RBNSM:一种复杂背景下红外弱小目标检测新方法

蔺素珍, 张海松, 禄晓飞, 李大威, 李毅

蔺素珍, 张海松, 禄晓飞, 李大威, 李毅. RBNSM:一种复杂背景下红外弱小目标检测新方法[J]. 红外技术, 2022, 44(7): 667-675.
引用本文: 蔺素珍, 张海松, 禄晓飞, 李大威, 李毅. RBNSM:一种复杂背景下红外弱小目标检测新方法[J]. 红外技术, 2022, 44(7): 667-675.
LIN Suzhen, ZHANG Haisong, LU Xiaofei, LI Dawei, LI Yi. RBNSM: a New Method for Infrared Dim and Small Target Detection in Complex Backgrounds[J]. Infrared Technology , 2022, 44(7): 667-675.
Citation: LIN Suzhen, ZHANG Haisong, LU Xiaofei, LI Dawei, LI Yi. RBNSM: a New Method for Infrared Dim and Small Target Detection in Complex Backgrounds[J]. Infrared Technology , 2022, 44(7): 667-675.

RBNSM:一种复杂背景下红外弱小目标检测新方法

基金项目: 

山西省自然科学基金项目 201901D111151

中北大学第十七届研究生科技立项项目 20201737

详细信息
    作者简介:

    蔺素珍(1966-),女,教授,博士,硕士生导师,主要从事图像处理、红外小目标检测和多波段图像融合领域研究。E-mail:lsz@nuc.edu.cn

  • 中图分类号: TP751.1

RBNSM: a New Method for Infrared Dim and Small Target Detection in Complex Backgrounds

  • 摘要: 弱小目标检测是红外探测与跟踪任务中的经典难题。针对复杂背景下红外弱小目标普遍存在检测率低、虚警率高的问题,提出一种基于区域双邻域显著图(Regional Bi-Neighborhood Saliency Map,RBNSM)的复杂背景红外弱小目标检测新方法。利用弱小目标的局部先验特性定义滑动窗口并划分为多个单元,计算中心单元前若干个最大灰度的均值来凸显弱目标;分别构建中心单元的相接邻域和相隔邻域并计算各自的灰度均值,进而,从不同方向上提取两邻域显著图并点乘二者以进一步抑制杂波背景、增强弱小目标;最后,通过自适应提取准确检测目标。多种典型红外复杂背景图像和SIRST数据集检测结果表明:与7种代表性方法相比,RBNSM在复杂背景下具有更好的检测性能与杂波抑制能力。
    Abstract: Infrared dim and small target (IRDST) detection is a longstanding and challenging problem in infrared search and track systems. To address the problems of a low detection rate and high false alarm rate for dim and small targets in complex backgrounds, a method is proposed for detecting IRDSTs using a regional bi-neighborhood saliency map (RBNSM). First, using the local a-priori property of the weak target, a sliding window is defined and divided into multiple cells before the mean value of the first maximum gray levels of the central cell is calculated to highlight the weak target. Then, the adjacent and spaced neighbors of the central cell are constructed and the mean value of their respective gray levels is calculated. Subsequently, the salient maps of the two neighbors are the extracted from different directions and multiplied point by point to further suppress the clutter background and enhance the weak target. Finally, the target is accurately detected by adaptive extraction. The detection results of various typical IR complex background images and SIRST datasets show that RBNSM has a better detection performance and clutter suppression ability in complex backgrounds than the seven representative methods.
  • 超二代像增强器是微光夜视仪的核心器件,它采用双近贴聚焦电子光学系统结构[1],与二代倒像式像增强器采用的静电聚焦电子光学系统结构相比,具有体积小、重量轻、性能更好等优点。超二代像增强器是由阴极输入窗、多碱光电阴极[2]、微通道板[3-4]、荧光屏、光纤面板输出窗、金属-陶瓷密封壳体、高压电源等组成。它的工作原理是光电阴极将来自目标的微弱光学图像转换成电子图像,电子图像经过微通道板放大,再经阳极高压加速激发荧光屏发光,转换成亮度增强了的光学图像[5],最后经过光纤面板输出窗输出。超二代像增强器的主要性能指标有分辨力、信噪比及增益[6]。其中,分辨力是指分辨目标细节的能力,定义为把规定对比度的标准条纹图案投射到光阴极上,在荧光屏上所能分辨的最高线对数。分辨力的高低表征了像增强器成像效果的清晰度,将直接影响夜视整机系统的观测距离、响应速度和识别精确度。

