红外舰船小目标的检测

合集下载

基于特征的单帧红外小目标检测

总第１１９期
舰船电子工程
ＳｉｅｔｏｉＥｇｎｅｉｇｈｐＥｌｃｒｎｃｎｉｅｒｎ
Ｖｌ．ＯＮｏ５０３．１
７８
２１００年第５期
基于特征的单帧红外小目标检测
余贵水 ” 李秀峰。魏钟记Ｄ
ＡｂｔａｔＡｃｏｄｎＯｔｅｃａａｔｒｓｉｓｏｎｒｒｄｓｌｔｒｅ，ａｒｖｄｎｗｌｏｉｍｓｐｏｏｅｎｔｉｐ — ｓｒｃｃｒｉｇｔｈｈｒｃｅｉｔｆｉｆａｅｍａｌａｇｔｎｉｏｅｅａｇｒｈｉｒｐｓｄｉｈｓａｃｍｐｔｐｒｅ．Ｆｉｓ，ｌｔｉｆａｅｇｈｏｇｏｐｓｉｅ，ａｄｔｅｅａｎｐｉｔｏｅｇａａｕｓａｅｌｒｅｈｎｔｅｍｅｎｏｅｒｔｅｒｒｄｉｅｔｒｕｈｌｗ－ａｓｆｔｒｎｈｎｒｔｉｏｎｓｗｈｓｒｙｖｌｅｒｇｒｔａａｎ．ｎｍａｌａｈＡｓｓｌｔｒｅｓａｅｐｉｔｈｔｈｖｍａｌｑａｔｔｆｐｘｌｎｈｒｉｈｒｅｅｇｆａｅｇ，ｔａｅｓｎｈｎｍａｌａｇｔｒｏｎｓｔａａｅａｓｌｕｎｉｙｏｉｅｓａｄｓａｅｈｇｅｎｒｙｉｉｒｒｄｉｎｎｍａｅｒｖｒｉｇｔｅｅ —
ＣｌｓｍｂｒＴＮ９６７ａｓＮｕｅ１．６
１引言
随着战场技术的不断发展以及掠海导弹和低
低、缘模糊、纹理特征、寸及形状变化不定，边无尺这些特点，得小目标检测工作变得很困难。探索使

第六章红外小目标检测

− − ∑0 ( x k , y k ) − ( x , y ) − µ R k=
k −1
当R趋向于原型是，特征量C是单增趋向无穷的，它不受区域评议、旋转和尺度变化的影响。
6.2.2 分层特征统计表决的小目标提取
即在下一帧图像中寻找与上一阵特征相似的区域，在某一固定位置或邻域附近，相似区域越多，特征量越相似，是目标的可能性越大。具体步骤步骤一第一层以每m帧统计表决一次，如果在m次检测中某固定位置或者邻域中性质相似的区域连续出现n次，则该区域就纳入预选目标，并将其位置、面积、圆形性特征的均值记录为检测结果；否则该次实验失败。有时候，特征相似的区域出现不知一个，则通过特征相似性之差来判断最相似的区域的取舍。如果某区域在前几帧没有出现，则第一次出现后将其纳入监测范围步骤二在第一层监测结果的基础上实施第二层，以每m个监测结果的均值作为小目标的位置输出，起邻域位置即为小目标。步骤三将第二层检测结果的均值作为小目标的位置输出，起邻域位置即为小目标。以上算法中，m一般取值为4、5、6；n相应的取值为2、3、4。
数学形态学的基本思想是通过物体和结构元素相互作用的某些运算，得到物体更本质的形态，以达到对图像分析和识别的目的。数学形态学分为二值形态学和灰度形态学两种。基本的运算包括腐蚀、膨胀、开运算和闭运算。腐蚀膨胀开运算闭运算
( fΘg )( x, y ) = min{ f ( x − i, y − j ) − g (−i,− j )}
6.1.2 TBD方法 (track before detect) 在三维空间中对可能的目标轨迹进行跟踪，对每条跟踪的轨迹计算其后验概率函数，若结果超过某一门限，则认定该轨迹代表某一目标，然后对已标记了目标的帧进行空间局部处理，判断是否为真实目标。目前主要方法: (1).三维匹配滤波器方法 (2).动态规划方法 (3).多级假设检验方法 (4).高阶相关方法

