编辑推荐 | 红外弱小目标检测算法综述

在计算机视觉中，红外弱小目标检测是一个重要的课题，随着硬件处理能力的大幅提高，图像处理速度显著提升，复杂算法的实时性得到保障，弱小目标的研究工作又掀起了一个高潮。

今天图图推荐《中国图象图形学报》第9期的论文“红外弱小目标检测算法综述”，成果来自电子科技大学张萍老师团队，论文对当前主流的基于单帧图像的红外弱小目标检测和基于序列的红外运动小目标检测两类方法进行了深入分析与对比。

Chen etal.,2014 (点击图片查阅原文献)

论文信息

题目：红外弱小目标检测算法综述

作者：李俊宏, 张萍, 王晓玮, 黄世泽

单位：电子科技大学光电科学与工程学院

引用格式：李俊宏, 张萍, 王晓玮, 黄世泽. 2020. 红外弱小目标检测算法综述. 中国图象图形学报, 25(9): 1739-1753 [DOI: 10.11834/jig.190574]

专家推荐

论文对近十多年来关于红外弱小目标的检测算法进行详细的归纳总结，主要从基于单帧图像、基于图像序列两大类进行阐述，对两大类中每个子类的典型算法的原理、主要步骤以及优劣进行了清晰的描述，并给出了作者的分析和总结。对于红外弱小目标算法研究的研究人员来说，是一篇具有较好指导意义的综述性文章。

0 1

单帧图像的红外弱小目标检测

由于不同红外图像中的小目标具有不同的外观、形状和姿态，加之噪声杂波的干扰遮挡，导致这个任务颇具挑战性。论文对3类主流单帧图像红外弱小目标检测方法进行总结分析：

1）基于滤波的方法主要适用于单一、均匀的连续背景以及目标尺寸较小的场景中；基于HVS的检测方法主要适用于目标亮度相对较大，与周围的背景呈现较为明显差异的场景中；基于低秩稀疏恢复的方法明显适用于几乎各种复杂、迅速变化的背景，但在实际使用中需要GPU等进行加速来使其满足实际监控等场景的实时性。

2）论文中比较的算法检测结果如下图。

图 7种算法在5个复杂背景红外弱小目标图像检测结果

3）论文中比较的算法客观指标评价结果如下表1。

表1  论文中比较的算法检测结果如下图

方法	指标	序列1	序列2	序列3	序列4	序列5
Top-Hat	SCR	4.92	2.09	1.54	2.29	3.78
	BSF	5.55	10.66	7.55	8.59	3.00
LCM	SCR	0.49	0.75	2.17	0.25	0.40
	BSF	0.69	0.93	1.18	0.69	0.96
MPCM	SCR	4.56	2.05	1.22	0.49	2.59
	BSF	5.49	8.20	6.85	1.96	2.50
IPI	SCR	7.36	7.64	2.59	4.24	2.10
	BSF	2.25	2.10	4.46	5.08	4.29
WIPI	SCR	10.71	11.01	3.26	3.40	2.03
	BSF	6.72	2.93	8.36	3.18	3.93
SMSL	SCR	\	1.86	2.80	\	\
	BSF	\	10.34	2.99	\	\
NRAM	SCR	87.34	11.02	2.72	8.81	7.75
	BSF	60.30	50.01	21.29	25.7	32.58
NVMD	SCR	5.79	1.94	2.89	3.82	4.21
	BSF	5.94	5.31	7.99	8.69	3.83
注：加粗字体为每列最优值, “\”表示无数据。

0 2

基于序列的红外运动小目标检测

对于红外运动小目标的检测问题，小目标的形状、灰度变化在时间上的连续性，以及运动轨迹的连续性等先验信息是有效分割红外图像中噪声与小目标的关键。目前主流的基于序列的红外运动小目标检测方法根据这些先验信息使用的先后顺序，主要分为两类：先检测再使用运动信息(detect before motion，DBM)和先使用运动信息再检测(motion before detect，MBD)。

综合上述两类算法中典型方法的主要特点和步骤等分析可知，DBM和MBD是基于不同思路进行红外运动小目标检测的两类方法：

DBM方法原理简单、耗时短、实时检测便于应用。该类方法在低信噪比条件下由于小目标灰度与背景的灰度值接近，容易在阈值低时将背景判别为目标或在阈值高时目标丢失，导致算法失效。但在信噪比大于10 dB时具有较好的检测效果。MBD方法的计算流程相对复杂，要求的硬件系统配置更高，难以实时应用。但在低信噪比的情况下，小目标检测性能明显更优。在实际的军事领域中，红外成像系统一般较远，目标尺寸小、背景复杂且目标容易被杂波干扰，使得信噪比低。因此，较多地采用MBD方法来检测红外图像中信噪比低的弱小目标。DBM和MBD检测算法性能比较和4种显著性检测方法的客观评价指标如下表2和表3。

表2  DBM和MBD检测算法性能比较

表3  四种显著性检测方法的客观评价指标

03

未来发展趋势

该领域在未来的发展趋势是研究计算量小、性能优、鲁棒性强、实时性好和便于硬件实现的红外弱小目标检测算法：

1) 传统的红外弱小目标检测算法已经形成了比较好的体系，对应背景建模等方面已经有很好的效果，针对传统的检测算法可以更好地将张量模型运用到检测目标的领域中，来提高精确度。

2) 针对深度学习方法受限于训练的问题，可以在数据增广方面多进行研究，可以迁移到红外弱小目标的检测算法，还可以结合生成对抗式网络来对目标增强，最终考虑使用红外弱小目标图像和可见光图像进行结合检测来提高性能。

作者介绍

通信作者：张萍，副教授，主要研究方向为计算机视觉。

E-mail：pingzh@uestc.edu.cn

第一作者：李俊宏，硕士研究生，主要研究方向为计算机视觉和三维重建。 

E-mail：201821050308@std.uestc.edu.cn

王晓玮，女，硕士研究生，主要研究方向为计算机视觉与3D打印。

E-mail：201721050326@std.uestc.edu.cn

黄世泽，男，本科生，主要研究方向为计算机视觉

Email：1252927276@qq.com

扫码加入图图社区，优享最新资讯

"图图Seminar" 学术直播

回放平台：

知网在线教学服务平台：

http://k.cnki.net/Room/Home/Index/181822

B站：

https://space.bilibili.com/27032291

往期目录：

汪荣贵——机器学习基本知识体系与入门方法

陈强——从Cell封面论文谈AI研究中的实验数据问题

石争浩——从先验到深度：低见度图像增强

行知论坛——南理工行知论坛&图图Seminar：智能画质增强专题

孙显——遥感图像智能分析：方法与应用

章国锋——视觉SLAM在AR应用上的关键性问题探讨

林宙辰——机器学习中优化算法前沿简介

白相志，冯朝路——“医学图像与人工智能”主题论坛

李雷达——以人为中心的图像感知评价：从质量到美学

汪荣贵——深度强化学习系列课程1-4讲

张明敏，郭诗辉——“人工智能与虚拟现实”主题论坛

高连如——高光谱遥感图像处理与信息提取

杨扬——“出身决定论”？看科研之路如何逆袭！

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：韩小荷

指导：梧桐君

审校：夏薇薇

总编辑：肖   亮

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

我就知道你“在看”