Infrared small target detection using tri-layer template local difference measure

MU Jing; LI Weihua; RAO Junmin; LI Fanming; WEI Hong

doi:10.37188/OPE.20223007.0869

您当前的位置：

首页 >

文章列表页 >

Infrared small target detection using tri-layer template local difference measure

Information Sciences | 更新时间：2026-09-12

- Infrared small target detection using tri-layer template local difference measure
- Optics and Precision Engineering Vol. 30, Issue 7, Pages: 869-882(2022)
- 作者机构：
  
  1.中国科学院红外探测与成像技术重点实验室，上海 200083
  2.中国科学院上海技术物理研究所，上海 200083
  3.中国科学院大学，北京 100049
- 作者简介：
- 基金信息：
- DOI：10.37188/OPE.20223007.0869
  CLC： TP391.4
- Received：15 October 2021，
  
  Revised：2021-11-17，
  
  Published：10 April 2022
- 稿件说明：
移动端阅览
穆靖,李伟华,饶俊民等.采用三层模板局部差异度量的红外弱小目标检测[J].光学精密工程,2022,30(07):869-882.

MU Jing,LI Weihua,RAO Junmin,et al.Infrared small target detection using tri-layer template local difference measure[J].Optics and Precision Engineering,2022,30(07):869-882.
穆靖,李伟华,饶俊民等.采用三层模板局部差异度量的红外弱小目标检测[J].光学精密工程,2022,30(07):869-882. DOI： 10.37188/OPE.20223007.0869.

MU Jing,LI Weihua,RAO Junmin,et al.Infrared small target detection using tri-layer template local difference measure[J].Optics and Precision Engineering,2022,30(07):869-882. DOI： 10.37188/OPE.20223007.0869.

摘要

针对现有算法在复杂背景下虚警率高、实时性差的缺陷，提出了一种基于三层模板局部差异度量的单帧红外弱小目标检测算法。提出三层模板的构造方式，充分利用模板不同层之间灰度分布的差异，提出灰度差异度量和方差差异度量相结合的三层模板局部差异度量算法，同时实现了目标增强与背景抑制，最后采用自适应阈值分割算法从显著性图中提取待检测目标。实验结果表明，所提算法只需使用固定尺寸的三层模板遍历一次图像即可实现对不同尺寸目标的检测，不仅避免了由多尺度运算导致的算法复杂度的提升，而且防止了由区域交叠造成的目标漏检。使用公开数据集SIRST进行测试，与现有8种算法对比，本文算法的信杂比增益平均提高了7.7倍，背景抑制因子平均提高了3.9倍，且具有更好的实时性。

Abstract

Current algorithms suffer from high false alarm rates and poor real-time performance in complex backgrounds. Therefore， a single-frame infrared small target detection algorithm based on the tri-layer template local difference measure was proposed. A tri-layer template was constructed. Then， by making full use of the disparity in grayscale distribution between different layers， a tri-layer template local difference measure combining the grayscale difference and grayscale variance measures was proposed， which simultaneously achieved target enhancement and background suppression. Finally， an adaptive threshold segmentation method was applied to extract the targets from the saliency map. The experimental results show that the proposed algorithm only needs to traverse the image by a fixed-scale tri-layer template to detect targets with different sizes. This not only avoided the increase in complexity caused by multi-scale operation， but also prevented missed detection caused by regional overlap. Eight methods were operated on the public dataset SIRST. The experimental results show that the signal to clutter gain and background suppression factor of the proposed algorithm are improved by 7.7 times and 3.9 times on average， respectively. In addition， the proposed algorithm achieves better real-time performance compared to existing algorithms.

关键词

Keywords

references

DENG H ， SUN X P ， LIU M L ， et al . Infrared small-target detection using multiscale gray difference weighted image entropy ［J］. IEEE Transactions on Aerospace and Electronic Systems ， 2016 ， 52 （ 1 ）： 60 - 72 . doi: 10.1109/taes.2015.140878 http://dx.doi.org/10.1109/taes.2015.140878

GAO C Q ， MENG D Y ， YANG Y ， et al . Infrared patch-image model for small target detection in a single image ［J］. IEEE Transactions on Image Processing ， 2013 ， 22 （ 12 ）： 4996 - 5009 . doi: 10.1109/tip.2013.2281420 http://dx.doi.org/10.1109/tip.2013.2281420

谷雨，刘俊，沈宏海，等 . 基于改进多尺度分形特征的红外图像弱小目标检测［J］. 光学精密工程， 2020 ， 28 （ 6 ）： 1375 - 1386 . doi: 10.3788/ope.20202806.1375 http://dx.doi.org/10.3788/ope.20202806.1375