红外小目标检测与跟踪算法研究共3篇

红外小目标检测与跟踪算法研究共3篇红外小目标检测与跟踪算法研究1红外小目标检测与跟踪算法研究红外小目标检测和跟踪是指根据红外图像信息，识别出图像中的小目标，并跟踪其运动轨迹。

这一领域与军事、安防等方面有着重要的应用价值。

针对这一问题，目前已经涌现出了很多相关的研究成果。

红外小目标检测与跟踪技术的研究主要面临着两个关键难题：一是如何从复杂的背景中准确提取出目标；二是如何在目标运动轨迹复杂多变的情况下，实现对目标的快速、准确跟踪。

在红外小目标检测方面，常用的方法主要有基于像素的方法和基于特征的方法。

基于像素的方法是指利用像素的灰度信息进行目标提取，例如常用的背景差分法和帧间差分法。

这些方法简单易于实现，但是对目标和背景的分离要求较高，在存在强烈噪声和变化的情况下效果可能不佳。

相比之下，基于特征的方法则能更好地克服这些问题。

其中，既有基于几何形状特征的方法，如Hough变换、连通区域分析等；也有基于局部纹理、颜色特征的方法，如基于Gabor滤波器、小波变换等方法。

利用人工神经网络可以对进一步的信息抽取，从而提高检测性能。

这些方法对目标的提取效果较好，但是对搜索速度和目标方向变化较快的情况下稳定性还有待进一步提高。

针对红外小目标跟踪问题，目前常用的方法主要有基于模型预测的方法和基于特征匹配的方法。

基于模型预测的方法即通过先验知识，构建出目标的运动模型，再通过运动模型预测目标在下一帧中的位置，从而实现对目标的跟踪。

该方法具有较强的鲁棒性和准确性，但是需要较多的先验知识和手工定义。

基于特征匹配的方法则是利用图像中不同区域之间的共性特征，如颜色、纹理等信息，实现对目标的跟踪。

该方法容易实现，但对目标的选择、特征提取等方面存在较大的挑战。

除此之外，还有一些新兴的算法应用在红外小目标检测和跟踪中，如卷积神经网络（CNN）和深度学习等技术。

这些方法通过检测和跟踪的联合优化，实现了对目标的更加准确和稳定的跟踪。

在将红外小目标检测和跟踪技术广泛应用于实际工程中时，我们需要考虑实际应用中的问题，如复杂场景下的干扰、恶劣的天气条件等。

红外小目标检测预处理

红外小目标检测预处理红外小目标检测预处理是红外成像技术中一项非常关键的处理过程。

这个过程被用来处理和准备输入数据，以便在后续处理任务中进行有效分析。

在本文中，我们将分步骤介绍红外小目标检测预处理的过程。

第一步是设定预处理参数。

在这个步骤中，我们需要根据不同的应用场景，设置适当的预处理参数，以达到最好的检测效果。

这些参数包括：背景平滑处理、目标平滑处理、背景平均值、目标平均值、背景标准差以及目标标准差等。

第二步是实施背景估计。

背景估计是指从红外图像中提取背景信息的过程。

这个过程的目标是消除由环境因素引起的噪声和干扰。

在这个步骤中，图像被分成几个固定大小的区域，计算每个区域的平均亮度值和标准差。

通过背景估计，我们可以得到一幅与原始红外图像相同大小并消除背景噪声的图像。

第三步是目标增强。

这个步骤的目的是使目标在图像中更加明显。

目标增强处理可以提高目标的识别度，有助于在后续处理任务中获得更好的检测结果。

目标增强处理方法包括：直方图拉伸、中值滤波、高斯滤波、Wiener滤波等。

第四步是噪声抑制。

噪声抑制的目的是消除来自传感器、电子系统、以及其他环境干扰源可能引起的噪声。

在这个步骤中，我们通常通过热噪声消除和背景噪声消除来降低噪声干扰。

第五步是图像分割。

图像分割是指将原始红外图像分割成不同的区域，以便进行后续的目标检测。

图像分割方法包括：基于阈值的分割、基于纹理的分割、基于边缘的分割等。

红外小目标检测预处理对于红外成像技术的应用非常重要。