    目前,微光像增强器行业技术领军队伍主要是美国和法国,其中美国L3 Harris Technologies公司及其控股公司的市场占有率超过了50%,法国Photonis公司紧随其后,占有率达到23%。全球市场份额前5位的公司分别来自美国、法国、俄罗斯和中国。北方夜视技术股份有限公司(以下简称北方夜视)是我国唯一一家具备微光像增强器量产能力的企业。据报道,美国L3 Harris Technologies公司的微光像增强器分辨力能够达到72 lp/mm;法国Photonis公司4G产品同样是72 lp/mm;俄罗斯JSC KATOD公司的指标略低于前两家,能够达到68 lp/mm。而国内微光像增强器的分辨力平均水平仅为57 lp/mm,通过对比能够明显看出,美国和法国的器件分辨力最高,国内的器件分辨力水平远低于国外水平,会造成国内夜视装备的作战能力低于国外同类产品。因此,为了提高国内夜视装备作战能力,急需提高夜视装备核心器件——微光像增强器的分辨力水平,达到或优于国际先进水平。

    本文从理论出发,全面分析影响超二代像增强器分辨力的因素种类,在对已有微通道板分辨力提高研究[7]的基础上,提出了能够提高超二代像增强器分辨力的可行性技术方案。通过实验验证和对比,得到能够有效提高分辨力的方法,最终实现超二代像增强器分辨力的提升,达到国际先进水平。

    超二代像增强器的双近贴聚焦结构如图 1所示。图中:d1表示阴极近贴距离;d2表示阳极近贴距离;Vcm表示阴极与微通道板之间的电压;Vms表示微通道板与荧光屏间之间的电压。

    图  1  超二代像增强器结构示意图
    Figure  1.  Structure of a super Ⅱ image intensifier

    超二代像增强器的分辨力由阴极输入窗、多碱光电阴极、阴极聚焦(光电阴极至微通道板输入面)、微通道板、阳极聚焦(微通道板输出面至荧光屏)、荧光屏、光纤面板输出窗的分辨力所决定,故超二代像增强器的分辨力计算公式也与以上因素有关。超二代像增强器分辨力可用下述公式表示[8]

    $$ \frac{1}{R_{\text{t}}^{2}}=\frac{1}{R_{\text{g}}^{2}}+\frac{1}{R_{\text{c}}^{2}}+\frac{1}{R_{\text{cm}}^{2}}+\frac{1}{R_{\text{ms}}^{2}}+\frac{1}{R_{\text{s}}^{2}}+\frac{1}{R_{\text{a}}^{2}} $$ (1)

    式中:Rt表示超二代像增强器分辨力;Rg表示阴极输入窗分辨力;Rc表示光电阴极分辨力;Rcm表示阴极聚焦分辨力;Rm表示微通道板分辨力;Rms表示阳极聚焦分辨力;Rs表示荧光屏分辨力;Ra表示光纤面板输出窗分辨力。

    阴极输入窗为玻璃,其分辨力远超其他部件,可等效于无穷大。代入超二代像增强器分辨力公式后,其平方的倒数趋近于零,故不需考虑阴极输入窗分辨力对超二代像增强器分辨力的影响。

    多碱光电阴极的厚度只有0.2 μm左右,对超二代像增强器分辨力的影响较小,因此,也不需考虑光电阴极分辨力的影响。

    阴极聚焦分辨力可用下式表示:

    $$ {{R}_{\text{cm}}}={{K}_{1}}\times \frac{\sqrt{{{V}_{\text{cm}}}}}{{{d}_{1}}}$$ (2)

    式中:K1表示系数;d1表示阴极近贴距离;Vcm表示阴极与微通道板之间的电压。

    由公式(2)可知:阴极聚焦分辨力与光电阴极和微通道板间的电压成正比,与阴极近贴距离成反比。在极间电压不变的情况下,通过减小并精确控制阴极近贴距离可提高阴极聚焦分辨力。

    微通道板分辨力可用下式表示:

    $$ {{R}_{\text{m}}}=\frac{1000}{\sqrt{3}\times {{d}_{\text{m}}}}$$ (3)

    式中:dm为微通道板通道孔径。

    由公式(3)可知:微通道板分辨力与通道孔径成反比。微通道板的每一根通道相当于一个像素,要提高微通道板的分辨力,最直接的途径就是进一步减小微通道板的通道孔径[7]。但是,由于有最佳长径比的限制,通道孔径的减小将迫使微通道板的厚度也随之减小。这会导致微通道板在生产和使用过程中极易发生变形和破裂,意味着制造难度的增加以及制造成本的上升,所以目前使用的微通道板最小孔径为5 μm,并且有逐步取代6 μm微通道板的趋势。

    同时,微通道板的分辨力还与倍增电子的出射角度有关。电子从微通道板出射后,微通道板输出电子如图 2示,其出射方向与法线有一定夹角,其速度除了有微通道板轴向分量,还有横向分量,横向分量不受微通道板与荧光屏间的静电场作用,因此,电子以抛物线轨迹发散,在荧光屏上形成一个弥散斑,最终造成图像模糊,降低了器件分辨力。电子出射角度越大其横向散射就越大,弥散斑越大,器件分辨力越低。在微通道板孔径一定的条件下,通过采取一些行之有效的方法来减小微通道板出射电子角度和降低微通道板出射电子横向散射是提高微通道板分辨力的有效途径。关于这方面研究很多,其中也包括了微通道板的末端损失技术[9-11],即在微通道板的输出端镀制防电子弥散膜。该项技术的核心是在微通道板的输出电极上覆盖一层逸出功更高的金属膜层,微通道板输出电极镀膜如图 3示,该膜层对进入通道的部分出射电子起准直的作用,由此来减小微通道板输出电子的散射角,从而提高微通道板的分辨力。

