• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    RBNSM:一種復雜背景下紅外弱小目標檢測新方法

    2022-07-26 13:06:54藺素珍張海松祿曉飛李大威
    紅外技術 2022年7期
    關鍵詞:弱小鄰域紅外

    藺素珍,張海松,祿曉飛,李大威,李 毅

    RBNSM:一種復雜背景下紅外弱小目標檢測新方法

    藺素珍1,張海松1,祿曉飛2,李大威3,李 毅2

    (1. 中北大學 大數(shù)據(jù)學院,山西 太原 030051;2. 酒泉衛(wèi)星發(fā)射中心,甘肅 酒泉 735305;3. 中北大學 電氣與控制工程學院,山西 太原 030051)

    弱小目標檢測是紅外探測與跟蹤任務中的經典難題。針對復雜背景下紅外弱小目標普遍存在檢測率低、虛警率高的問題,提出一種基于區(qū)域雙鄰域顯著圖(Regional Bi-Neighborhood Saliency Map,RBNSM)的復雜背景紅外弱小目標檢測新方法。利用弱小目標的局部先驗特性定義滑動窗口并劃分為多個單元,計算中心單元前若干個最大灰度的均值來凸顯弱目標;分別構建中心單元的相接鄰域和相隔鄰域并計算各自的灰度均值,進而,從不同方向上提取兩鄰域顯著圖并點乘二者以進一步抑制雜波背景、增強弱小目標;最后,通過自適應提取準確檢測目標。多種典型紅外復雜背景圖像和SIRST數(shù)據(jù)集檢測結果表明:與7種代表性方法相比,RBNSM在復雜背景下具有更好的檢測性能與雜波抑制能力。

    目標檢測;紅外弱小目標;鄰域顯著圖;相接鄰域;相隔鄰域

    0 引言

    紅外弱小目標檢測是各種精確制導系統(tǒng)、安防系統(tǒng)和無人機巡檢等系統(tǒng)面臨的經典難題之一[1-3]。這里的弱小目標是指圖像信雜比小于5[4]且目標尺寸在2×2~9×9像素之間[5]的目標,該類目標在空天目標和海面目標探測中極為常見。其檢測難點在于:1)成像距離遠,目標在圖像中呈點狀或近似點狀,不僅缺乏形狀、紋理和顏色特征信息而且極易于和噪點等混淆;2)空天和海面目標探測中普遍存在云層、水面波光等復雜背景,易導致較多誤檢;3)弱小目標與局部背景的對比度低,易造成漏檢[6-7]。因此,上述難點為紅外弱小目標檢測帶來了極大挑戰(zhàn)。

    目前,紅外小目標檢測方法分為模型驅動與數(shù)據(jù)驅動兩種[7-9]。數(shù)據(jù)驅動法通過設計網絡、訓練模型和預測進行目標檢測,代表性的網絡模型有MdvsFA[10]、ACM[11]和DNANet[12]等。這些方法對特定對象效果較好,但大都使用人工合成數(shù)據(jù)集訓練網絡模型[13],其結果是模型在真實復雜場景的效果難以保證。所以,模型驅動法依然是目前紅外小目標檢測的主要方法。模型驅動法又可分為多幀與單幀方法[13]。由于技術所限,紅外成像儀還很難像可見光那樣能高速成像,這就使得以“建立運動模型預測軌跡”為核心的多幀方法效果欠佳[14]。因此,具有魯棒性的單幀方法更受關注。

    從處理思路上看,單幀方法包含3種:首先是基于低秩和稀疏理論法,其核心是將小目標檢測問題轉化為優(yōu)化求解問題[15]。這類方法一般可以有效分離目標和背景,但基于核范數(shù)和秩函數(shù)等求解[16-17]時存在異常像素值敏感、耗時較長等問題,并且對于復雜背景,易將角點等區(qū)域誤檢為目標,導致虛警及漏檢[18]。其次是基于濾波的方法,使用如雙邊濾波等濾波技術來去除背景。該類方法對于均勻背景的抑制能力較好,但對如云層及建筑邊緣等復雜背景的邊緣抑制效果差,使得虛警增多。最后是基于人類視覺系統(tǒng)的方法,使用比值和差值等操作提取背景與目標的局部對比度(Local Contrast Method,LCM)[19-20]來增強目標。該類方法中多數(shù)研究者主要集中于改進局部對比度特征提取方法,如多尺度塊局部對比度(Multiscale Patch-based Contrast Measure, MPCM)[21]、高提升多尺度局部對比度(High-Boost-Based Multiscale Local Contrast Measure, HBMLCM)[22]、相對局部對比度(Relative Local Contrast Measure, RLCM)[23]、基于局部能量因子的局部對比度(Local Energy Factor, LEF)[24]、基于三層窗的局部對比度方法(Tri-Layer Window Local Contrast Method,TLLCM)[25]及平均絕對灰度差分方法(Average Absolute Gray Difference, AAGD)[26]等。這些方法適用于變化平緩的紅外背景,但對復雜背景,不僅無法去除高對比度的邊緣,致使其誤檢率高,而且由于弱小目標與局部背景的對比度低,導致漏檢率高。

    為此,針對紅外弱小目標檢測在復雜背景下虛警率和漏檢率高問題,提出一種基于區(qū)域雙鄰域顯著圖(Regional Bi-Neighborhood Saliency Map,RBNSM)的復雜背景下紅外弱小目標檢測方法。先定義區(qū)域雙鄰域并根據(jù)其特性,不僅利用了弱小目標與背景在不同方向上的差異信息,同時考慮了更多的局部信息,從而提取區(qū)域雙鄰域顯著圖;然后,點乘二者增大弱小目標與局部背景的差距,最后通過自適應提取技術實現(xiàn)復雜背景下紅外弱小目標的高效準確檢測。