只有经过预处理后的红外图像，才能更准确地提取目标信息，并开展后续的处理工作。

在实际应用中，我们需要根据场景的不同，灵活应用预处理技术，以获得最好的红外小目标检测效果。

红外小目标检测报告

红外小目标检测方法概述1110540103 李方舟1.什么是红外小目标？关于小目标”的定义，目前没有统一的定论。

一般认为，当红外成像的距离较远时，在成像平面上只占几个或几十个像素的面积，表现为点状或斑点状，对比度和信噪比较低的目标，即可称之为小目标。

2.为什么要进行红外小目标检测？红外成像具有距离远，隐蔽性高，抗干扰能力强，穿透烟尘，雾以及阴霾的能力强，可全天候，全时间工作等优点。

因此被广泛应用于监视侦察以及导航等军事领域，成为现代精确制导武器的主要技术之一。

在尽可能远的距离上检测并跟踪到敌方目标，以争取在有利的时机发动攻击。

是决定现代战争胜负的重要因素。

距离越远，目标成像面积越小，图象质量越差，对目标的检测和跟踪越困难。

因此，研究小目标的检测和跟踪方法，对提高红外成像系统的作用距离，有着非常重要的意义。

目标检测作为寻的制导系统中的前端处理环节，是精确制导中最为关键和核心的组成部分。

只有及时检测到目标，才能保证如目标的如目标跟踪等后续工作的正常进行。

基于此原因，在红外凝视成像的图像序列中进行目标检测具有相当的难度，几乎所有的小目标检测法都致力于增强图像的信噪比，积累目标能量，以提高目标检测能力。

3.红外小目标检测方法分析对于红外目标的检测问题，目标的一些先验信息，如目标的形状、大小，目标灰度变化在时间上的连续性，以及目标运动轨迹的连续性等是有效分割目标和噪声的关键。

目标检测方法根据这些特性的使用顺序不同，可分为两大类：先检测后跟踪( D e t e c t B e f o r e T r a c k ，D B T )方法和先跟踪后检测( T r a c k B e f o r e D e t e c t ，T B D )方法。

3.1 DBT检测方法基于先检测后跟踪的目标检测技术属于一类经典的红外目标检测。

该类方法分为两步:首先根据目标形状，强度等特性，在单帧图像中检测出候选目标，然后根据实际需要，在分割后的二值化图形序列中，通过序列图像投影到目标轨迹。

基于梯度统计特性的自动红外舰船目标检测

ｃｏｍｐｌｅｘｓｅａ —ｓｋｙｅｎｖｉｒｏｎｍｅｎｔ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｔａｒｇｅｔｄｅｔｅｃｉｔｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｍｕｌｔｉ —ｓｃａｌｅｅｄｇｅｇｒａｄｉｅｎｔ．Ａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｄｔｈｅ￣ａｉｄｏｄｎａｌｉｎｆｒａｒｅｄ
关键词：舰船目标检测红外图像多尺度特征边缘梯度中图分类号：ＴＰ２７４文献标识码：Ａ文章编号：１００７ — ９４１６（２０１３）１０ — ００６６ — ０４
Ａｂｓｔｒａｃｔ：Ｉｎｆｒａｒｅｄｗａｒｓｈｉｐｔａｒｇｅｔｄｅｔｅｃｉｏｔｎｉｓａｎｉｍｐｏｒｔａｎｔ￣ｕｎｄａｉｏｆｎｏｆｔｈｅｗａｒｓｈｉｐｔａｒｇｅｔｒｅｃｏｇｎｉｉｔｏｎａｎｄｔｒａｃｋｉｎｇ．Ｆｏｒｉｎｆｒａｒｅｄｓｈｉｐｔａｒｇｅｔｉｎｔｙｐｉｃａｌ
ｓｋｙｂａｃｋｒｏｇｕｎｄ，ｂｕｔａｌｓｏｓｈｏｗｓｓｉｍｐｌｅａｎｄｅａｓｙｔｏｉｍｐｌｅｍｅｎｔ．
ＫｅｙＷｏｒｄｓ：ｗａｒｓｉｐｈｔａｒｇｅｔｄｅｔｅｃｉｏｔｎ；ｉｎｒａｆｒｅｄｉｍａｇｅ；ｍｕｌｉ—ｓｔｃｌｅａｃｈｒａａｃｔｅｒｉｓｉｔｃ；ｅｄｇｅｒａｇｉｅｄｎｔ

