• <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
    久久精品亚洲av国产电影网| 一本久久精品| 久久99一区二区三区| av免费在线观看网站| 黄色片一级片一级黄色片| a级片在线免费高清观看视频| 99久久99久久久精品蜜桃| 亚洲av国产av综合av卡| 搡老岳熟女国产| 丁香六月欧美| 汤姆久久久久久久影院中文字幕| 色视频在线一区二区三区| 欧美亚洲 丝袜 人妻 在线| 日韩欧美国产一区二区入口| 91精品国产国语对白视频| 国产精品自产拍在线观看55亚洲 | e午夜精品久久久久久久| 99久久国产精品久久久| 精品国产乱码久久久久久小说| 麻豆国产av国片精品| 欧美日韩亚洲国产一区二区在线观看 | 精品少妇黑人巨大在线播放| 最新的欧美精品一区二区| 国产97色在线日韩免费| 亚洲成人手机| 亚洲专区中文字幕在线| 久久av网站| 国产成人精品无人区| 国产极品粉嫩免费观看在线| 窝窝影院91人妻| av不卡在线播放| 国产高清视频在线播放一区| 久久久精品免费免费高清| 一个人免费在线观看的高清视频| 男人操女人黄网站| 亚洲国产av影院在线观看| 两性夫妻黄色片| 麻豆乱淫一区二区| 国产精品免费视频内射| 女人被躁到高潮嗷嗷叫费观| 天天躁夜夜躁狠狠躁躁| 嫩草影视91久久| 午夜精品国产一区二区电影| 乱人伦中国视频| 999久久久国产精品视频| 亚洲第一av免费看| 亚洲精品一二三| 叶爱在线成人免费视频播放| 欧美精品人与动牲交sv欧美| 超色免费av| 黄色片一级片一级黄色片| 亚洲国产av影院在线观看| 高清黄色对白视频在线免费看| 黑丝袜美女国产一区| 精品久久久久久久毛片微露脸| 午夜福利免费观看在线| 极品教师在线免费播放| 狠狠狠狠99中文字幕| 欧美日韩一级在线毛片| 亚洲色图综合在线观看| 精品国产亚洲在线| 高清视频免费观看一区二区| 最新的欧美精品一区二区| 人妻久久中文字幕网| 在线观看免费高清a一片| 激情视频va一区二区三区| 一区福利在线观看| 老鸭窝网址在线观看| 一本—道久久a久久精品蜜桃钙片| 啦啦啦在线免费观看视频4| 女同久久另类99精品国产91| 国产主播在线观看一区二区| 捣出白浆h1v1| 啦啦啦 在线观看视频| 黄色视频不卡| 香蕉丝袜av| 丝袜美腿诱惑在线| 久久久久久久久久久久大奶| 午夜精品久久久久久毛片777| 香蕉国产在线看| 欧美亚洲 丝袜 人妻 在线| 在线观看免费日韩欧美大片| 麻豆国产av国片精品| 无人区码免费观看不卡 | 99九九在线精品视频| 亚洲av成人一区二区三| 色婷婷久久久亚洲欧美| 欧美日韩黄片免| 欧美日韩亚洲高清精品| 色在线成人网| 亚洲熟妇熟女久久| 人人妻人人澡人人看| 脱女人内裤的视频| 亚洲精品国产区一区二| 国产在线免费精品| 亚洲人成伊人成综合网2020| 9191精品国产免费久久| 天天躁狠狠躁夜夜躁狠狠躁| 母亲3免费完整高清在线观看| 成人三级做爰电影| 黄色成人免费大全| 亚洲男人天堂网一区| 亚洲五月婷婷丁香| 日日夜夜操网爽| 女人被躁到高潮嗷嗷叫费观| 精品国产一区二区三区久久久樱花| 黄色片一级片一级黄色片| 91精品国产国语对白视频| 精品国产亚洲在线| 性高湖久久久久久久久免费观看| e午夜精品久久久久久久| 精品久久久精品久久久| 国产主播在线观看一区二区| 91国产中文字幕| 久久人人爽av亚洲精品天堂| 每晚都被弄得嗷嗷叫到高潮| 大陆偷拍与自拍| 亚洲人成伊人成综合网2020| 757午夜福利合集在线观看| 啦啦啦免费观看视频1| netflix在线观看网站| 