    1 基于區(qū)域雙鄰域顯著圖的紅外小目標檢測

    復雜背景下的紅外弱小目標檢測存在以下幾個不失一般性的事實:1)局部背景邊緣與紅外小目標特性不一致,前者具有各向異性,后者則相反;2)目標較弱,導致局部背景與目標的對比度低;3)增強目標應設計合理的對比度增強策略;4)顯著圖可能仍然存在雜波噪聲。

    針對這些事實,模型必須兼顧以下幾方面:1)鑒于窗口中目標與背景在特征上的差異性,應將濾波窗口分為不同單元(cell);2)使用弱目標中前若干個灰度最大值的均值作為目標區(qū)的均值有助于增大目標與局部背景的對比度;3)利用所提相接與相隔鄰域的信息,不僅能夠減弱單一單元作用,而且可以從更多方向上提取更加差異化的信息,從而確立目標邊緣;4)點乘兩顯著圖來進一步去除雜波噪聲。所以,提出總體框架如圖1所示。

    1.1 cell創(chuàng)建

    定義一個大小為×的滑動窗口并將該窗口細分為9個大小為×的cell,則=3。假設中心單元cell0為目標區(qū),cell1~8是局部背景區(qū),具體如圖2所示。

    滑動窗口如此劃分的原因是既考慮到不同方向上的差異信息又使窗口不過于復雜,從而影響時間效率。

    1.2 cell亮度提取

    1)cell0的顯著亮度

    為了增強目標亮度和簡化計算,先對cell0中的像素值按降序排列,并計算前個值的均值,并用Max作為cell0的顯著亮度:

    式中:(x, y)表示滑窗中心點位置;當K值選取過小時,會引入較多虛警;當K值選取過大時,會使得目標縮小,甚至消失,導致漏檢;因此經過多次試驗選取K=2,下文中將給出實驗驗證,Gj表示cell0中第j大的像素值(j=1,2,…,K)。

    圖2 目標單元與背景單元分布

    2)cell的池化亮度

    為簡化計算起見,所有cell的池化亮度分別用各單元灰度均值表示:

    式中:G(,)代表第個cell的點(,)處的灰度值(=0,1,…,8)

    1.3 相接鄰域構建

    經圖像處理領域的像素鄰域概念啟發(fā),這里定義中心cell0相接鄰域的集合為:

    式中:(,)形式表示由、兩個單元組成的cell0的相接鄰域。

    計算其均值:

    式中:p(,)和q(,)為相接鄰域對應單元的池化亮度。

    相接鄰域考慮相鄰的兩單元而非一個單元或三個單元是因為其能在考慮更多方向差異信息的同時利用更多的局部信息。

    1.4 相隔鄰域構建

    定義中心cell0相隔鄰域的集合為:

    計算其均值:

    式中:u(,)和v(,)為相隔鄰域對應單元的池化亮度。

    1.5 區(qū)域雙鄰域顯著圖提取

    1)cell0相接鄰域顯著圖提?。ˋdjacent Neighborhood Saliency Map, ANSM)

    其由cell0的顯著亮度Max(,)和相接鄰域的均值a進行差平方計算得出:

    當滑動窗口處于洞狀背景時,cell0的池化亮度小于其它單元的池化亮度,但經公式(7)增強后會被誤檢為目標。因此,使用判斷函數(shù)()來去除洞狀背景:

    式中:(×)如公式(9)所示:

    小目標各向同性的性質使得(8)式所得結果均較大。因此,將結果最小值作為該點ANSM的輸出值能夠區(qū)分雜波背景與小目標:

    2)cell0相隔鄰域顯著圖提取(Spaced Neighborhood Saliency Map, SNSM)

    類似(1)中,Max(,)和b的差分平方結果SNSM如下:

    同理,將結果最小值作為該點SNSM的輸出值,如公式(12)所示:

    3)RBNSM計算

    區(qū)域雙鄰域顯著圖RBNSM在點(,)處的值由公式(13)得出:

    RBNSM(,)=ANSM(,)×SNSM(,) (13)

    由于滑動窗口逐像素對圖像進行濾波,得到的是其中心點的新灰度值。因此無論滑動窗口中存在幾個目標,都會根據(jù)設計的局部對比度增強策略及窗口的局部信息逐像素計算。

    本方法為了權衡檢測性能及時間效率,在僅利用灰度信息的情況下就能達到顯著的檢測效果。

    1.6 目標自適應提取

    如圖1所示,原始紅外圖像經過RBNSM計算后得到的顯著圖的信雜比大大提升。此時,顯著圖中亮度最突出的部分即為目標。因此,使用自適應閾值分割法來提取出目標,閾值計算過程如公式(14)所示:

    Th=×(14)

    式中:代表RBNSM顯著性圖的均值和標準差。值選取將在下文實驗中給出。

    1.7 RBNSM適用性分析

    當滑動窗口逐像素對圖像進行濾波時,可能產生以下幾種情況:

    1)當滑窗處于目標中心區(qū)域時:只考慮目標區(qū)前最大灰度值使得Max(,)≥0(,)。局部背景區(qū)考慮相接鄰域與相隔鄰域,使得a(,),b(,)均小于各自單獨單元的亮度(,),即Max(,)?a(,),Max(,)?b(,)。據(jù)式(8)和(11)可知ANSM、SNSM值都較大。二者點乘會使RBNSM值更大。由此,目標中心區(qū)域被顯著增強。