海面杂波背景下红外图像中舰船目标的检测

笫36卷，增刊红外与激光工程2007年9月、，01．36Su讲疵釉ent I D血眦d and Las cr En凼eer i ng S印．2【X y7海面杂波背景下红外图像中舰船目标的检测艾淑芳，张国华(中航一集团洛阳电光设备研究所，河南洛阳471009)蔫要：复杂杂波背景下，海面红外图像中舰船目标检测的关键是如何降低虚警、检测出真正的目标。

为了实现这个目标，首先利用H aar小波函数进行小波变换，对图像进行预处理；然后进行恒虚警检测(cFA R)；第三步采用行程法对检测的目标进行标记；最后采用管道滤波法剔出虚假目标，检测出真正的目标。

经仿真实验证明，此方法能有效地降低虚警，在复杂杂波背景中检测出目标。

关键词；海面；杂波；舰船；红外图像；检测中圈分类号：TP391文献标识码l A文章编号：1007．2276(2007)增(探测与制导)加331．04Shi p det ect i on i n s e a i nf r ar ed i m age w i t h com pl e xcl ut t er backgI．0undm Shu f抽g，Z H A N G G uo．h吼㈣阻g h蚯n她o f勘ec缸’o I op吐c E qui p m ent o f A V I c L L uoy衄g471009，a1．m)A bs t r act：T he l汜y of s11i p det e cⅡon i n s ea i n行af e d i m age w i t h coI np l ex cl ut t e r ba ckgr ound is how t or edu ce f a l s e al an ns and d甑e c t m l e t a rget s．hl or d er t o ac圣l i eV e m i s ai m，a noV el al gor l t hm i s pr opos e d．Fi rst，H船r w aV elet仃ansf o珊t ecl l I l ol ogy i s us ed a s prepr o ces si ng，nl en cons协t f a l s eal栅r at e(CFA R) de t et i on，t}l e n r un—l engm l abel t o m ar k obj ect s det ect ed by t}le abo V e st印，fi nal l y pi】pehne f i l ter t o r educef al se al棚s and det ec t m l e t ar get s．Exp嘶m ent r e sul t s i ndi ca t e t l latⅡli s m em od caI l ef!f＆t i V e l y re Iduc e f al seal a咖s and de t ec t t r ue t￡I略et s i n com phca t e d s ea bac l‘g r ound．K ey w O r ds：Sea；C l ut t er；S|l i p；h出ar ed i】阻age；D et ec蛀onO引言在复杂的海面背景中，移动的海面及连绵起伏的波浪反光使红外图像的信噪比和对比度等信息都随着浪高、距离和太阳位置的不同而不断发生变化。

海洋舰船目标红外检测技术研究

海洋舰船目标红外检测技术研究近年来，随着海洋事务的不断发展和海洋资源的广泛开发利用，海洋舰船的安全问题日益凸显。

在海上，舰船的目标红外检测技术成为一项重要的研究课题。

本文将从以下几个方面对海洋舰船目标红外检测技术进行深入探讨。

一、海洋舰船目标红外检测技术的意义海洋舰船目标红外检测技术作为一种无接触的检测手段，具有高精度、高分辨率和实时性强的特点，能够在夜间或恶劣天气条件下进行目标侦测与跟踪。

