基于改进的奇异值分解的红外弱小目标检测

冯洋

doi:10.7510/jgjs.issn.1001-3806.2016.03.007

高级检索

ISSN 1001-3806CN 51-1125/TN 网站地图

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进的奇异值分解的红外弱小目标检测

冯洋

文章导航 > 激光技术 > 2016 > 40(3): 335-338

引用本文:

Citation:

基于改进的奇异值分解的红外弱小目标检测

冯洋

1.
渭南师范学院物理与电气工程学院, 渭南 714000

作者简介: 冯洋(1982-),女,讲师,硕士,主要研究方向为红外弱小目标的检测与跟踪。E-mail:fengyang1982@163.com.

基金项目:
国家自然科学基金资助项目(61401343);陕西省教育厅科学基金资助项目(14JK1247);陕西省军民融合研究基金资助项目(13JMR14);渭南师范学院特色学科资助项目(14TSXK07)
中图分类号: TN911.73

Detection of dim and small infrared targets based on the improved singular value decomposition

FENG Yang

1.
School of Physics and Electrical Engineering, Weinan Normal University, Weinan 714000, China
CLC number: TN911.73

摘要: 为了克服传统的基于奇异值分解的目标检测方法存在目标强度变弱的不足之处,采用改进的奇异值分解方法用于红外弱小目标检测。根据奇异值分解的性质,对其中目标贡献最大的中序部分奇异值进行了非线性修正的改进,并将其它奇异值设置为零后通过重构图像得到背景抑制后的目标图像。结果表明,该方法不仅能够保存和增强目标能量,提高目标信号的信杂比和对比度,而且还能得到很好的背景抑制效果。
- 图像处理 /
- 红外图像 /
- 目标检测 /
- 背景抑制 /
- 改进的奇异值分解
Abstract: In order to solve the problem of target strengh weakness of traditional target detection method based on singular value decomposition (SVD), an improved SVD algorithm was proposed for background suppression in dim and small infrared target detection. According to the nature of SVD, nonlinear transformation was adopted to improve the middle order part of image singular values for the largest contribution to the goal. And then, the other singular value was set to zero,finally the target image was obtained by reconstructing image. The experimental results show that the proposed method could preserve and enhance the target signal, improve the signal-to-clutter ratio and contrast ratio,and have good performance in complicated background suppression.
- image processing /
- infrared image /
- target detection /
- background suppression /
- the improved singular value decomposition

[1]	PENG J X, ZHOU W L. Infrared background suppression for segmenting and detecting small target[J]. Acta Electronica Sinica, 1999, 27(12):47-51(in Chinese).
[2]	ERCELEBI E, KOC S. Lifting-based wavelet domain adaptive wiener filter for image enhancement[J].IEEE Proceedings, Vision, Image and Signal Processing, 2006, 153(1):31-366.
[3]	QIN H L, LIU Sh Q, ZHOU H X, et al. Background suppression for dim small target with Gabor kernel non-local means[J].Infrared and Laser Engineering, 2009,38(4):737-741(in Chinese).
[4]	ZHANG Y, XIN Y H, ZHANG Ch Q.An algorithm based on temporal and spatial filters for infrared weak slow moving point target detection[J]. Acta Photonia Sinica, 2010, 39(11):2049-2054(in Chinese).
[5]	MA W W, DIAO Y J, ZHANG G H. Infrared dim target detection based on multi-structural element morphological filter combined with adaptive threshold segmentation[J]. Acta Photonia Sinica, 2011, 40(7):1020-1024(in Chinese).
[6]	JIANG T, SHEN H L, YANGD D X, et al. Target detection of the images based on C-means of fuzzy local information[J]. Laser Technology, 2015, 39(3):289-294 (in Chinese).
[7]	QIN H L, ZHOU H X, LIU Sh Q, et al. SVD for infrared dim and small target background suppression[J]. Semiconductor Optoelectronics, 2009, 30(3):473-476(in Chinese).
[8]	LV D Y. Research on SVD in digital watermark and infrared small target preprocessing[D]. Nanjing:Nanjing University of Aeronautics and Astronautics,2011:41-46(in Chinese).
[9]	HU M F, DONG W J, WANG Sh H, et al. Singular value decomposition band-pass-filter for image background suppression and denoising[J].Acta Electronica Sinica, 2008, 36(1):111-116(in Chinese).
[10]	CUI L J, ZHENG J B, LI X X. Detecting small targets based on SVD for background suppression and particle filter[J]. Application Research of Computers, 2011, 28(4):1553-1555(in Chinese).
[11]	MO J H, XI R P, ZHANG Y N, et al. Global filter combined with local filter for infraredsmall target background suppression[J]. Chinese Journal of Stereology and Image Analysis, 2011, 16(3):223-231(in Chinese).
[12]	LI J L. An introduction of the SVD algorism and its test of artificial data[J]. Annals of Shanghai Observatory Academia Sinca, 1998(19):16-21(in Chinese).
[13]	ZHANG X D. Matrix analysis and application[M]. Beijing:Tsinghua University Press, 2004:341-400(in Chinese).
[14]	ZHANG L, LUO Ch G, ZHANG YY, et al. Fusion algorithm of infrared and visible images based on support value transform[J]. Laser Technology, 2015, 39(3):428-431(in Chinese).