    2)當滑窗處于均勻背景區(qū)域時:Max(,)≈a(,),Max(,)≈b(,),導致ANSM、SNSM以及RBNSM的值都趨于0。因此,均勻背景被抑制。

    3)當滑窗處于高亮度背景邊緣時:Max(,)值較大,并且由于邊緣一般具有單邊對稱性,導致Max(,)≈max[a(,)],Max(,)≈max[b(,)],故ANSM、SNSM值都趨于0。點乘結果RBNSM值也趨于0,使得邊緣強度響應被削弱。由此,高亮度復雜背景邊緣也被抑制。

    4)當滑窗處于目標邊緣區(qū)域時:目標邊緣區(qū)域的亮度值與局部背景更相近,因此目標區(qū)只考慮前最大灰度值就使得Max(,)≥0(,)。同時,a(,)和b(,)略小于各自單獨單元的池化亮度(,),從而ANSM、SNSM以及RBNSM的值均較大。因此,目標邊緣區(qū)域也在一定程度上被增強。

    2 實驗及分析

    2.1 實驗設計與評價指標

    為全面評估本方法,我們在多種不同場景的復雜紅外圖像以及SIRST公開數(shù)據(jù)集上[11]測試了本文方法與7種代表性方法。這些方法包括:AAGD[26],PSTNN[17],LEF[24],TLLCM[25],HBMLCM[22],RLCM[23]和ACM[11]。其中,PSTNN是基于低秩和稀疏矩陣恢復的方法,ACM是基于深度學習的方法。同時,采用本領域常用的信雜比增益(Signal Clutter Ratio Gain,SCRG)、背景抑制因子(Background Suppression Factor,BSF)、接收者操作特性(Receiver Operating Characteristic, ROC)曲線以及時間消耗來衡量方法的檢測性能。其中,SCRG用來評價目標增強的程度,BSF用來評價算法抑制背景的能力,ROC通過曲線下的面積(Area Under Curve,AUC)值來評價最終的檢測效果[27]。SCRG和BSF值越大,目標增強效果與背景抑制效果越好。在ROC坐標空間中,曲線越接近左上角,則檢測性能越好。

    為了更好地平衡數(shù)據(jù)驅動方法和模型驅動方法,文獻[11]提出了新的評價指標nIoU。

    所有實驗在Intel(R) Core(TM) i5-7200U CPU,12G內存的電腦上使用MATLAB R2019b編程進行。

    2.2 參數(shù)設置

    本文通過實驗方法確定參數(shù)和。首先,在SIRST數(shù)據(jù)集上測試不同值對應的nIoU值。如表1所示,當值取2時,nIoU值達到最大,因此取值為2。然后,再用相同方法選取值。當值取2時,nIoU達到峰值,因此取值為2。后面所有實驗均在該取值下完成。

    表1 本方法在SIRST數(shù)據(jù)集上不同K值與l值的nIoU值

    2.3 復雜背景下實驗結果分析

    2.3.1 定性分析

    這里選取5種典型的紅外復雜場景圖像,通過展示8種方法得到的結果進行定性評價。測試圖像的基本特征如表2所示。圖3是測試結果。為便于排版,圖3中所有圖像縮放至同一大小,從上至下依次為:測試圖像、原圖三維圖、各方法顯著性圖的三維圖,目標用紅色方框標出。

    表2 測試圖像基本特征

    通過圖3可看出,PSTNN和ACM方法未檢測到圖像b和c中的目標;HBMLCM和RLCM方法未檢測到圖像c中的目標。AAGD,LEF及TLLCM方法雖然檢測到了目標,但同時存在大量背景雜波和噪聲;而本方法則目標顯著、背景抑制效果好并且基本無噪聲引入??傊疚姆椒黠@好于其它方法。

    2.3.2 定量分析

    表3給出7種方法在5種不同的復雜紅外場景圖像下的SCRG、BSF及時間消耗值,所有最優(yōu)值均用粗體標出。需要說明的是:由于ACM方法的輸出為二值圖,傳統(tǒng)的SCRG與BSF指標不再適應,因此,這里未包括在內。

    由表3可以看出:本文方法的SCRG和BSF均明顯高于6種對比方法,值得一提的是對于圖像b,本方法得到的SCRG值是其它方法中最大值的8.5倍,說明本文方法的目標增強能力顯著強于對比方法;對于圖像d,本方法得到的BSF值是其他方法最大值的5.6倍,說明本文方法的背景抑制能力極佳。在算法時間消耗方面,AAGD方法具有最佳的實時性;本方法與PSTNN方法所用時間相近,消耗時間遠小于LEF,TLLCM和RLCM方法??紤]到我們的雙鄰域顯著圖模型有利于算法并行處理,所以本文方法的時間消耗有較大提升潛力。綜合考慮以上3方面,本文方法的優(yōu)勢顯而易見。

    對于ROC曲線,7種方法的曲線如圖4所示,子圖(a)、(b)、(c)、(d)、(e)分別與前述的圖像a、b、c、d、e相對應。從圖4可以看出:在這5種紅外場景中,本方法的ROC曲線均最接近左上角,且得到最大的AUC值,這表明本方法相較于其它對比檢測方法,具有更好的檢測性能。

    2.4 魯棒性分析

    2.4.1 一般場景實驗

    為了驗證本方法在一般紅外場景下的檢測能力,在SIRST數(shù)據(jù)集上進行了性能測試。SIRST數(shù)據(jù)集包含427張單幀紅外場景圖像。SCRG,BSF及時間消耗的平均值如表4所示。為了與深度學習方法對比,這里計算了8種方法在此數(shù)據(jù)集上的nIoU值。

    由表4可知,本方法在SIRST公共數(shù)據(jù)集上的SCRG值與BSF值顯著優(yōu)于其它方法,表明本方法在一般紅外場景下卓越的目標增強及背景抑制能力。對于nIoU值,本方法雖未取得最大值,但與最優(yōu)值相差較小并遠大于其它方法,說明本方法比深度學習方法有更好的檢測性能。在時間消耗方面,本方法也基本滿足實時性要求。