精品一区二区三区视频在线观看免费 | 最新的欧美精品一区二区| a级毛片在线看网站| 蜜桃国产av成人99| 成人特级黄色片久久久久久久 | 亚洲成人免费电影在线观看| 老司机亚洲免费影院| 99精品久久久久人妻精品| 亚洲av国产av综合av卡| 亚洲精华国产精华精| 夜夜夜夜夜久久久久| 免费av中文字幕在线| 久久99热这里只频精品6学生| 午夜福利影视在线免费观看| 日韩免费高清中文字幕av| 女人爽到高潮嗷嗷叫在线视频| 老司机深夜福利视频在线观看| 亚洲 国产 在线| 国产成人系列免费观看| 乱人伦中国视频| 国产在线免费精品| 国产成人av教育| av一本久久久久| 亚洲午夜理论影院| 水蜜桃什么品种好| 在线观看免费视频日本深夜| 女人被躁到高潮嗷嗷叫费观| 日韩 欧美 亚洲 中文字幕| 精品少妇黑人巨大在线播放| 最近最新中文字幕大全免费视频| 亚洲人成电影免费在线| 欧美另类亚洲清纯唯美| 亚洲中文字幕日韩| 国产av精品麻豆| 少妇的丰满在线观看| a级毛片黄视频| 国产高清激情床上av| a在线观看视频网站| 人人妻人人添人人爽欧美一区卜| 国产男靠女视频免费网站| 性高湖久久久久久久久免费观看| 免费久久久久久久精品成人欧美视频| 黄色 视频免费看| 国产在线视频一区二区| 亚洲精品自拍成人| 日本vs欧美在线观看视频| 法律面前人人平等表现在哪些方面| 亚洲欧美一区二区三区久久| 成人特级黄色片久久久久久久 | 国产又色又爽无遮挡免费看| 男女免费视频国产| 欧美日韩一级在线毛片| 高清在线国产一区| 午夜激情久久久久久久| 精品福利观看| 新久久久久国产一级毛片| 欧美变态另类bdsm刘玥| 人人妻人人澡人人爽人人夜夜| a在线观看视频网站| 免费观看a级毛片全部| 亚洲国产中文字幕在线视频| 美女福利国产在线| 亚洲一区中文字幕在线| 97在线人人人人妻| 国产精品二区激情视频| 亚洲精品中文字幕一二三四区 | 国产精品98久久久久久宅男小说| 久久精品aⅴ一区二区三区四区| 久久中文字幕一级| 男人操女人黄网站| 久久影院123| 国产亚洲一区二区精品| 男女午夜视频在线观看| 欧美变态另类bdsm刘玥| 成在线人永久免费视频| av网站免费在线观看视频| 性少妇av在线| 王馨瑶露胸无遮挡在线观看| 成人特级黄色片久久久久久久 | www.999成人在线观看| 人成视频在线观看免费观看| 国产高清videossex| 曰老女人黄片| 在线观看一区二区三区激情| 宅男免费午夜| 一个人免费在线观看的高清视频| 69av精品久久久久久 | 一边摸一边抽搐一进一出视频| 国产精品98久久久久久宅男小说| www.自偷自拍.com| 午夜福利乱码中文字幕| 亚洲中文av在线| 人成视频在线观看免费观看| 制服诱惑二区| 亚洲免费av在线视频| 国产精品欧美亚洲77777| 91麻豆av在线| 国产成+人综合+亚洲专区| 国产日韩欧美在线精品| 久久99一区二区三区| 狠狠婷婷综合久久久久久88av| 大香蕉久久网| 十八禁网站免费在线| 久久亚洲真实| 十八禁人妻一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| e午夜精品久久久久久久| 在线看a的网站| 久久人妻福利社区极品人妻图片| 久久精品人人爽人人爽视色| 在线观看免费日韩欧美大片| 99国产综合亚洲精品| 国产三级黄色录像| 性高湖久久久久久久久免费观看| 亚洲五月婷婷丁香| 中文字幕最新亚洲高清| 欧美精品啪啪一区二区三区| 午夜福利视频在线观看免费| 免费在线观看影片大全网站| 欧美亚洲日本最大视频资源| 欧美 