这对于提高海洋舰船的安全性能、减少事故的发生具有重要意义。

因此，研究和应用海洋舰船目标红外检测技术具有重要的现实意义和深远的发展前景。

二、海洋舰船目标红外检测技术的原理海洋舰船目标红外检测技术主要利用舰船目标向外辐射的红外辐射能量进行侦测。

红外辐射能量与目标的温度成正比，通过检测目标的红外辐射能量变化，可以对目标的位置、形状和温度进行识别与分析。

常用的红外检测技术包括热成像技术和红外光谱技术。

热成像技术通过红外探测器感应目标的红外辐射能量并生成热像，通过对热像的处理和分析，可以检测目标的位置和温度。

红外光谱技术则通过分析目标辐射出的不同波长的红外光谱信息，进一步提取目标的化学成分及其他特征。

三、海洋舰船目标红外检测技术的应用海洋舰船目标红外检测技术广泛应用于军事、安防、海洋资源勘探等领域。

在军事方面，红外检测技术能够有效识别和追踪舰船目标，为作战指挥提供重要依据。

在安防领域，红外监控系统可以实时监测舰船周边的动态情况，提前发现潜在威胁。

在海洋资源勘探中，红外检测技术能够通过对海洋中舰船目标周围温度变化的分析，辅助发现潜在的油气资源。

四、海洋舰船目标红外检测技术的挑战与前景尽管海洋舰船目标红外检测技术在一定程度上已经取得了较好的效果，但目前仍面临一些挑战。

首先，随着舰船目标的多样化和复杂化，红外检测技术需要进一步提高分辨率和灵敏度。

其次，由于海洋环境的复杂性，如海雾、海浪等干扰因素，对目标红外检测的性能和稳定性提出了更高的要求。

红外小目标检测与跟踪算法研究

红外小目标检测与跟踪算法研究红外小目标检测与跟踪算法在军事、航空、无人驾驶等领域具有广泛的应用价值。

这些领域常常需要从复杂的背景中准确快速地检测并跟踪目标。

因此，研究红外小目标检测与跟踪算法对于提高系统的智能化和自动化水平具有重要意义。

然而，红外小目标检测与跟踪面临着诸多挑战，如目标尺寸小、背景干扰强、动态变化快等。

传统红外小目标检测方法主要包括基于图像处理的方法和基于特征融合的方法。

基于图像处理的方法通过预处理、滤波、边缘检测等步骤提取目标。

代表性的算法有Canny边缘检测和Sobel算子。

基于特征融合的方法通过融合多种特征，提高目标检测的准确性。

这些特征包括颜色、纹理、形状等，代表性的算法有基于支持向量机（SVM）和神经网络的方法。

现代红外小目标检测方法则主要包括基于深度学习的方法和基于强化学习的方法。

基于深度学习的方法利用卷积神经网络（CNN）自动学习图像中的特征，代表性的算法有YOLO和SSD。

基于强化学习的方法通过训练代理（agent）在环境中进行学习，以实现最优决策，代表性的算法有Q-learning和Deep Q-network（DQN）。

本文研究了一种基于深度学习的红外小目标检测与跟踪算法。

利用高帧率红外相机采集包含小目标的红外图像序列。

接着，通过预处理技术对图像进行去噪、增强等操作，以便于特征提取。

然后，利用卷积神经网络（CNN）对图像进行深度学习，自动学习图像中的特征，并分类出目标和非目标区域。

在跟踪阶段，本文采用基于滤波的跟踪算法，利用卡尔曼滤波器对目标进行跟踪预测，同时利用互相关算法计算目标的运动轨迹。

通过实验评估本文算法的性能，包括错误率、响应时间和硬件成本等指标。

本文通过对大量实验数据的分析，验证了所提出算法的有效性和可靠性。

在错误率方面，本文算法相较于传统方法具有更高的目标检测准确率。

在响应时间方面，本文算法也具有较快的运行速度，能够在短时间内完成对大量图像的处理。

海天复杂背景下红外目标的检测跟踪算法

海天复杂背景下红外目标的检测跟踪算法
把大范围海上环境分割成独立的小区域，能够更好地检测和跟踪红外目标。

第一步是通过基于萤火虫算法的图像匹配技术，将图像中的「热点」进行分割。

萤火虫算法是一种可以在几何形状和结构的独立区域中检测和比较图像的一种特殊的匹配算法。

它进行块和分块匹配来实现目标的检测和识别。

该算法根据两个图像中元素之间的强度差，来确定块中元素的方向和强度。

通过块匹配算法，我们可以检测图像中目标的强度、方向和位置。

接下来，可以使用角点匹配算法来检测目标的移动趋势，利用匹配算法中的特征点，可以准确地检测出红外目标的移动趋势。

特征点匹配不仅可以精确检测出起始位置、终止位置等红外目标的移动趋势，还可以准确匹配出移动过程中每一步目标的位置及其对应的图像。

这样可以大大提高系统的准确性，从而辅助后续的检测跟踪工作。

随后，可以采用基于Kalman滤波的检测跟踪算法来精确地跟踪红外目标。

Kalman滤波算法是一种基于预测和观测信息建立内部和感知模型的数学估计工具，能够预测和观测系统状态，实现更精准的检测和跟踪，使得红外目标的分割、检测、跟踪更快更准确。

在红外目标识别中，为了减少误差，我们还可以采用各种辅助技术，比如光谱技术、航海技术、玻璃技术等，它们可以采集到比经常认知的更多的定位信息。

总之，在大范围海洋环境中检测跟踪红外目标，应当采用较高精度的方法，比如：利用萤火虫算法进行图像分割匹配，角点匹配来检测目标的移动趋势，基于Kalman滤波的检测跟踪算法以及其他辅助技术的应用等，通过这些方法，在海洋环境中可以精确检测和跟踪到红外目标。