    2.4.2 多尺度及多目標檢測性能測試

    為進一步驗證本文方法的魯棒性,這里針對不同尺度和不同數(shù)量目標進行了檢測實驗。

    表3 5種不同場景紅外圖像的SCRG,BSF和時間消耗

    表4 每種方法在SIRST數(shù)據(jù)集上的平均指標

    1)多尺度目標檢測

    圖5的目標尺寸從左至右依次為3×3、5×9、7×7、6×13和9×12。圖中從上至下每行依次為紅外原圖、標簽圖和本方法結果圖。結果表明本方法能穩(wěn)定檢出不同尺度的小目標。

    圖5 不同尺度目標的紅外圖像原圖、標簽圖及本方法結果

    2)多目標檢測

    圖6從左至右的目標個數(shù)依次為2、4、6和6。對于這些目標,本方法均能盡數(shù)檢出。特別地,圖像(b)的中間兩目標十分接近,本方法仍達到較好的檢測效果,說明本方法具有一定的多目標檢測能力。

    綜上,大量定性與定量實驗證明:①本方法無論對于如建筑強邊緣、白色斑塊及弱目標被淹沒等復雜背景或是一般紅外場景,還是對于多尺度多目標檢測,均效果顯著,說明本方法具有良好的魯棒性。②本方法經實驗調優(yōu)的參數(shù),一經選定無需再對每一張圖像調整參數(shù)即可獲得較好的檢測效果,說明本方法泛化性好,能夠滿足多種場景檢測需要。

    圖6 多目標的紅外圖像原圖、標簽圖及本方法檢測結果

    3 結論

    本文提出了一種復雜背景下紅外弱小目標檢測新方法。其中,計算中心單元的前個灰度最大值能增大弱小目標對比度;提取兩顯著圖時,將弱小目標在各個方向上的對比度最小值作為輸出值,能有效抑制復雜背景;點乘操作可進一步去除雜波噪聲。實驗結果表明本方法在SCRG、BSF、ROC曲線、AUC值及nIoU值評價指標上,均取得了較好的結果,顯示出本方法在復雜背景抑制及目標增強能力上的優(yōu)越性。同時,本方法還具有一定的多尺度及多目標檢測能力。由此可見,本方法是一種有效的復雜背景下紅外弱小目標檢測方法。下一階段將重點進行算法優(yōu)化和并行處理研究。

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

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

    [3] ZHANG L, LIN Z. Infrared small target detection based on anisotropic contrast filter[C]//20205th()., 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]., 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]., 2013, 22(12): 4996-5009.

    [6] 吳雙忱, 左崢嶸. 基于深度卷積神經網絡的紅外小目標檢測[J]. 紅外與毫米波學報, 2019, 38(3): 371-380.

    WU Shuangchen, ZUO Zhengrong. Small target detection in infrared images using deep convolutional neural networks[J]., 2019, 38(3): 371-380.

    [7] DAI Y, WU Y, ZHOU F, et al. Attentional local contrast networks for infrared small target detection[J]., 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]., 2020, 54: 145-160.

    [9] 趙興科, 李明磊, 張弓, 等. 基于顯著圖融合的無人機載熱紅外圖像目標檢測方法[J/OL]. 自動化學報: 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]., 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]///CVF, 2019: 8509-8518.

    [11] DAI Y, WU Y, ZHOU F, et al. Asymmetric contextual modulation for infrared small target detection[C]///(). 2021: 950-959.

    [12] LI B, XIAO C, WANG L, et al. Dense Nested Attention Network for Infrared Small Target Detection[J/OL].: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]., 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]//,, 2021: 11720A.

    [15] 薛錫瑞, 黃樹彩, 馬佳順, 等. 基于局部熵參考預處理的RPCA紅外小目標檢測[J]. 紅外技術, 2021, 43(7): 649-657.

    XUE Xirui, HUANG Shucai, MA Jiashun, et al. RPCA infrared small target detection based on local entropy reference in preprocessing[J]., 2021, 43(7): 649-657.

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

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

    [18] ZHANG Tianfang, PENG Zhenming, WU Hao, et al. Infrared small target detection via self-regularized weighted sparse model[J]., 2021, 420: 124-148.

    [19] CHEN C L P, LI H, WEI Y, et al. A local contrast method for small infrared target detection[C]//, 2014, 52(1): 574-581. Doi: 10.1109/TGRS.2013. 2242477.

    [20] 劉松濤, 劉振興, 姜寧. 基于融合顯著圖和高效子窗口搜索的紅外目標分割[J]. 自動化學報, 2018, 44(12): 2210?2221

    LIU Songtao, LIU Zhenxing, JIANG Ning. Target segmentation of infrared image using fused saliency map and efficient subwindow search[J]., 2018, 44(12): 2210?2221

    [21] WEI Y T, YOU X G, LI H. Multiscale patch-based contrast measure for small infrared target detection[J]., 2016, 58: 216-226.

    [22] SHI Y F, WEI Y T, YAO H, et al. High-boost-based multiscale local contrast measure for infrared small target detection[J]., 2018, 15: 33-37.

    [23] HAN JH, LIANG K, ZHOU B, et al. Infrared small target detection utilizing the multiscale relative local contrast measure[J]., 2018, 15: 612-616.

    [24] XIA C, LI X, ZHAO L, et al. Infrared small target detection based on multiscale local contrast measure using local energy factor[J]., 2020, 17(1): 157-161.

    [25] HAN J, Moradi S, Faramarzi I, et al. A local contrast method for infrared small-target detection utilizing a tri-layer window[J]., 2020, 17(10): 1822-1826

    [26] DENG H, SUN X, LIU M, et al. Infrared small-target detection using multiscale gray difference weighted image entropy[J]., 2016, 52(1): 60-72.

