信息构造二阶微分Hessian矩阵,通过计算其直迹与行列式进行局部极值的判定,提取出含有弱小目标的结构分量特征;在频域通道,利用小波对图像频域进行二级分解,提取出含有弱小目标的高频分量特征。最后,将空域通道与频域通道的分量特征整合,提取出复杂背景下的弱小目标。实验结果表明:当虚警率为10-3时,该方法对弱小目标的平均检测概率为95.17%。基本满足红外弱小目标检测方法的稳定可靠、精度高等要求。     

多ADSP-TS201红外弱小目标实时检测跟踪系统的硬件设计

介绍了红外弱小目标实时检测跟踪系统的硬件设计。重点介绍了系统中信号处理模块部分的设计,该部分采用Analog Device公司的600 MHz高性能数字信号处理器ADSP-TS201,四片ADSP-TS201以松耦方式互联,构成并行信号处理模块。该模块定点运算的峰值速度可达到19.2 GMAC(16Bit),浮点运算的峰值速度可达到14.4 GFLOPS。为完成对序列红外图像中弱小目标的实时检测跟踪处理提供了硬件平台。     

基于改进多尺度分形特征的红外图像弱小目标检测

为提高红外图像弱小目标检测的准确率和实时性,在分析用于红外图像增强的分形参数K相关的多尺度分形特征(MFFK)基础上,提出了一种基于改进多尺度分形特征(IMFFK)的红外图像弱小目标检测算法。首先,将基于地毯覆盖法的分形维数计算公式代入MFFK计算公式,提出了一种改进多尺度分形特征(IMFFK)用于图像增强。其次,对IMFFK特征计算进行简化,采用自适应阈值分割得到感兴趣目标区域,提出了一种具有较高计算效率的红外图像弱小目标检测算法。最后,通过仿真图像分析了主要参数对图像增强和算法耗时的影响,采用红外真实图像进行了算法检测性能测试,并与当前基于局部对比度测度的目标检测算法进行了对比。实验结果表明,提出的算法虽然在一些检测场景具有较多虚警,但能同时适用于弱小目标和较大目标检测,且无论目标为亮目标或暗目标。提出算法对于低分辨率红外图像(320×240)检测接近30 frame/s。提出算法具有较强的适用性,能够检测出红外图像中具有较高局部对比度的目标。     

基于模糊分类的弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。本文直接从待分类图像入手提取出不同的类别区域,这样得到的分类模板就准确的体现了当前图像的不同类别,在此基础上进行分类就能得到图像的准确的类别分类从而实现弱小目标检测。首先,对红外天空背景弱小目标图像进行分析,将图像中的三类物体：净空、云及弱小目标细分为11个类别区域;其次,定义了类别特征矢量并基于此提出了类别核的定义;再次,根据类别核的定义从待检测图像中提取出11类区域的类别核;最后,根据模糊分类的理论,定义了类别相似系数和类别贴近度,通过类别核对图像进行分类和类别归并,保留弱小目标类别完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确分类,较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。     

红外图像中弱小目标检测算法概述

在现代战争中,复杂背景下的红外弱目标检测技术是红外制导系统中一个亟待解决的问题,也是提高武器系统性能的关键。现基于小目标检测的现状和最新进展,从空间滤波和时间滤波的角度对现有的小目标检测技术进行了简单的概述,并分析了今后的研究方向。     

采用降维技术的红外目标检测与识别

提出了一种用于扫描型红外预警系统的目标检测与识别算法来实现对空中威胁的预警,该算法在对目标进行检测和识别的过程中分别运用了降维技术.首先对拉普拉斯-高斯(Laplacian of Gaussian,LOG)算子降维,改变经典LOG算子各向同性的特点,从而减少了信息的丢失;然后通过设置相关参数设计8邻域方位滤波器对图像不同方向进行尺度优化的滤波以完成目标增强与背景抑制;最后对滤波结果进行目标提取,通过支持向量机算法对目标进行识别.为使识别过程更加简捷而不失准确性,在识别前采用基于协方差算子的充分降维方法对样本特征和目标特征进行降维,从而在简化经典滤波算法与目标识别算法的同时提升了算法效率.实验结果表明,与经典高维算法相比,本文提出的算法在对红外目标进行检测识别时能够获得更好的效果,应用于工程时能实现低于7％的虚警率和低于5％的漏警率,且算法能够满足系统实时性要求.     

时空域结合的红外弱小运动目标检测新方法

为解决远距离和复杂背景下红外弱小运动目标的检测问题,提出了一种将时域背景抑制和空域相关性检测相结合的新方法.首先在时域窗口内根据像素的时域信号进行时域背景抑制和二值化,得到既有像素点的灰度值又有时域信号值的组合帧图像;再充分利用运动目标在空域上的连续性和时域信号上与噪声的差异性,在组合帧上对每个候选目标点与其8邻域像素进行时域信号相关性检测,以剔除虚警点和确定目标轨迹.实验结果表明该法具有较低虚警率和较强的鲁棒性.     