    图  2  微通道板输出电子示意图
    Figure  2.  Schematic diagram of output electrode of MCP
    图  3  微通道板输出电极镀膜示意图
    Figure  3.  Schematic diagram of output electrode with coated film

    阳极聚焦分辨力可用下式表示:

    $$ {{R}_{\text{ms}}}={{K}_{2}}\times \frac{\sqrt{{{V}_{\text{ms}}}}}{{{d}_{2}}} $$ (4)

    式中:Vms表示微通道板与荧光屏之间的电压;d2表示阳极近贴距离;K2表示系数。

    由公式(4)可知:阳极聚焦分辨力与微通道板和荧光屏之间的电压成正比,与阳极近贴距离成反比。通过增加微通道板与荧光屏之间的电压或减小阳极近贴距离来提高微通道板与荧光屏之间的场强,都可以提高阳极聚焦分辨力。但是,该方法也会导致微通道板、荧光屏、绝缘介质及金属件出现放电、击穿等疵病的概率增加,造成超二代像增强器失效。目前通过提高绝缘介质的介电强度,消除壳体内部金属件的尖角和毛刺,能够在一定程度上降低像管壳体放电比例。但是荧光屏边缘倒角及柱面位置处的铝膜在微通道板与荧光屏之间的场强进一步提高后容易导致翘起并放电,而现有的荧光屏制作工艺暂时还无法解决这一问题,需要研究新的荧光屏制作工艺。权衡像增强器性能提升与生产成本之间的关系,同时参考业内相同产品的设计尺寸后,确定了较为适宜的参数组合,即将阳极近贴距离d2设定为0.6 mm,微通道板与荧光屏之间的电压Vms设定为6000 V。

    对荧光屏分辨力产生较大影响的因素有:荧光粉颗粒度、粉层厚度和铝膜厚度。由于分辨力及发光效率两个性能参数的相互制约,需选用颗粒度适中的荧光粉,并且粉层厚度和铝膜厚度也需要优化匹配。根据相关报道得知,对于粒度为3~5 μm,粉层厚度为8~10 μm的荧光屏而言,其分辨力≥l00 lp/mm[12]。目前,批量制造的荧光屏所用荧光粉粒度为2~4 μm,荧光屏粉层厚度为6~7 μm,铝膜厚度为60~80 nm。该工艺制作的荧光屏使用在一代像增强器(没有使用微通道板的静电聚焦结构像增强器)时,其分辨力可达到l44 lp/mm。在超二代像增强器中使用相同工艺制作荧光屏时,该荧光屏的分辨力远大于超二代像增强器的分辨力,故荧光屏分辨力可以忽略不计[13]

    光纤面板输出窗的分辨力与光纤面板的丝径有关。光纤面板的丝径与分辨力关系可用微通道板分辨力计算公式表示。光纤面板的每一根纤维相当于一个像素,要提高光纤面板的分辨力,最直接的途径就是进一步减小光纤面板的丝径。但是,丝径的减小意味着制造难度的增加以及制造成本的上升。通常使用的光纤面板的丝径为6 μm。近年来,随着制造技术的进步,4 μm光纤面板的制造工艺也逐渐成熟。

    由以上影响因素的分析结果可知,阴极输入窗及多碱光电阴极的分辨力可忽略不计。由于制作工艺及条件的限制,荧光屏分辨力及阳极聚焦分辨力进一步提高的条件还不成熟。因此,通过减小阴极近贴距离、减小微通道板通道孔径、减小光纤面板输出窗丝径以及对微通道板镀制防电子弥散膜的方法来达到提高超二代像增强器分辨力的目的。

    阴极近贴距离精确控制的理论值主要是通过下述步骤得到:首先,车削微通道板的装配面,将微通道板装配面的平面度控制在0.01 mm以内。然后,将阴极输入窗台阶高度尺寸及微通道板厚度尺寸固定。最后,以微通道板装配面为基准车削阴极输入窗封接面,将管壳车铟尺寸的公差控制在0.01 mm以内。但是,由于热铟封工艺的影响,实际的阴极近贴距离与计算得到的装配控制距离存在一定的偏差。解决实际阴极近贴距离精确控制的方法是:在超二代像增强器制作完成后,通过专用设备精确测量出实际的阴极近贴距离,通过大量阴极近贴距离测试数据的积累,掌握偏差量的变化范围,反推出改进的管壳车铟尺寸。最终将阴极近贴距离控制在0.08~0.10 mm的范围内。