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

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

    LIN Suzhen1,ZHANG Haisong1,LU Xiaofei2,LI Dawei3,LI Yi2

    (1. College of Big Data, North University of China, Taiyuan 030051, China;2. Jiuquan Satellite Launch Center, Jiuquan 735305, China;3. College of Electrical and Control Engineering, North University of China, Taiyuan 030051, China)

    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.

    target detection, infrared dim and small target, neighborhood saliency map, adjacent neighborhood, spaced neighborhood

    TP751.1

    A

    1001-8891(2022)07-0667-09

    2021-10-10;

    2021-12-08.

    藺素珍(1966-),女,教授,博士,碩士生導師,主要從事圖像處理、紅外小目標檢測和多波段圖像融合領域研究。E-mail:lsz@nuc.edu.cn。

    山西省自然科學基金項目(201901D111151);中北大學第十七屆研究生科技立項項目(20201737)。

    猜你喜歡
    弱小鄰域紅外
    啊!水手,上岸吧
    網紅外賣
    閃亮的中國紅外『芯』
    金橋(2021年4期)2021-05-21 08:19:20
    稀疏圖平方圖的染色數(shù)上界
    TS系列紅外傳感器在嵌入式控制系統(tǒng)中的應用
    電子制作(2019年7期)2019-04-25 13:17:14
    基于鄰域競賽的多目標優(yōu)化算法
    自動化學報(2018年7期)2018-08-20 02:59:04
    基于快速遞推模糊2-劃分熵圖割的紅外圖像分割
    關于-型鄰域空間
    我有特別的喝水技巧
    柴的嘲笑
    亚洲人与动物交配视频| 99热这里只有精品一区 | 男女那种视频在线观看| 在线a可以看的网站| 日本五十路高清| 一进一出好大好爽视频| 丝袜人妻中文字幕| 成人三级做爰电影| 成人高潮视频无遮挡免费网站| 男人舔奶头视频| 亚洲精品美女久久久久99蜜臀| 亚洲精华国产精华精| 麻豆成人午夜福利视频| 欧美人与性动交α欧美精品济南到| 日本熟妇午夜| 日日爽夜夜爽网站| 成人高潮视频无遮挡免费网站| av福利片在线观看| 在线观看www视频免费| 村上凉子中文字幕在线| 午夜免费观看网址| 九九热线精品视视频播放| 两个人视频免费观看高清| 亚洲色图 男人天堂 中文字幕| 欧美中文日本在线观看视频| 国内久久婷婷六月综合欲色啪| 国产99久久九九免费精品| 韩国av一区二区三区四区| 国产精品乱码一区二三区的特点| 黄色成人免费大全| 欧美一区二区精品小视频在线| 亚洲国产看品久久| 宅男免费午夜| 国产精品爽爽va在线观看网站| 1024视频免费在线观看| 日本一二三区视频观看| 国产区一区二久久| 国产av一区在线观看免费| 中文在线观看免费www的网站 | 巨乳人妻的诱惑在线观看| 久久精品国产清高在天天线| 亚洲熟妇中文字幕五十中出| 国产亚洲欧美在线一区二区| av在线天堂中文字幕| 日本a在线网址| 又大又爽又粗| 99在线视频只有这里精品首页| 1024手机看黄色片| x7x7x7水蜜桃| 成人亚洲精品av一区二区| 国产人伦9x9x在线观看| 看免费av毛片| 岛国在线观看网站| 三级国产精品欧美在线观看 | 久久中文看片网| 亚洲av电影在线进入| 一本久久中文字幕| 国产麻豆成人av免费视频| 国内精品久久久久精免费| 免费在线观看视频国产中文字幕亚洲| 久久久久国产精品人妻aⅴ院| 妹子高潮喷水视频| 国产三级在线视频| 搡老岳熟女国产| 亚洲成人国产一区在线观看| 九色成人免费人妻av| 91成年电影在线观看| 一个人免费在线观看电影 | 久久亚洲真实| 两性夫妻黄色片| 无人区码免费观看不卡| 在线看三级毛片| 老司机福利观看| 高潮久久久久久久久久久不卡| 中文字幕av在线有码专区| 欧美乱色亚洲激情| 不卡一级毛片| 男女下面进入的视频免费午夜| 亚洲av成人av| av超薄肉色丝袜交足视频| x7x7x7水蜜桃| 中文字幕精品亚洲无线码一区| 一本久久中文字幕| 变态另类丝袜制服| 欧美成狂野欧美在线观看| x7x7x7水蜜桃| 亚洲av电影不卡..