日韩 精品 国产| 亚洲av成人不卡在线观看播放网| 婷婷成人精品国产| 欧美激情 高清一区二区三区| 搡老岳熟女国产| 国产深夜福利视频在线观看| 黄网站色视频无遮挡免费观看| 亚洲成人国产一区在线观看| 大型av网站在线播放| 日韩有码中文字幕| 国产aⅴ精品一区二区三区波| 中文字幕精品免费在线观看视频| 亚洲av成人不卡在线观看播放网| 亚洲精品美女久久久久99蜜臀| 成人手机av| 最新美女视频免费是黄的| 国产精品98久久久久久宅男小说| 午夜福利乱码中文字幕| 久久久久久久久久久久大奶| 色综合欧美亚洲国产小说| 飞空精品影院首页| 久久中文字幕人妻熟女| 操美女的视频在线观看| 一本久久精品| 欧美 日韩 精品 国产| 免费看a级黄色片| 免费观看av网站的网址| 日本撒尿小便嘘嘘汇集6| 免费一级毛片在线播放高清视频 | 黑人欧美特级aaaaaa片| 亚洲国产欧美网| 欧美 日韩 精品 国产| 免费在线观看完整版高清| 一级片免费观看大全| 老司机福利观看| 久久久久网色| 久久狼人影院| 99re6热这里在线精品视频| 午夜福利在线观看吧| 国产精品久久电影中文字幕 | 欧美日韩视频精品一区| 丰满迷人的少妇在线观看| 天堂俺去俺来也www色官网| 国产不卡av网站在线观看| 超色免费av| 青青草视频在线视频观看| 亚洲国产毛片av蜜桃av| bbb黄色大片| 国产精品一区二区精品视频观看| 香蕉丝袜av| 亚洲 欧美一区二区三区| 久热这里只有精品99| 热99re8久久精品国产| 一级a爱视频在线免费观看| 久久国产精品大桥未久av| 国产一区二区 视频在线| 精品国产一区二区三区四区第35| 菩萨蛮人人尽说江南好唐韦庄| 精品少妇一区二区三区视频日本电影| 亚洲精品中文字幕一二三四区 | 男女之事视频高清在线观看| 亚洲中文日韩欧美视频| 国产一区二区三区综合在线观看| 日韩中文字幕视频在线看片| 亚洲精品一卡2卡三卡4卡5卡| 国产欧美日韩一区二区三| 大陆偷拍与自拍| 午夜老司机福利片| 亚洲专区字幕在线| 飞空精品影院首页| 成人免费观看视频高清| 后天国语完整版免费观看| 91大片在线观看| 亚洲欧美激情在线| 亚洲第一青青草原| 性色av乱码一区二区三区2| 久久99一区二区三区| 亚洲七黄色美女视频| 超碰成人久久| 女人爽到高潮嗷嗷叫在线视频| 丰满少妇做爰视频| 国产老妇伦熟女老妇高清| 不卡一级毛片| 国产成人系列免费观看| 久久av网站| 丝袜美腿诱惑在线| 日本vs欧美在线观看视频| 国产成+人综合+亚洲专区| 天天影视国产精品| 中文欧美无线码| 丁香六月欧美| 精品国产一区二区三区四区第35| 一区二区三区精品91| 高潮久久久久久久久久久不卡| 久久久久久人人人人人| 亚洲av日韩在线播放| 亚洲国产中文字幕在线视频| 成人av一区二区三区在线看| 狠狠婷婷综合久久久久久88av| 亚洲精品国产一区二区精华液| 女同久久另类99精品国产91| 久久精品人人爽人人爽视色| 国产精品免费大片| 老汉色∧v一级毛片| 久久久国产精品麻豆| 国产aⅴ精品一区二区三区波| 国产又色又爽无遮挡免费看| 大码成人一级视频| 亚洲欧美色中文字幕在线| 波多野结衣一区麻豆| 女同久久另类99精品国产91| 亚洲精品一二三| 国产成人欧美在线观看 | tube8黄色片| 一区二区av电影网| 久久久久久久国产电影| 欧美日韩福利视频一区二区| 999精品在线视频| 汤姆久久久久久久影院中文字幕| 亚洲精品成人av观看孕妇| 亚洲av第一区精品v没综合| 黑人操中国人逼视频| 亚洲久久久国产精品| 最新美女视频免费是黄的| 国产av一区二区精品久久| 