    阴极近贴距离测试的原理是使用专用设备发出一束波长为900~1000 nm的近红外单色光照射超二代像增强器的阴极输入窗,通过可上下调节的低照度COMS相机聚焦超二代像增强器阴极输入窗的电极,当图像最清晰时,记录下此时的聚焦位置Z1;向下调节低照度COMS相机并聚焦至微通道板的输入面,当图像最清晰时,记录下此时的聚焦位置Z2。阴极近贴距离d1Z1Z2。在每支超二代像增强器的阴极输入窗表面上互为120°的位置测试3个阴极近贴距离参数(分别记为:位置1、位置2、位置3),取平均值作为该支超二代像增强器的阴极近贴距离。

    通过以上对超二代像增强器分辨力影响因素的分析,可固定以下分辨力提高实验的条件:阴极输入窗采用玻璃窗、阴极与微通道板之间的电压Vcm为-200 V、微通道板与荧光屏之间的电压Vms为6000 V、阳极近贴距离d2为0.6mm、荧光屏采用现行工艺制作。

    使用6 μm光纤面板,6 μm微通道板,阴极近贴距离的理论装配值为0.15 mm时,超二代像增强器分辨力的测试值为57 lp/mm。距离理论值为0.15 mm时,超二代像增强器阴极近贴距离及分辨力测试数据见表 1

    表  1  超二代像增强器阴极近贴距离及分辨力测试数据(距离理论值为0.15 mm)
    Table  1.  The test values of cathode proximity distance and resolution of super Ⅱ image intensifiers (the distance theoretical value is 0.15 mm)
    Sample Distance theoretical value Distance of test position 1/mm Distance of test position 2/mm Distance of test position 3/mm Average value of distance/mm Resolution/
    (lp/mm)
    4117# 0.15 0.155 0.145 0.147 0.149 57
    4393# 0.150 0.168 0.152 0.157 57
    4387# 0.149 0.148 0.145 0.147 57
    4287# 0.160 0.142 0.150 0.151 57
    下载: 导出CSV 
    | 显示表格

    使用6 μm光纤面板,6 μm微通道板,阴极近贴距离的理论装配值为0.12 mm时,超二代像增强器分辨力的测试值为60 lp/mm。距离理论值为0.12 mm时,超二代像增强器阴极近贴距离及分辨力测试数据见表 2

    表  2  超二代像增强器阴极近贴距离及分辨力测试数据(距离理论值为0.12 mm)
    Table  2.  The test values of cathode proximity distance and resolution of super Ⅱ image intensifiers (the distance theoretical value is 0.12 mm)
    Sample Distance theoretical value Distance of test position 1/mm Distance of test position 2/mm Distance of test position 3/mm Average value of distance/mm Resolution/
    (lp/mm)
    4075# 0.12 0.125 0.107 0.138 0.123 60
    4279# 0.118 0.131 0.132 0.127 60
    4383# 0.135 0.128 0.113 0.125 60
    4726# 0.102 0.113 0.155 0.123 60
    下载: 导出CSV 
    | 显示表格

    使用6 μm光纤面板,6 μm微通道板,阴极近贴距离的理论装配值为0.08 mm时,超二代像增强器分辨力的测试值为64 lp/mm。距离理论值为0.08 mm时,超二代像增强器阴极近贴距离及分辨力测试数据见表 3

    表  3  超二代像增强器阴极近贴距离及分辨力测试数据(距离理论值为0.08 mm)
    Table  3.  The test values of cathode proximity distance and resolution of super Ⅱ image intensifiers (the distance theoretical value is 0.08 mm)
    Sample Distance theoretical value Distance of test position 1/mm Distance of test position 2/mm Distance of test position 3/mm Average value of distance/mm Resolution/(lp/mm)
    7035# 0.08 0.082 0.075 0.084 0.080 64
    7011# 0.087 0.077 0.078 0.081 64
    7050# 0.088 0.077 0.080 0.082 64
    7068# 0.080 0.090 0.080 0.083 64
    下载: 导出CSV 
    | 显示表格

    由以上3个实验的结果可知,在其他实验条件相同的情况下,随着阴极近贴距离的缩小,超二代像增强器的分辨力逐渐提高。超二代像增强器的分辨力与阴极近贴距离的关系如图 4示。如果想通过不断地缩小阴极近贴距离来提高超二代像增强器的分辨力,会导致多碱光电阴极与微通道板之间出现放电、击穿等疵病的概率增加,造成超二代像增强器失效。

    图  4  分辨力与阴极近贴距离关系
    Figure  4.  The relationship between cathode proximity distance and resolution of image intensifier

    根据光纤面板输出窗分辨力计算公式,当光纤面板的丝径缩小到4 μm时,其分辨力理论值为144.3 lp/mm。使用4 μm光纤面板,6 μm微通道板,阴极近贴距离的理论装配值为0.08 mm时,超二代像增强器分辨力的测试值为68 lp/mm。不同丝径光纤面板的超二代像增强器分辨力测试数据见表 4