红外图像中舰船目标增强技术研究

红外图像中舰船目标增强技术研究近年来，随着科技的不断进步，红外成像技术已经得到了广泛的应用。

在军事、安防和航海等领域中，红外成像技术已经成为必不可少的技术手段。

其中，红外图像中舰船目标增强技术是一个热门的研究方向。

本文将就此进行研究。

一、红外图像中舰船目标红外图像中舰船目标通常是指船体、桅杆、舵等部件。

由于红外光线具有高穿透性和高能量的特点，因此在舰船的目标检测方面具有很高的可靠性。

而且，红外光线具有抗干扰性强、不易被探测到等特点，因此红外成像技术在夜间、恶劣天气条件下具有重要的应用价值。

二、红外图像中舰船目标增强技术分类红外图像中舰船目标增强技术可以分为多种类型。

根据目标增强的要求可以分为增强图像亮度、增强图像对比度、增强细节等不同类型。

以下分别进行介绍：1. 增强图像亮度红外图像与可见光图像不同，在光线条件不佳或者环境光线较暗时，红外图像的亮度较低，难以检测舰船目标。

因此，在红外图像中进行目标增强就需要增加图像的亮度。

目前，常用的方法是多级亮度增强法，即在图像预处理流程中进行多步亮度增强，最终得到较清晰、亮度适中的图像。

2. 增强图像对比度除了增加红外图像的亮度外，增强图像对比度也是一种常见处理方式。

通过增加目标区域与背景区域的对比度差异，来增强目标的检测能力。

常用的方法有直方图均衡化、拉伸变化等等。

3. 增强细节在红外图像中，船体的边缘、船窗的位置等细节部分并不明显，因此需要进行图像的细节增强。

细节增强的方法包括先进的滤波技术、边缘检测等等。

三、研究进展目前，增强图像亮度、增强图像对比度和增强细节是红外图像中舰船目标增强技术的主要研究方向。

近年来，研究者们针对不同的舰船目标，选用不同的处理方法进行图像增强，提高了检测效果。

例如，许多研究者使用自适应均衡来增强图像亮度。

同时，为了降低红外舰船目标的背景干扰，研究者们还尝试增强对比度。

在增强细节方面，研究者们开发了多种算法，如边缘检测算法、维纳滤波、高斯滤波等等。

红外偏振舰船目标自适应尺度局部对比度检测

宫剑１，２＊，吕俊伟１，刘亮１，仇荣超１，孙超３
（１．海军航空大学，山东烟台２６４０００；２．中国人民解放军９２３３７部队，辽宁大连１１６０２３；３．中国人民解放军９１１０４部队，江苏南京２１００００）
摘要：针对海天场景复杂干扰情况下多尺度检测红外偏振图像中舰船目标困难的问题，本文提出一种基于引导滤波和自适应尺度局部对比度的舰船目标检测方法。首先将强度信息作为引导信息对红外偏振图像利用引导滤波，得到目标背景对比度、局部信噪比更高的融合图像；然后基于融合图像显著的海天线垂直梯度特征，提出一种检测海天线方法，再对融合图像进行海天线加权抑制海杂波干扰；最后基于单尺度局部对比度算法与舰船目标比例特征，提出自适应尺度局部对比度方法，当尺度与目标匹配时响应最大，通过不同尺度对目标的响应结果确定最大尺度，得到舰船目标检测结果。