红外弱小目标检测与跟踪
根据国际光学工程学会的定义,在256×256的图像中,红外小目标的像素面积不超过9×9。典型的红外小目标包括无人机等飞行目标。
检测难点来自于
复杂背景——云层、低空地物
目标微弱——辐射强度低
1,红外弱小目标检测
1.1 检测方法
基于深度学习(数据驱动)
基于深度学习,从训练数据中自适应地学习特征提取方法,适应不同的场景。
以端到端的形式,将单帧图像输入网络,根据处理范式的不同,将深度学习类方法分为基于检测和基于分割。
基于检测的方法,处理思路与通用目标检测相同,网络直接输出目标在图像中的位置信息。
基于分割的方法,处理思路与模型驱动的传统方法类似,网络对每个像素进行二分类,区分为目标或者背景,输出目标分割图。
基于传统方法(模型驱动)
基于手工设计的特征,并遵循某些特定的假设,这种固有特性导致了算法对于不同场景的适应性较差。
背景抑制
在图像上移动特殊设计的滑窗,抑制窗口内的背景像素,并增强目标像素。
典型方法包括top-hat变化、中值滤波、均值滤波等。
这些早期方法已经被广泛地部署于实际应用场景。
缺点:处理厚云层或海天交界场景时会出现大量的虚警。
局部对比度:
启发于人类视觉系统,认为目标是与背景之间存在显著灰度差异的局部区域。
显性地构建一种