    表  4  不同丝径光纤面板的超二代像增强器分辨力测试数据
    Table  4.  Resolution of different fiber optic plate of the super Ⅱ image intensifiers
    Sample Fiber diameter of fiber optic plate/μm Average value of distance/mm Resolution/(lp/mm)
    7035# 6 0.080 64
    7011# 6 0.081 64
    7050# 6 0.082 64
    7068# 6 0.083 64
    7034# 4 0.085 68
    7013# 4 0.085 68
    7032# 4 0.085 68
    7003# 4 0.086 68
    下载: 导出CSV 
    | 显示表格

    在保证最佳长径比的情况下,目前微通道板通道孔径可以缩小到5 μm[14]。根据微通道板分辨力计算公式可得,微通道板的通道孔径为5 μm时,其分辨力理论值为115.5 lp/mm。使用4 μm光纤面板,5 μm微通道板,微通道板镀输出防电子弥散膜,阴极近贴距离理论装配值为0.08 mm时,超二代像增强器分辨力的测试值能达到72 lp/mm。不同微通道板状态下超二代像增强器分辨力测试数据见表 5

    表  5  不同微通道板状态下超二代像增强器分辨力测试数据
    Table  5.  Resolution of the super Ⅱ image intensifiers with different features microchannel plate
    Sample Fiber diameter of fiber optic plate/μm Channel diameter of microchannel plate/μm Microchannel plate output anti dispersion film Average value of distance/mm Resolution/(lp/mm)
    7034# 4 6 without 0.085 68
    7013# 4 6 without 0.085 68
    7032# 4 6 without 0.085 68
    7003# 4 6 without 0.086 68
    7038# 4 5 with 0.080 72
    7025# 4 5 with 0.082 72
    7026# 4 5 with 0.082 72
    7036# 4 5 with 0.083 72
    下载: 导出CSV 
    | 显示表格

    通过综合减小阴极近贴距离、减小微通道板通道孔径、减小光纤面板输出窗丝径以及对微通道板镀制防电子弥散膜的方法,超二代像增强器分辨力最高值达到了76 lp/mm,比原有超二代像增强器的分辨力提高了33.33%。实验前后超二代像增强器分辨力测试数据见表 6

    表  6  实验前后超二代像增强器分辨力测试数据
    Table  6.  Resolution of the super Ⅱ image intensifiers before and after the experiment
    Sample Fiber diameter of fiber optic plate/μm Channel diameter of microchannel plate/μm Microchannel plate output anti dispersion film Average value of distance/mm Resolution/(lp/mm)
    4117# 6 6 without 0.149 57
    4393# 6 6 without 0.157 57
    4387# 6 6 without 0.147 57
    4287# 6 6 without 0.151 57
    7022# 4 5 with 0.080 76
    7023# 4 5 with 0.079 76
    7066# 4 5 with 0.077 76
    7045# 4 5 with 0.076 76
    下载: 导出CSV 
    | 显示表格

    在固定阴极输入窗、光电阴极、阳极近贴距离及荧光屏制作工艺的前提下,可以通过减小阴极近贴距离、减小微通道板通道孔径、减小光纤面板输出窗丝径以及对微通道板镀制防电子弥散膜的方法来提高超二代像增强器的分辨力:

    1)使用相同类型的微通道板和光纤面板输出窗,并保证微通道板装配面与阴极输入窗封接面之间平行差≤0.01 mm的前提下,阴极近贴距离由0.15 mm缩小到0.12 mm,超二代像增强器分的辨力可以提高3 lp/mm,阴极近贴距离由0.12 mm缩小到0.08 mm,超二代像增强器的分辨力可以提高4 lp/mm。将3个阴极近贴距离条件下测得的分辨力值代入分辨力计算公式中,可求得阴极聚焦分辨力计算公式中的系数K值,系数K的平均值为1.107。

    2)当阴极近贴距离固定为0.08 mm,将光纤面板输出窗的丝径缩小为4 μm时,超二代像增强器的分辨力又可以进一步提高4 lp/mm。

    3)当阴极近贴距离固定为0.08 mm,光纤面板输出窗的丝径为4 μm,微通道板丝径缩小为5 μm且输出面镀制防电子弥散金属膜时,超二代像增强器的分辨力又可以进一步提高4 lp/mm。

    4)综合以上影响因素,超二代像增强器的分辨力最高达到76 lp/mm,比原有超二代像增强器的分辨力提高了33.33%。

    5)随着材料性能的提升和制作技术的不断进步,可以进一步提高荧光屏与微通道板之间的场强,从而进一步提升超二代像增强器的分辨力。

  • 图  1   RBNSM总体框架

    Figure  1.   General framework of RBNSM

    图  2   目标单元与背景单元分布

    Figure  2.   Distribution of target and background cells

    图  3   五种不同场景的复杂图像三维图及本方法显著性图

    Figure  3.   Three-dimensional maps of complex images of five different scenes and the saliency map of this method

    图  4   不同红外场景下7种算法的ROC曲线

    Figure  4.   ROC curves of 7 algorithms in different infrared scenarios

    图  5   不同尺度目标的红外图像原图、标签图及本方法结果

    Figure  5.   Original Infrared image, label image and result image of targets with different scales