在线观看| 制服人妻中文乱码| 成人一区二区视频在线观看| 国产精品亚洲一级av第二区| 日本免费一区二区三区高清不卡| 五月玫瑰六月丁香| 亚洲国产欧美一区二区综合| 国产成人欧美在线观看| 99国产精品99久久久久| 亚洲欧美日韩东京热| 好男人电影高清在线观看| 亚洲成人中文字幕在线播放| 国产av不卡久久| 午夜福利视频1000在线观看| 亚洲第一电影网av| 亚洲va日本ⅴa欧美va伊人久久| 麻豆久久精品国产亚洲av| 亚洲乱码一区二区免费版| 国产高清激情床上av| 久久久久免费精品人妻一区二区| 国产人伦9x9x在线观看| 精品欧美一区二区三区在线| 可以在线观看毛片的网站| 亚洲午夜理论影院| 老汉色∧v一级毛片| 久久国产乱子伦精品免费另类| 草草在线视频免费看| 久久精品影院6| 国产精品自产拍在线观看55亚洲| 性色av乱码一区二区三区2| 高清毛片免费观看视频网站| 禁无遮挡网站| x7x7x7水蜜桃| 99热这里只有精品一区 | 一夜夜www| 亚洲色图 男人天堂 中文字幕| 精品欧美一区二区三区在线| 一区二区三区国产精品乱码| 欧美激情久久久久久爽电影| 91字幕亚洲| 国产精品久久久人人做人人爽| 欧美性猛交黑人性爽| 桃红色精品国产亚洲av| 成人三级做爰电影| 最近最新中文字幕大全电影3| 久久久久久久久中文| 国产视频一区二区在线看| 国产三级在线视频| 亚洲精品粉嫩美女一区| 久久亚洲真实| 特大巨黑吊av在线直播| 欧美一级a爱片免费观看看 | 日本免费a在线| 亚洲欧美日韩高清专用| 国产97色在线日韩免费| 精品久久久久久久久久免费视频| 一本综合久久免费| 一二三四在线观看免费中文在| 男人舔奶头视频| 国产私拍福利视频在线观看| 国产伦人伦偷精品视频| 亚洲精品久久国产高清桃花| 国产成人精品久久二区二区91| 久99久视频精品免费| 首页视频小说图片口味搜索| 女人被狂操c到高潮| 黄色毛片三级朝国网站| 国产精品一区二区免费欧美| 国产成人精品久久二区二区免费| 天天一区二区日本电影三级| 午夜两性在线视频| 美女免费视频网站| 日本精品一区二区三区蜜桃| 狠狠狠狠99中文字幕| 三级毛片av免费| 欧美久久黑人一区二区| 国产精品乱码一区二三区的特点| 又粗又爽又猛毛片免费看| 国产高清激情床上av| av在线天堂中文字幕| 久99久视频精品免费| 人妻丰满熟妇av一区二区三区| 日本黄色视频三级网站网址| 90打野战视频偷拍视频| 最近最新中文字幕大全电影3| 欧美+亚洲+日韩+国产| 亚洲精品中文字幕一二三四区| 午夜久久久久精精品| 国产爱豆传媒在线观看 | 三级男女做爰猛烈吃奶摸视频| 亚洲熟妇中文字幕五十中出| www.精华液| 一区二区三区高清视频在线| 啪啪无遮挡十八禁网站| 亚洲成av人片在线播放无| 国产精品av视频在线免费观看| 青草久久国产| 少妇熟女aⅴ在线视频| 国产精品免费一区二区三区在线| 一进一出抽搐动态| 在线a可以看的网站| 欧美性猛交黑人性爽| www.精华液| ponron亚洲| 亚洲av熟女| 日本一本二区三区精品| 在线观看一区二区三区| 成年人黄色毛片网站| 国产成+人综合+亚洲专区| 国产精品久久久人人做人人爽| 日本一区二区免费在线视频| 在线观看免费视频日本深夜| 最近最新中文字幕大全免费视频| 99热这里只有是精品50| 中文字幕人成人乱码亚洲影| 亚洲欧美激情综合另类| 亚洲 欧美 日韩 在线 免费| 亚洲国产精品成人综合色| 夜夜躁狠狠躁天天躁| 美女大奶头视频| 成人手机av| 国产亚洲精品一区二区www| 国产免费av片在线观看野外av| 真人一进一出gif抽搐免费| 在线观看舔阴道视频| 久久亚洲精品不卡| 操出白浆在线播放| 动漫黄色视频在线观看| 亚洲五月天丁香| 日日爽夜夜爽网站| 少妇被粗大的猛进出69影院| 免费在线观看黄色视频的| 搞女人的毛片| 午夜免费观看网址| 亚洲欧美精品综合久久99| 全区人妻精品视频| 国内毛片毛片毛片毛片毛片| 脱女人内裤的视频| 免费av毛片视频| xxxwww97欧美| 男人舔女人的私密视频| 亚洲成av人片免费观看| 免费无遮挡裸体视频| 变态另类丝袜制服| 亚洲人成网站高清观看| 国产主播在线观看一区二区| 少妇的丰满在线观看| 精品不卡国产一区二区三区| 亚洲av第一区精品v没综合| 国产成人av激情在线播放| 免费在线观看成人毛片| 又黄又爽又免费观看的视频| 亚洲精品国产精品久久久不卡| 色av中文字幕| 精品久久久久久,| 亚洲一卡2卡3卡4卡5卡精品中文| 又紧又爽又黄一区二区| cao死你这个sao货| 日日摸夜夜添夜夜添小说| 亚洲成人中文字幕在线播放| 精品一区二区三区四区五区乱码| 久热爱精品视频在线9| 亚洲av电影在线进入| 正在播放国产对白刺激| 午夜福利欧美成人| 非洲黑人性xxxx精品又粗又长| 三级男女做爰猛烈吃奶摸视频| 中文字幕熟女人妻在线| 美女扒开内裤让男人捅视频| 精品人妻1区二区| a在线观看视频网站| 无限看片的www在线观看| 天堂√8在线中文| 国产精品 欧美亚洲| 村上凉子中文字幕在线| 精品熟女少妇八av免费久了| 久热爱精品视频在线9| 在线观看美女被高潮喷水网站 | 国产一区二区在线观看日韩 | 