狂野欧美激情性xxxx| 女人高潮潮喷娇喘18禁视频| 亚洲国产av新网站| 伊人久久大香线蕉亚洲五| 久久九九热精品免费| 国产视频一区二区在线看| 国产精品 国内视频| 色老头精品视频在线观看| 狠狠婷婷综合久久久久久88av| 王馨瑶露胸无遮挡在线观看| 日韩视频一区二区在线观看| netflix在线观看网站| 亚洲av日韩精品久久久久久密| 一级毛片女人18水好多| 在线天堂中文资源库| 高潮久久久久久久久久久不卡| 久久中文看片网| 免费av中文字幕在线| 亚洲精品久久成人aⅴ小说| 老司机福利观看| 国产成人系列免费观看| 婷婷丁香在线五月| 精品一区二区三卡| av网站在线播放免费| 巨乳人妻的诱惑在线观看| 亚洲成国产人片在线观看| 精品亚洲成a人片在线观看| 国产精品秋霞免费鲁丝片| 久久久久久久国产电影| 午夜老司机福利片| 97在线人人人人妻| 首页视频小说图片口味搜索| 天天躁狠狠躁夜夜躁狠狠躁| 成人三级做爰电影| 国产主播在线观看一区二区| 国产高清videossex| 欧美变态另类bdsm刘玥| 91大片在线观看| 久久天堂一区二区三区四区| 久久国产精品人妻蜜桃| 国产精品免费一区二区三区在线 | 精品少妇久久久久久888优播| 男女床上黄色一级片免费看| 啦啦啦中文免费视频观看日本| 捣出白浆h1v1| 少妇猛男粗大的猛烈进出视频| 国产三级黄色录像| 精品卡一卡二卡四卡免费| 大香蕉久久网| 午夜91福利影院| 欧美日韩中文字幕国产精品一区二区三区 | 黄片大片在线免费观看| 淫妇啪啪啪对白视频| av线在线观看网站| 国产成人精品久久二区二区91| 亚洲成人手机| 一二三四社区在线视频社区8| 日韩一卡2卡3卡4卡2021年| 老司机在亚洲福利影院| 免费女性裸体啪啪无遮挡网站| 国产片内射在线| 99国产极品粉嫩在线观看| 后天国语完整版免费观看| 国产精品99久久99久久久不卡| 香蕉丝袜av| 午夜日韩欧美国产| 人人妻人人爽人人添夜夜欢视频| 国产一区二区在线观看av| 日韩中文字幕欧美一区二区| 国产有黄有色有爽视频| 国产成人免费无遮挡视频| 天堂动漫精品| 久久午夜综合久久蜜桃| 久久亚洲精品不卡| 老司机福利观看| 丝瓜视频免费看黄片| 蜜桃在线观看..| 青草久久国产| 女人爽到高潮嗷嗷叫在线视频| 国产不卡一卡二| 色婷婷av一区二区三区视频| 不卡一级毛片| 桃红色精品国产亚洲av| 成年人午夜在线观看视频| 国产一卡二卡三卡精品| www.精华液| 无遮挡黄片免费观看| 别揉我奶头~嗯~啊~动态视频| 夜夜骑夜夜射夜夜干| 国产日韩欧美亚洲二区| 国产成人精品无人区| netflix在线观看网站| 免费在线观看完整版高清| svipshipincom国产片| 日韩欧美国产一区二区入口| 十八禁人妻一区二区| 久久久久网色| 亚洲人成77777在线视频| 黄色丝袜av网址大全| 美女午夜性视频免费| 精品一区二区三区四区五区乱码| 欧美日韩黄片免| 久久久久国内视频| 午夜91福利影院| 国产精品一区二区在线观看99| 我的亚洲天堂| 国产免费av片在线观看野外av| 成人三级做爰电影| 精品亚洲成a人片在线观看| 亚洲熟女精品中文字幕| 久久久久网色| 日本a在线网址| 美女福利国产在线| 国产在线免费精品| 亚洲 欧美一区二区三区| 日本精品一区二区三区蜜桃| 一级毛片电影观看| 啦啦啦免费观看视频1| 一本色道久久久久久精品综合| 人人妻,人人澡人人爽秒播| 欧美日韩福利视频一区二区| 麻豆乱淫一区二区| 99riav亚洲国产免费| 日韩中文字幕欧美一区二区| 国产精品偷伦视频观看了| 