实验结果表明，引导滤波融合方法的提高图像的目标背景对比度和局部信杂比，与典型检测方法对比，本文方法能够有效抑制干扰并能够检测海天场景不同尺度舰船目标，具有较高的鲁棒性和准确性，检测率、虚警率分别为９５．０％，３．５％，为红外偏振图像目标检测提供了新的方法。关键词：红外偏振；引导滤波；海天线加权；自适应尺度局部对比度；舰船目标检测中图分类号：ＴＰ３９１．４文献标识码：Ａｄｏｉ：１０．３７８８／ＯＰＥ．２０２０２８０１．０２２３

红外偏振图像的舰船目标检测

Vol. 40,No. 2,pp586-594February, 2020第40卷，第2期2 0 2 0年2月光谱学与光谱分祈 Spectroscopy and Spectral Analysis 红外偏振图像的舰船目标检测宫剑，吕俊伟，刘亮，仇荣超海军航空大学，山东烟台264000摘要红外成像系统作为探测舰船目标的一种重要方式，在军事侦察中起着至关重要的作用，面对复杂背景、恶劣天气环境等情况时，目标与背景局部对比度较低导致红外系统的探测准确率、查全率等性能指标受到严重影响，针对上述问题，开展了基于红外偏振图像的舰船目标检测方法研究。

通过8〜12 ptm 长波波段红外偏振图像采集系统实际采集86组4个偏振方向(0°, 45°, 90°, 135°)的红外偏振图像，样本中舰船目标309个。

对同场景下不同偏振方向的红外偏振图像及红外强度/偏振度图像的目标与背景局部对比度计算，发现海面与舰船目标偏振特征差异能够有效提高目标与背景局部对比度。

在前视红外图像中，舰船目标通常位于海天线附近或下方，但复杂背景及天气等因素干扰对红外图像中检测海天线影响较大，为此提出红外偏振图像海天线检测方法，对红外偏振图像直方图进行高斯滤波消除局部极值，依据海面与背景的偏振特征差异，利用双峰法阈值分割检测海天线，最后利用霍夫变换检测海天线，分割出海面作为目标候选区域。

针对红外偏振图像受到海杂波严重干扰的问题，提出海杂波背景抑制算法，采取背景抑制，距离加权方法抑制偏振图像中杂乱的海杂波背景。

最后，利用MSER 算法检测舰船目标，根据舰船目标特性约束条件剔除非目标区域。

对86组红外偏振图像进行舰船目标检测实验，所提出的方法能够有效克服复杂背景和海杂波等因素的干扰准确检测海天线，通过海杂波背景抑制及舰船特征约束的方法消除海杂波及海岸对舰船检测所带来的干扰，检测准确率、查全率分别为93.2%和95.7%,优于红外舰船目标检测方法，特别在红外图像对比度低的场景下检测效果提升明显，检测准确率、查全率分别提高了 46.5%和16.4%。