[1]	郭佩瑜 , 张宝华 . 基于引导滤波和模糊算法的红外背景抑制算法. 激光技术, 2018, 42(6): 854-858. doi: 10.7510/jgjs.issn.1001-3806.2018.06.024
[2]	陈树越 , 刘金星 , 丁艺 . 基于小波变换的红外与X光图像融合方法研究. 激光技术, 2015, 39(5): 685-688. doi: 10.7510/jgjs.issn.1001-3806.2015.05.021
[3]	张宝华 , 刘鹤 . 基于区域定位与轮廓分割的红外目标检测. 激光技术, 2015, 39(6): 840-844. doi: 10.7510/jgjs.issn.1001-3806.2015.06.023
[4]	杨桄 , 田张男 , 李豪 , 关世豪 . 基于线性解混的高光谱图像目标检测研究. 激光技术, 2020, 44(2): 143-147. doi: 10.7510/jgjs.issn.1001-3806.2020.02.001
[5]	李文龙 , 戈海龙 , 任远 , 成巍 . 图像处理技术在激光熔池温度检测的应用. 激光技术, 2018, 42(5): 599-604. doi: 10.7510/jgjs.issn.1001-3806.2018.05.004
[6]	江天 , 沈会良 , 杨冬晓 , 刘建军 , 邹哲 . 基于模糊局部信息C均值的太赫兹图像目标检测. 激光技术, 2015, 39(3): 289-294. doi: 10.7510/jgjs.issn.1001-3806.2015.03.001
[7]	王其华 , 叶苗 . 基于裂变自举粒子滤波的红外目标跟踪处理. 激光技术, 2011, 35(1): 141-144. doi: 10.3969/j.issn.1001-3806.2011.01.038
[8]	孙越娇 , 雷武虎 , 胡以华 , 赵楠翔 , 任晓东 . 基于视觉显著模型的遥感图像舰船快速检测. 激光技术, 2018, 42(3): 379-384. doi: 10.7510/jgjs.issn.1001-3806.2018.03.017
[9]	李昌海 , 叶玉堂 , 沈淦松 , 徐伟 , 叶涵 , 姚景昭 . 基于图像轮廓分析的LCD线路缺陷检测. 激光技术, 2013, 37(2): 207-210. doi: 10.7510/jgjs.issn.1001-3806.2013.02.017
[10]	刘煊 , 渠慎明 . 低秩稀疏和改进SAM的高光谱图像误标签检测. 激光技术, 2022, 46(6): 808-816. doi: 10.7510/jgjs.issn.1001-3806.2022.06.016
[11]	刘逸飞 , 苏亚 , 姚晓天 , 崔省伟 , 杨丽君 , 周聪聪 , 何松 . OCT无创血糖检测图像处理最优化方法研究. 激光技术, 2023, 47(2): 178-184. doi: 10.7510/jgjs.issn.1001-3806.2023.02.004
[12]	苏平 , 牛燕雄 , 李大乾 , 牛海莎 , 李易难 , 张超 . 基于面阵CCD的激光告警系统的图像采集与处理. 激光技术, 2013, 37(3): 394-399. doi: 10.7510/jgjs.issn.1001-3806.2013.03.028
[13]	汤敏 , 王惠南 . 激光扫描共聚焦显微镜图像的计算机处理. 激光技术, 2007, 31(5): 558-560.
[14]	张羽鹏 , 王开福 . LabVIEW和MATLAB在电子散斑干涉图像处理中的应用. 激光技术, 2009, 33(6): 582-585,589. doi: 10.3969/j.issn.1001-3806.2009.06.007
[15]	顾国庆 , 王开福 , 燕新九 . 基于同态滤波的电子散斑干涉图像处理. 激光技术, 2010, 34(6): 750-752,797. doi: 10.3969/j.issn.1001-3806.2010.06.009
[16]	李泽峰 , 欧阳八生 . 基于MFC+HALCON图像识别Mark圆的检测方法. 激光技术, 2020, 44(3): 358-363. doi: 10.7510/jgjs.issn.1001-3806.2020.03.016
[17]	虞文俊 , 顾国华 , 刘骋昊 . 红外偏振图像的仿真. 激光技术, 2014, 38(1): 76-78. doi: 10.7510/jgjs.issn.1001-3806.2014.01.016
[18]	张怡霄 , 杜惊雷 , 高福华 , 姚军 , 曾阳素 , 郭永康 . 分数域啁啾滤波及其在数字图像处理中的应用. 激光技术, 2003, 27(1): 78-80.
[19]	张凡 . 红外图像改进非局部均值滤波算法研究. 激光技术, 2015, 39(5): 662-665. doi: 10.7510/jgjs.issn.1001-3806.2015.05.016
[20]	赵蓉 , 顾国华 , 杨蔚 . 基于偏振成像的可见光图像增强. 激光技术, 2016, 40(2): 227-231. doi: 10.7510/jgjs.issn.1001-3806.2016.02.016

点击查看大图

计量

文章访问数: 5205
HTML全文浏览量: 2315
PDF下载量: 264
被引次数: 0

基于改进的奇异值分解的红外弱小目标检测

冯洋

作者简介: 冯洋(1982-),女,讲师,硕士,主要研究方向为红外弱小目标的检测与跟踪。E-mail:fengyang1982@163.com

1. 渭南师范学院物理与电气工程学院, 渭南 714000

收稿日期: 2015-04-27
录用日期: 2015-06-15
网络出版日期: 2016-05-25

基金项目: 国家自然科学基金资助项目(61401343);陕西省教育厅科学基金资助项目(14JK1247);陕西省军民融合研究基金资助项目(13JMR14);渭南师范学院特色学科资助项目(14TSXK07)

关键词:

摘要: 为了克服传统的基于奇异值分解的目标检测方法存在目标强度变弱的不足之处,采用改进的奇异值分解方法用于红外弱小目标检测。根据奇异值分解的性质,对其中目标贡献最大的中序部分奇异值进行了非线性修正的改进,并将其它奇异值设置为零后通过重构图像得到背景抑制后的目标图像。结果表明,该方法不仅能够保存和增强目标能量,提高目标信号的信杂比和对比度,而且还能得到很好的背景抑制效果。