淫秽高清视频在线观看| xxx96com| 宅男免费午夜| 伦理电影免费视频| 男女做爰动态图高潮gif福利片| 夜夜夜夜夜久久久久| 国产99白浆流出| 99久久无色码亚洲精品果冻| 国产成+人综合+亚洲专区| 哪里可以看免费的av片| 观看免费一级毛片| 午夜福利欧美成人| 99久久综合精品五月天人人| 最好的美女福利视频网| 亚洲人与动物交配视频| 午夜福利高清视频| 国产av又大| 亚洲精品一卡2卡三卡4卡5卡| 欧美日韩亚洲综合一区二区三区_| 50天的宝宝边吃奶边哭怎么回事| 国产主播在线观看一区二区| 成人国语在线视频| 国产亚洲精品第一综合不卡| 97超级碰碰碰精品色视频在线观看| 久久精品91蜜桃| 欧美黑人巨大hd| 女人爽到高潮嗷嗷叫在线视频| 亚洲成人国产一区在线观看| 午夜老司机福利片| 久久久久久九九精品二区国产 | 亚洲av成人精品一区久久| 精品人妻1区二区| 午夜精品久久久久久毛片777| 国语自产精品视频在线第100页| 国产欧美日韩精品亚洲av| 亚洲av电影不卡..在线观看| 人人妻,人人澡人人爽秒播| av在线天堂中文字幕| 免费看日本二区| 999久久久国产精品视频| 1024视频免费在线观看| 韩国av一区二区三区四区| 午夜福利18| 国产蜜桃级精品一区二区三区| 巨乳人妻的诱惑在线观看| 18禁美女被吸乳视频| 淫妇啪啪啪对白视频| 日本免费一区二区三区高清不卡| 露出奶头的视频| 国产三级黄色录像| 女警被强在线播放| 婷婷亚洲欧美| 久久久国产精品麻豆| 欧美中文日本在线观看视频| 亚洲人成网站在线播放欧美日韩| 亚洲精品国产精品久久久不卡| 亚洲欧美精品综合久久99| 国产午夜福利久久久久久| 国产精品av久久久久免费| 性欧美人与动物交配| 国产精品免费视频内射| 免费高清视频大片| 精品欧美一区二区三区在线| 国产99白浆流出| 欧美日韩乱码在线| 亚洲av成人精品一区久久| 色在线成人网| 在线观看午夜福利视频| 色综合婷婷激情| 国产精品香港三级国产av潘金莲| 一边摸一边抽搐一进一小说| 日韩欧美在线乱码| 日本 av在线| 最近在线观看免费完整版| 在线十欧美十亚洲十日本专区| 国产高清视频在线观看网站| 狂野欧美白嫩少妇大欣赏| 国语自产精品视频在线第100页| 久久久国产精品麻豆| 九色国产91popny在线| av欧美777| 久99久视频精品免费| 又黄又爽又免费观看的视频| 哪里可以看免费的av片| 欧美另类亚洲清纯唯美| 999久久久国产精品视频| 母亲3免费完整高清在线观看| 看片在线看免费视频| 久久这里只有精品中国| tocl精华| 激情在线观看视频在线高清| 国产精品久久久人人做人人爽| 精品无人区乱码1区二区| 女同久久另类99精品国产91| av在线天堂中文字幕| 欧美久久黑人一区二区| 97人妻精品一区二区三区麻豆| 禁无遮挡网站| 在线十欧美十亚洲十日本专区| 久久香蕉国产精品| 在线观看免费日韩欧美大片| 成熟少妇高潮喷水视频| 亚洲欧美精品综合一区二区三区| 最近视频中文字幕2019在线8| 亚洲 欧美一区二区三区| 18禁国产床啪视频网站| 欧美3d第一页| 日韩欧美 国产精品| 黄频高清免费视频| 亚洲 欧美一区二区三区| 国产在线观看jvid| 亚洲一卡2卡3卡4卡5卡精品中文| 女同久久另类99精品国产91| 黄色视频,在线免费观看| 精品国内亚洲2022精品成人| 神马国产精品三级电影在线观看 | 亚洲天堂国产精品一区在线| 国产精品久久久av美女十八| 99在线视频只有这里精品首页| 亚洲色图av天堂| 久久中文字幕人妻熟女| 精品一区二区三区av网在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 一二三四社区在线视频社区8| 成年人黄色毛片网站| 中文字幕最新亚洲高清| 日本五十路高清| 香蕉丝袜av| 可以在线观看毛片的网站| 国产高清视频在线观看网站| 正在播放国产对白刺激| 少妇熟女aⅴ在线视频| 免费观看人在逋| 亚洲av片天天在线观看| 日本精品一区二区三区蜜桃| 国产高清videossex| 身体一侧抽搐| 青草久久国产| 黄色成人免费大全| 男女之事视频高清在线观看| 亚洲av成人一区二区三| 亚洲18禁久久av| 日韩欧美在线二视频| 18禁黄网站禁片免费观看直播| 久久午夜亚洲精品久久| 久久香蕉精品热| 制服丝袜大香蕉在线| 成人一区二区视频在线观看| 男女床上黄色一级片免费看| 久久久久久久久免费视频了| 欧美黑人精品巨大| 欧洲精品卡2卡3卡4卡5卡区| 亚洲美女视频黄频| 欧美一级毛片孕妇| av中文乱码字幕在线| 国产精品美女特级片免费视频播放器 | 久久中文字幕一级| 日日爽夜夜爽网站| 欧美黄色片欧美黄色片| 国产又黄又爽又无遮挡在线| 亚洲成人中文字幕在线播放| 99久久精品国产亚洲精品| 12—13女人毛片做爰片一| a在线观看视频网站| 日本熟妇午夜| 亚洲狠狠婷婷综合久久图片| 男女那种视频在线观看| 久久精品国产亚洲av香蕉五月| 欧美中文日本在线观看视频| 好男人电影高清在线观看| 两性夫妻黄色片| 国产视频一区二区在线看| 国产成人精品久久二区二区91| 