基于红外成像的舰船目标实时检测跟踪方法研究

基于红外成像的舰船目标实时检测跟踪方法研究红外成像技术在目标检测与跟踪领域中广泛应用，尤其在海上军事领域具有重要意义。

本文介绍一种基于红外成像的舰船目标实时检测与跟踪方法。

首先，在红外成像技术的基础上，利用图像处理和计算机视觉技术，从红外图像序列中提取并分析舰船目标，建立目标库。

在目标库的基础上，利用目标匹配算法实现目标检测与识别。

其次，在目标检测的基础上，通过基于光流的运动估计方法，实现舰船目标的实时跟踪。

该方法通过对目标局部区域的光流运动进行分析，实现目标的运动轨迹检测，并进行目标位置的预测。

同时，为提高目标跟踪的准确性，采用了多目标跟踪算法，同时跟踪多个目标。

最后，该方法考虑到海上环境的复杂性，针对舰船目标在不同天气、光照等环境下的红外辐射特征不同的问题，设计了自适应参数调节方法。

该方法通过对目标颜色等特征进行自适应的调整，实现对不同环境下的目标检测与跟踪。

本文提出的基于红外成像的舰船目标实时检测与跟踪方法在海上军事领域有广泛应用前景。

该方法的优点是实现了对海上复杂环境下舰船目标的实时检测与跟踪，具有较高的准确性和鲁棒性。

同时，该方法对多目标跟踪和自适应参数调节设计实现，进一步提高了算法的实用性和实时性。

为了更好地说明基于红外成像的舰船目标实时检测与跟踪方法的应用价值，我们可以列出一些与舰船目标检测与跟踪相关的数据，对其进行分析。

首先，舰船目标的种类和数量是决定检测与跟踪难度的因素之一。

根据统计数据，全球舰队中除了商业船只和渔船，还有相当数量的军舰和潜艇。

其中，美国、俄罗斯等国的军事力量占全球军舰总数的相当部分。

此外，在舰船目标的分类中，不同类型的舰船具有不同的特点和红外辐射特征。

因此，在实际应用中，需要针对不同类型的舰船目标采用不同的检测与跟踪算法进行处理。

其次，舰船目标在海上行驶的速度以及航线的变化也是影响检测与跟踪难度的因素之一。

根据数据显示，在海上航行的船只通常速度较快，一般在10-20节左右。

基于红外图像的内河船舶目标检测技术研究的开题报告

基于红外图像的内河船舶目标检测技术研究的开题报告一、课题背景随着全球贸易的发展，内河航运成为了重要的物流运输方式之一。

在内河航运中，船舶的安全问题一直为人们所关注。

因此，如何有效地进行船舶目标检测和识别，成为了内河航运领域中的一个重要问题。

近年来，红外图像技术逐渐应用于船舶目标检测中。

红外图像是一种可以反映物体红外辐射特征的图像。

相对于可见光图像，红外图像具有不受天气、时间、光照等因素影响的优势，因此能够对于严重的船舶目标检测问题提供更好的解决方案。

二、研究目的本研究旨在通过分析红外图像技术在内河船舶目标检测中的应用方法和现有技术的特点，设计并实现一种高效准确的基于红外图像的内河船舶目标检测技术，进一步提升内河航运安全性和运行效率。

三、研究内容和方法1.分析红外图像技术在内河船舶目标检测中的应用方法与特点。

2.设计和实现一种基于红外图像的内河船舶目标检测技术，包括船舶目标检测预处理、特征提取与分类器设计等。

3.实验验证算法的有效性和准确性，通过与现有船舶目标检测技术进行比较，评估其性能与应用价值。

四、预期结果和意义本研究的预期结果是设计并实现一种高效准确的基于红外图像的内河船舶目标检测技术，明确其技术特点和应用价值。

通过实验验证，证明此技术在船舶目标检测中具有优越性能和实用性，进一步提升内河航运的安全和效率。

五、论文结构本文主要分为五个部分：1.引言介绍内河船舶目标检测的意义和本研究的目的和意义。

2.相关技术分析对红外图像技术在船舶目标检测中的应用方法和特点进行分析，综述已有的船舶目标检测技术。

3.基于红外图像的内河船舶目标检测技术设计详细阐述基于红外图像的内河船舶目标检测技术的设计方法和具体实现过程。

4.实验与评估通过实验验证算法的有效性和准确性，与现有技术进行比较，评估此技术的性能和应用价值。

5.总结与展望总结本文对于基于红外图像的内河船舶目标检测技术的研究。

展望未来，进一步拓展此技术的应用场景和发展方向。