国产日韩欧美视频二区| 1024视频免费在线观看| 岛国在线观看网站| 51午夜福利影视在线观看| 一本久久精品| 精品一区二区三卡| aaaaa片日本免费| 色老头精品视频在线观看| 狠狠婷婷综合久久久久久88av| 亚洲av片天天在线观看| 成年人免费黄色播放视频| 亚洲欧美日韩高清在线视频 | 国产成人av教育| 三上悠亚av全集在线观看| tocl精华| 国产精品久久久久久精品古装| 国产av又大| 老汉色∧v一级毛片| 波多野结衣一区麻豆| 国产99久久九九免费精品| 亚洲精品久久成人aⅴ小说| 自拍欧美九色日韩亚洲蝌蚪91| 极品少妇高潮喷水抽搐| 久久香蕉激情| 免费在线观看影片大全网站| 国产熟女午夜一区二区三区| 飞空精品影院首页| av福利片在线| 亚洲专区中文字幕在线| 99香蕉大伊视频| 女人被躁到高潮嗷嗷叫费观| 欧美日韩一级在线毛片| 老汉色∧v一级毛片| 91国产中文字幕| 蜜桃国产av成人99| 亚洲一卡2卡3卡4卡5卡精品中文| 999久久久精品免费观看国产| 电影成人av| www日本在线高清视频| 69av精品久久久久久 | 亚洲精品粉嫩美女一区| 啦啦啦视频在线资源免费观看| 久久毛片免费看一区二区三区| 午夜久久久在线观看| 亚洲国产看品久久| 2018国产大陆天天弄谢| 男女无遮挡免费网站观看| 国产成人啪精品午夜网站| 波多野结衣av一区二区av| 女人精品久久久久毛片| 水蜜桃什么品种好| 亚洲一码二码三码区别大吗| 欧美人与性动交α欧美软件| 国产亚洲精品久久久久5区| 精品少妇久久久久久888优播| 在线永久观看黄色视频| 在线播放国产精品三级| 午夜福利乱码中文字幕| 日韩中文字幕视频在线看片| 狠狠精品人妻久久久久久综合| 久久性视频一级片| 国产精品99久久99久久久不卡| 免费看十八禁软件| 一边摸一边做爽爽视频免费| 超色免费av| 女人被躁到高潮嗷嗷叫费观| 久久这里只有精品19| 丁香欧美五月| 成人18禁在线播放| 1024香蕉在线观看| 丁香六月欧美| 欧美日韩亚洲综合一区二区三区_| 欧美性长视频在线观看| 久久亚洲真实| 一级黄色大片毛片| 男人操女人黄网站| 99国产极品粉嫩在线观看| 最新在线观看一区二区三区| 日韩精品免费视频一区二区三区| 国产日韩一区二区三区精品不卡| 亚洲精品国产精品久久久不卡| 香蕉久久夜色| a级毛片在线看网站| 国产亚洲一区二区精品| 一区二区av电影网| 新久久久久国产一级毛片| 国产精品久久电影中文字幕 | 999久久久国产精品视频| 一本—道久久a久久精品蜜桃钙片| 一区二区日韩欧美中文字幕| 91老司机精品| 日韩视频一区二区在线观看| 国产老妇伦熟女老妇高清| 免费人妻精品一区二区三区视频| 大型黄色视频在线免费观看| 国产成人欧美在线观看 | 久久精品人人爽人人爽视色| 色婷婷久久久亚洲欧美| 免费人妻精品一区二区三区视频| 嫩草影视91久久| 国产成人欧美在线观看 | 岛国毛片在线播放| 欧美人与性动交α欧美软件| 久久精品91无色码中文字幕| 999精品在线视频| 亚洲成a人片在线一区二区| 国产高清激情床上av| 日本av手机在线免费观看| 成人亚洲精品一区在线观看| 757午夜福利合集在线观看| 黄片大片在线免费观看| 黑人巨大精品欧美一区二区蜜桃| 久久久久国产一级毛片高清牌| 国产91精品成人一区二区三区 | 老司机影院毛片| 亚洲午夜精品一区,二区,三区| 欧美成狂野欧美在线观看| 国产日韩欧美亚洲二区| 一级毛片电影观看| 国产在线免费精品| 欧美国产精品va在线观看不卡| 这个男人来自地球电影免费观看| 蜜桃国产av成人99| 成人国语在线视频|