国产亚洲精品一区二区www| 国产精品九九99| xxx96com| 免费电影在线观看免费观看| 欧美中文日本在线观看视频| av天堂在线播放| 日韩有码中文字幕| 性色av乱码一区二区三区2| or卡值多少钱| 怎么达到女性高潮| 在线永久观看黄色视频| 国产69精品久久久久777片 | 首页视频小说图片口味搜索| 国产激情偷乱视频一区二区| 他把我摸到了高潮在线观看| 欧美大码av| 精华霜和精华液先用哪个| 午夜福利免费观看在线| 夜夜躁狠狠躁天天躁| 18禁黄网站禁片免费观看直播| 可以免费在线观看a视频的电影网站| 最好的美女福利视频网| 欧美日韩一级在线毛片| 日韩欧美 国产精品| 成人av在线播放网站| 在线观看66精品国产| 国产精品日韩av在线免费观看| 国产精品久久电影中文字幕| 国产一区在线观看成人免费| 亚洲成av人片免费观看| 欧美国产日韩亚洲一区| 男女做爰动态图高潮gif福利片| 久久久久精品国产欧美久久久| 在线永久观看黄色视频| 久久国产精品人妻蜜桃| 国产高清视频在线观看网站| 国产日本99.免费观看| 国产野战对白在线观看| 99在线视频只有这里精品首页| 精品一区二区三区视频在线观看免费| 在线永久观看黄色视频| 色av中文字幕| 亚洲国产看品久久| av片东京热男人的天堂| 亚洲av成人不卡在线观看播放网| 精品欧美国产一区二区三| 亚洲熟女毛片儿| 色播亚洲综合网| 国产午夜精品论理片| 90打野战视频偷拍视频| 国产激情偷乱视频一区二区| 19禁男女啪啪无遮挡网站| 正在播放国产对白刺激| 国产精品av视频在线免费观看| 欧美成人免费av一区二区三区| 精品人妻1区二区| 女警被强在线播放| 亚洲成人久久性| 99久久无色码亚洲精品果冻| 激情在线观看视频在线高清| 岛国在线免费视频观看| 国内精品一区二区在线观看| 国产黄色小视频在线观看| 欧美高清成人免费视频www| 深夜精品福利| 性欧美人与动物交配| 亚洲国产精品sss在线观看| 性欧美人与动物交配| 搡老岳熟女国产| 99久久综合精品五月天人人| 久久精品人妻少妇| 亚洲自拍偷在线| 在线看三级毛片| 午夜视频精品福利| tocl精华| 亚洲成人久久性| 99在线视频只有这里精品首页| 身体一侧抽搐| 最近在线观看免费完整版| 999精品在线视频| 后天国语完整版免费观看| 亚洲电影在线观看av| 亚洲欧美日韩高清专用| 国内少妇人妻偷人精品xxx网站 | 欧美日韩一级在线毛片| 嫩草影视91久久| 女警被强在线播放| 国产精品影院久久| 国产精品亚洲av一区麻豆| 国产av在哪里看| 性欧美人与动物交配| 啦啦啦免费观看视频1| 亚洲国产中文字幕在线视频| 久久亚洲精品不卡| 午夜久久久久精精品| 99精品欧美一区二区三区四区| 国产探花在线观看一区二区| 欧美一区二区国产精品久久精品 | 亚洲国产精品sss在线观看| 色综合欧美亚洲国产小说| 亚洲美女黄片视频| 18禁黄网站禁片午夜丰满| 好男人电影高清在线观看| 很黄的视频免费| www日本黄色视频网| 国产探花在线观看一区二区| 69av精品久久久久久| 精品国产亚洲在线| 欧美一级毛片孕妇| 亚洲精品粉嫩美女一区| 国产精品98久久久久久宅男小说| 久9热在线精品视频| 亚洲精品一区av在线观看| 成人亚洲精品av一区二区| 国产91精品成人一区二区三区| 日日夜夜操网爽| 十八禁网站免费在线| 午夜亚洲福利在线播放| xxx96com| 亚洲欧美日韩无卡精品| 久久伊人香网站| 久久这里只有精品中国| 久久国产精品人妻蜜桃| 久久精品影院6| 好看av亚洲va欧美ⅴa在| 欧美性猛交黑人性爽| 99国产精品一区二区三区| 免费观看人在逋| 国产亚洲精品av在线| 国产三级在线视频| 特大巨黑吊av在线直播| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲av成人一区二区三| 欧美zozozo另类| 欧美乱色亚洲激情| 中亚洲国语对白在线视频| 精品一区二区三区视频在线观看免费| 在线观看日韩欧美| www.自偷自拍.com| 黄色片一级片一级黄色片| 好男人电影高清在线观看| 久久久久性生活片| 搡老岳熟女国产| 91大片在线观看| 国产午夜精品久久久久久| 久久久久国产精品人妻aⅴ院| 欧美成人一区二区免费高清观看 | 国产三级中文精品| 国产日本99.免费观看| 男人舔女人下体高潮全视频| 久久久久精品国产欧美久久久| 亚洲18禁久久av| 欧美高清成人免费视频www| а√天堂www在线а√下载| 国产亚洲av高清不卡| 99精品久久久久人妻精品| 一区二区三区激情视频| 久久久精品国产亚洲av高清涩受| 国产野战对白在线观看| 欧美极品一区二区三区四区| 亚洲av美国av| 看黄色毛片网站| 18禁国产床啪视频网站| 日日摸夜夜添夜夜添小说| 欧美日韩乱码在线| 在线观看66精品国产| 在线观看免费午夜福利视频| 亚洲成人中文字幕在线播放| 欧美大码av| 淫秽高清视频在线观看| 日韩精品中文字幕看吧| 成人手机av| 亚洲精品一区av在线观看| 日本三级黄在线观看| 亚洲熟妇中文字幕五十中出| 99久久99久久久精品蜜桃| av视频在线观看入口|