    图  6   多目标的红外图像原图、标签图及本方法检测结果

    Figure  6.   The original infrared image, label image and detection result of the multi-target

    表  1   本方法在SIRST数据集上不同K值与λ值的nIoU值

    Table  1   nIoU values for different K and λ values of this method on the SIRST dataset

    K 1 2 3 4 5 6
    nIoU 0.5472 0.5558 0.5467 0.5366 0.5131 0.4888
    K 7 8 9
    nIoU 0.4517 0.4186 0.3862
    λ 0 1 2 3 4 5
    nIoU 0.4846 0.5445 0.5558 0.5533 0.5499 0.5466
    下载: 导出CSV

    表  2   测试图像基本特征

    Table  2   Basic features of the test image

    Image Size Target Size SCR Scene Description
    a 126×127 4×3 1.7862 Building edge and heavy noise
    b 128×128 3×3 1.4275 White patches and heavy noise
    c 255×320 3×2 1.1152 Faint targets drown in background
    d 305×405 2×3 0.8040 Strong cloud interference
    e 256×256 3×3 1.1950 Strong building edge interference
    下载: 导出CSV

    表  3   5种不同场景红外图像的SCRG,BSF和时间消耗

    Table  3   SCRG, BSF and time consumption for 5 different scenes of IR images

    Image Index AAGD[26] PSTNN[17] LEF[24] TLLCM[25] HBMLCM[22] RLCM[23] RBNSM
    a SCRG
    BSF
    Time/s
    3.4482
    2.5841
    0.0103
    7.2142
    3.2782
    0.1454
    21.0433
    6.1053
    2.8768
    10.7899
    3.0621
    1.5073
    6.0033
    2.9321
    0.0383
    8.7069
    1.0584
    2.3580
    55.8439
    10.7154
    0.1193
    b SCRG
    BSF
    Time/s
    3.4781
    6.3289
    0.0133
    3.4120
    12.5161
    0.1023
    5.5669
    4.4671
    2.0580
    7.7367
    4.3538
    1.4525
    3.3712
    2.7164
    0.0110
    0.8943
    1.7737
    2.1472
    65.5746
    18.5168
    0.1476

    c
    SCRG
    BSF
    Time/s
    0.0524
    10.4722
    0.0387
    0.0137
    26.0004
    0.5546
    29.4364
    11.5055
    10.2756
    20.0115
    11.5709
    6.0454
    0.3882
    8.9662
    0.0434
    1.2931
    4.1872
    10.7094
    126.9818
    38.0842
    0.5666

    d
    SCRG
    BSF
    Tim/s
    15.0705
    1.1310
    0.0537
    119.5938
    32.2470
    1.1583
    66.1633
    23.6170
    18.5141
    36.5679
    11.6517
    8.5484
    78.5632
    19.0847
    0.0651
    11.8546
    5.7182
    15.3649
    180.5421
    183.3723
    1.6434
    e SCRG
    BSF
    Time/s
    16.4635
    4.6741
    0.0276
    28.2547
    11.6653
    0.4174
    53.0661
    18.7079
    8.6336
    69.5144
    26.1979
    5.4414
    31.0343
    10.7358
    0.0257
    25.8079
    4.6734
    8.5788
    217.6813
    50.7863
    0.4615
    下载: 导出CSV

    表  4   每种方法在SIRST数据集上的平均指标

    Table  4   Average metrics for each method on the SIRST dataset

    AAGD PSTNN LEF TLLCM HBMLCM RLCM ACM[11] RBNSM
    SCRG 167.795 543.545 120.466 200.517 174.422 97.610 - 964.319
    BSF 34.174 73.079 22.717 46.599 61.351 9.235 - 280.170
    nIoU 0.2871 0.5987 0.2282 0.1943 0.2639 0.1418 0.4154 0.5558
    Time(CPU/s) 0.012 0.138 8.557 4.032 0.026 6.515 1.137 0.438
    下载: 导出CSV
  • [1]

    GUAN X, ZHANG L, HUANG S, et al. Infrared small target detection via non-convex tensor rank surrogate joint local contrast energy[J]. Remote Sensing, 2020, 12(9): 1520. DOI: 10.3390/rs12091520

    [2]

    LU R, YANG Xiaogang, LI W, et al. Robust infrared small target detection via multidirectional derivative-based weighted contrast measure[J]. IEEE Geoscience and Remote Sensing Letters, 2020, 1(1): 1-5.

    [3]

    ZHANG L, LIN Z. Infrared small target detection based on anisotropic contrast filter[C]//2020 IEEE 5th International Conference on Signal and Image Processing (ICSIP). IEEE, 2020: 70-73.

    [4]

    SUN Y, YANG J, AN W. Infrared dim and small target detection via multiple subspace learning and spatial-temporal patch-tensor model[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020(99): 1-16.