采用目标背景建模的毫米波弱小目标检测

基于被动毫米波成像特性,提出了改进的稀疏表示——圆周中心差(ISR-CSCD)算法来解决被动毫米波图像中弱小目标与背景区分度较弱,目标可提取特征较少的问题。该算法通过改进稀疏表示方法完成背景抑制与目标增强。依据目标与周围背景特征先验,提出了圆周中心差背景抑制算法对检测图像进行背景抑制。然后,融合改进稀疏表示方法和圆周中心差背景抑制算法的结果得到抑制了背景的目标增强图像。最后,基于恒虚警率的检测方法完成了弱小目标的检测。对不同场景下的毫米波图像进行了实验检测,结果表明,与主流算法图像稀疏表示(SR)法、鲁棒规则核回归牛顿算法(NRRKR),空时联合分类稀疏表示算法(STCSR)和累积中心与周边差异测量算法(ACSDM)相比,ISR-CSCD算法具有更低的虚警率、更高的检测精度、更强的鲁棒性。对各种虚警率、信噪比之下的毫米波弱小目标检测结果显示,ISR-CSCD检测率相对于其它算法平均提高了约15%。     

An infrared small target detection framework based on local contrast method

Small-target detection in infrared imagery used in forward looking infrared is an important task in remote sensing fields. It is important to improve the detection capabilities such as detection rate, false alarm rate and speed. In this letter, a novel approach inspired by human visual system (HVS) is presented. First, block compressed sampling theory was used to compress the image and obtain the modulation map. Then, small abnormal regions in the modulation map were detected by high speed local contrast method and defined as candidate targets. Experimental results show the proposed algorithm pursue good performance in detection rate, false alarm rate and speed simultaneously.     

结合统计分布和非下采样Contourlet变换的红外小目标检测

在分析存在背景和噪声干扰下的红外小目标检测方法的基础上,提出了一种时空结合的红外小目标检测算法.首先,基于相邻帧背景图像灰度值变化的特点,提出了基于三阶中心矩统计分布确定小目标区域方法,接着对图像进行非下采样Contourlet变换(NSCT),定义子带的能量系数,并结合各个子带的能量系数得到各点的能量值,进而得到一个...     

一种远距离行人小目标检测方法

远距离行人小目标成像像素少、缺乏纹理信息,深度卷积神经网络难以提取小目标细粒度特征,难以准确识别与检测。本文提出一种远距离行人小目标检测方法。首先,在YOLOv4的基础上引入浅层特征改进特征金字塔,提取行人小目标细粒度特征,提出引力模型特征自适应融合方法,增加多层次语义信息之间的关联度,防止小目标特征信息流失。然后,采用增强型超分辨率生成对抗网络增加行人小目标特征数量,提高行人小目标检测准确率。最后,选取图像像素中占比范围为0.004%～0.026%的行人小目标建立试验数据集,通过与Faster RCNN、ION、YOLOv4对比实验验证。结果表明,本文方法mAP_0.5提高了25.2%、26.3%、11.9%,FPS达到24,研究成果在远距离安防监测监控领域具有重要应用价值。     

基于Kmeans和图像熵聚类的热红外目标检测算法

针对以海洋为背景的热红外图像目标检测存在的海洋海杂波的非平稳特性、非线性特性问题,以及目标背景相关性大而对比度小等问题,对两幅实拍红外船舰图像进行了实验,提出了一种快速有效的热红外目标检测算法。该算法采用表示图像灰度空域分布状态不确定性量度的图像熵方法,利用滑窗方法遍历整幅图像,求得了局部熵图像,从而确定了目标的粗略位置;通过用最大类间差法将局部熵处理后图像进行了自适应的二值分割,将目标和背景最优化地分离,并且结合改进的Kmeans聚类算法,通过循环所有目标点找出了其在聚类图像中的聚类标识,结合所有该聚类的像素点,提取出了完整的目标及其轮廓。研究结果表明,该热红外目标检测算法速度快,性能良好,在将目标完整地提取出来的同时可以很好地保留目标的轮廓。     

Fault detection and isolation of DURUMI-II using similarity measure

This paper describes the flight test method for studying the primary control surface stuck condition and the combination stuck of the primary control. An aircraft must show controllability and trimmability under post-failure conditions. An aircraft is successfully tested under various fault conditions. It is recognized that a control surface fault is detected by monitoring the value of the coefficients related to the control surface deviation. The control surface stuck position is determined by comparing the trim value with the reference value. To detect and isolate the fault, an analysis that employs the real-time parameter estimation method is used. If the flight control system is reconfigured using online estimates of aircraft parameters from a real-time parameter estimation scheme, the reliability increases without the addition of sensors or additional cost. This paper was recommended for publication in revised form by Associate Editor Eung-Soo Shin Wook-Je Park received the B.S. and the Ph.D. degrees, both in Aeronautical Engineering, from Korea Aerospace University in 1994 and 2005, respectively. He is now a Post-Doc in Mechanical and Aeronautical Engineering, Western Michigan University. His research interests are in fault detection and isolation, real-time parameter estimation method, flight test, and their application in aircraft and UAV. Sang-Hyuk Lee received the Ph. D. degree in Electrical Engineering from Seoul National University in 1998. Dr. Lee has been with the Changwon National University as a research professor since 2006. His research interests include fuzzy theory, game theory, and nonlinear control. Jung-Il Song received his Ph. D. degree in Mechanical Engineering from POSTECH, Korea, in 1997. Dr. Song is currently a Professor at the School of Mechanical Engineering at Changwon National University in Changwon, Korea. His research interests include manufacturing process and evaluation of composites, biomedical engineering and rehabilitation engineering.