    [5]

    GAO C, MENG D, YANG Y, et al. Infrared patch-image model for small target detection in a single image[J]. IEEE Transactions on Image Processing, 2013, 22(12): 4996-5009. DOI: 10.1109/TIP.2013.2281420

    [6] 吴双忱, 左峥嵘. 基于深度卷积神经网络的红外小目标检测[J]. 红外与毫米波学报, 2019, 38(3): 371-380. https://www.cnki.com.cn/Article/CJFDTOTAL-HWYH201903019.htm

    WU Shuangchen, ZUO Zhengrong. Small target detection in infrared images using deep convolutional neural networks[J]. Journal of Infrared Millimeter Waves, 2019, 38(3): 371-380. https://www.cnki.com.cn/Article/CJFDTOTAL-HWYH201903019.htm

    [7]

    DAI Y, WU Y, ZHOU F, et al. Attentional local contrast networks for infrared small target detection[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021(99): 1-12.

    [8]

    LIN S, HAN Z, LI D, et al. Integrating model-and data-driven methods for synchronous adaptive multi-band image fusion[J]. Information Fusion, 2020, 54: 145-160. DOI: 10.1016/j.inffus.2019.07.009

    [9] 赵兴科, 李明磊, 张弓, 等. 基于显著图融合的无人机载热红外图像目标检测方法[J/OL]. 自动化学报: 1-15. [2021-07-02]. http://kns.cnki.net/kcms/detail/11.2109.tp.20200421.1108.003.html.

    ZHAO Xingke, LI Minglei, ZHANG Gong, et al. Object Detection Method Based on Saliency Map Fusion for UAV-borne Thermal Images[J/OL]. Acta Automatica Sinica, 1-15. [2021-07-02]. http://kns.cnki.net/kcms/detail/11.2109.tp.20200421.1108.003.html.

    [10]

    WANG H, ZHOU L, WANG L. Miss detection vs. false alarm: Adversarial learning for small object segmentation in infrared images[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision, 2019: 8509-8518.

    [11]

    DAI Y, WU Y, ZHOU F, et al. Asymmetric contextual modulation for infrared small target detection[C]//Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV). 2021: 950-959.

    [12]

    LI B, XIAO C, WANG L, et al. Dense Nested Attention Network for Infrared Small Target Detection[J/OL]. arXiv preprint arXiv: 2 106.00487, 2021.

    [13]

    ZHAO M, CHENG L, YANG X, et al. TBC-Net: A real-time detector for infrared small target detection using semantic constraint[J/OL]. Computer Vision and Pattern Recognition, 2019. https://arxiv.org/abs/2001.05852.

    [14]

    NIE Y, LI W, ZHAO M, et al. Infrared small target detection in image sequences based on temporal low-rank and sparse decomposition[C]// Proc. SPIE, Twelfth International Conference on Graphics and Image Processing, 2021: 11720A.

    [15] 薛锡瑞, 黄树彩, 马佳顺, 等. 基于局部熵参考预处理的RPCA红外小目标检测[J]. 红外技术, 2021, 43(7): 649-657. http://hwjs.nvir.cn/article/id/e8541151-1530-4561-ad38-42349b5da1b8

    XUE Xirui, HUANG Shucai, MA Jiashun, et al. RPCA infrared small target detection based on local entropy reference in preprocessing[J]. Infrared Technology, 2021, 43(7): 649-657. http://hwjs.nvir.cn/article/id/e8541151-1530-4561-ad38-42349b5da1b8

    [16]

    ZHANG T, WU H, LIU Y, et al. Infrared small target detection based on non-convex optimization with lp-norm constraint[J]. Remote Sensing, 2019, 11(5): 559. DOI: 10.3390/rs11050559

    [17]

    ZHANG L, PENG Z. Infrared Small Target Detection Based on Partial Sum of the Tensor Nuclear Norm[J]. Remote Sensing, 2019, 11(4): 382. DOI: 10.3390/rs11040382

    [18]

    ZHANG Tianfang, PENG Zhenming, WU Hao, et al. Infrared small target detection via self-regularized weighted sparse model[J]. Neurocomputing, 2021, 420: 124-148. DOI: 10.1016/j.neucom.2020.08.065

    [19]

    CHEN C L P, LI H, WEI Y, et al. A local contrast method for small infrared target detection[C]//IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1): 574-581. Doi: 10.1109/TGRS.2013.2242477.

    [20] 刘松涛, 刘振兴, 姜宁. 基于融合显著图和高效子窗口搜索的红外目标分割[J]. 自动化学报, 2018, 44(12): 2210−2221 https://www.cnki.com.cn/Article/CJFDTOTAL-MOTO201812008.htm

    LIU Songtao, LIU Zhenxing, JIANG Ning. Target segmentation of infrared image using fused saliency map and efficient subwindow search[J]. Acta Automatica Sinica, 2018, 44(12): 2210−2221 https://www.cnki.com.cn/Article/CJFDTOTAL-MOTO201812008.htm

    [21]

    WEI Y T, YOU X G, LI H. Multiscale patch-based contrast measure for small infrared target detection[J]. Pattern Recogn., 2016, 58: 216-226. DOI: 10.1016/j.patcog.2016.04.002

    [22]

    SHI Y F, WEI Y T, YAO H, et al. High-boost-based multiscale local contrast measure for infrared small target detection[J]. IEEE Geoscience and Remote Sensing Letters, 2018, 15: 33-37. DOI: 10.1109/LGRS.2017.2772030

    [23]

    HAN JH, LIANG K, ZHOU B, et al. Infrared small target detection utilizing the multiscale relative local contrast measure[J]. IEEE Geosci. Remote Sens. Lett., 2018, 15: 612-616. DOI: 10.1109/LGRS.2018.2790909

    [24]

    XIA C, LI X, ZHAO L, et al. Infrared small target detection based on multiscale local contrast measure using local energy factor[J]. IEEE Geoscience and Remote Sensing Letters, 2020, 17(1): 157-161. DOI: 10.1109/LGRS.2019.2914432

    [25]

    HAN J, Moradi S, Faramarzi I, et al. A local contrast method for infrared small-target detection utilizing a tri-layer window[J]. IEEE Geoscience and Remote Sensing Letter, 2020, 17(10): 1822-1826 DOI: 10.1109/LGRS.2019.2954578

    [26]

    DENG H, SUN X, LIU M, et al. Infrared small-target detection using multiscale gray difference weighted image entropy[J]. IEEE Transactions on Aerospace and Electronic Systems, 2016, 52(1): 60-72. DOI: 10.1109/TAES.2015.140878

    [27]

    HUANG S, LIU Y, HE Y, et al. Structure-adaptive clutter suppression for infrared small target detection: chain-growth filtering[J]. Remote Sensing, 2020, 12(1): 47-69.

  • 期刊类型引用(12)

    1. 邱祥彪,杨晓明,孙建宁,王健,丛晓庆,金戈,曾进能,张正君,潘凯,陈晓倩. 高空间分辨微通道板现状及发展. 红外技术. 2024(04): 460-466 . 本站查看
    2. 刘宇,时荔蕙. 像增强器性能梯次及发展路线研究. 红外与毫米波学报. 2023(04): 427-433 . 百度学术
    3. 曾进能,杨琼连,龚燕妮,李廷涛,王乙瑾,李晓露,赵恒,马怀超,徐传平,吴艳娟,汪云,李耀斌,须恃瑜,刘倍宏,徐鳕娇,李荣喜. 超二代微光像增强器性能随工作时间的影响研究. 红外技术. 2023(08): 869-875 . 本站查看
    4. 孙磊,金东东,纪春恒,裴崇雷,安鸿波,段恩悦. 基于增强型CCD探测器的距离选通三维成像不均匀性补偿方法. 兵工学报. 2023(08): 2495-2502 . 百度学术
    5. 李亚情,左加宁,李晓露,周盛涛,褚祝军,杜培德,王光凡. 自动门控像增强器温度补偿技术研究. 红外技术. 2023(10): 1126-1131 . 本站查看
    6. 李晓峰,常乐,刘倍宏,须恃瑜,丁易冰. 超二代像增强器分辨力随输入照度变化研究. 红外技术. 2022(04): 377-382 . 本站查看
    7. 李亚情,周盛涛,王光凡,褚祝军,杜培德,朱文锦,李晓露,左加宁,朱世聪. 普通高压电源超二代微光像增强器亮度增益温度特性研究. 红外技术. 2022(08): 804-810 . 本站查看
    8. 李晓峰,何雁彬,常乐,王光凡,徐传平. 超二代与三代像增强器性能的比较研究. 红外技术. 2022(08): 764-777 . 本站查看
    9. 张益军. 半导体光电阴极的研究进展. 红外技术. 2022(08): 778-791 . 本站查看
    10. 邱祥彪,闵信杰,金戈,孙建宁,王健,丛晓庆,张正君,徐昭,潘凯,任玲,张振,乔芳建,聂慧君,黄国瑞,陈晓倩,胡泽训,林焱剑,刘丹,杨晓明. 采用干法刻蚀进行微通道板扩口理论模型研究. 红外技术. 2022(08): 818-823 . 本站查看
    11. 孙磊,金东东,纪春恒,裴崇雷,安鸿波. 基于抛物线包络反演的距离选通三维成像方法. 兵工学报. 2022(08): 1868-1873 . 百度学术
    12. 杨武丽,来悦颖,张晓辉,焦岗成,李世龙,郭欣,贾甜甜. 微光像增强器常用荧光粉性能研究. 应用光学. 2022(06): 1207-1216 . 百度学术

    其他类型引用(4)

图(6)  /  表(4)
计量
  • 文章访问数:  273
  • HTML全文浏览量:  208
  • PDF下载量:  63
  • 被引次数: 16
出版历程
  • 收稿日期:  2021-10-09
  • 修回日期:  2021-12-07
  • 刊出日期:  2022-07-19

目录

/

返回文章
返回
x 关闭 永久关闭

尊敬的专家、作者、读者:

端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

感谢您对本刊的支持!

《红外技术》编辑部

2024年6月6日