GU Y ， LIU J ， SHEN H H ， et al . Infrared dim-small target detection based on an improved multiscale fractal feature ［J］. Opt. Precision Eng. ， 2020 ， 28 （ 6 ）： 1375 - 1386 . （in Chinese） . doi: 10.3788/ope.20202806.1375 http://dx.doi.org/10.3788/ope.20202806.1375

CHEN Y Y ， HAN J H ， ZHANG H H ， et al .. Infrared small dim target detection using local contrast measure weighted by reversed local diversity ［J］. Infrared Laser Engineering ， 2021 ， 50 （ 8 ）： 151 - 167 . doi: 10.1016/j.ijleo.2021.167651 http://dx.doi.org/10.1016/j.ijleo.2021.167651

刘晓，崔光照，李正周，等 . 基于视觉系统分层的小目标运动检测［J］. 光学精密工程， 2019 ， 27 （ 10 ）： 2251 - 2262 . doi: 10.3788/ope.20192710.2251 http://dx.doi.org/10.3788/ope.20192710.2251

LIU X ， CUI G ZH ， LI ZH ZH ， et al . Small target motion detection based on layering of vision system ［J］. Opt. Precision Eng. ， 2019 ， 27 （ 10 ）： 2251 - 2262 . （in Chinese） . doi: 10.3788/ope.20192710.2251 http://dx.doi.org/10.3788/ope.20192710.2251

LIU D P ， CAO L ， LI Z Z ， et al . Infrared small target detection based on flux density and direction diversity in gradient vector field ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 7 ）： 2528 - 2554 . doi: 10.1109/jstars.2018.2828317 http://dx.doi.org/10.1109/jstars.2018.2828317

ZHANG K ， NI S Y ， YAN D S ， et al . Review of dim small target detection algorithms in single-frame infrared images ［C］. 2021 IEEE 4th Advanced Information Management， Communicates， Electronic and Automation Control Conference （IMCEC）. 1820，2021 ， Chongqing， China. IEEE ， 2021 ： 2115 - 2120 . doi: 10.1109/imcec51613.2021.9482137 http://dx.doi.org/10.1109/imcec51613.2021.9482137

ZENG M ， LI J X ， PENG Z . The design of Top-Hat morphological filter and application to infrared target detection ［J］. Infrared Physics & Technology ， 2006 ， 48 （ 1 ）： 67 - 76 . doi: 10.1016/j.infrared.2005.04.006 http://dx.doi.org/10.1016/j.infrared.2005.04.006

BAI X Z ， ZHOU F G . Analysis of new top-hat transformation and the application for infrared dim small target detection ［J］. Pattern Recognition ， 2010 ， 43 （ 6 ）： 2145 - 2156 . doi: 10.1016/j.patcog.2009.12.023 http://dx.doi.org/10.1016/j.patcog.2009.12.023

DESHPANDE S D ， ER M H ， VENKATESWARLU R ， et al . Max-mean and max-Median filters for detection of small targets ［C］. SPIE's International Symposium on Optical Science， Engineering， and Instrumentation. Proc SPIE 3809 ， Signal and Data Processing of Small Targets 1999， Denver ， CO ， USA . 1999， 3809 ： 74 - 83 .

WANG X ， LV G ， XU L Z . Infrared dim target detection based on visual attention ［J］. Infrared Physics & Technology ， 2012 ， 55 （ 6 ）： 513 - 521 . doi: 10.1016/j.infrared.2012.08.004 http://dx.doi.org/10.1016/j.infrared.2012.08.004

CHEN C L P ， LI H ， WEI Y T ， et al . A local contrast method for small infrared target detection ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2014 ， 52 （ 1 ）： 574 - 581 . doi: 10.1109/tgrs.2013.2242477 http://dx.doi.org/10.1109/tgrs.2013.2242477

HAN J H ， MA Y ， ZHOU B ， et al . A robust infrared small target detection algorithm based on human visual system ［J］. IEEE Geoscience and Remote Sensing Letters ， 2014 ， 11 （ 12 ）： 2168 - 2172 . doi: 10.1109/lgrs.2014.2323236 http://dx.doi.org/10.1109/lgrs.2014.2323236

WEI Y T ， YOU X G ， LI H . Multiscale patch-based contrast measure for small infrared target detection ［J］. Pattern Recognition ， 2016 ， 58 ： 216 - 226 . doi: 10.1016/j.patcog.2016.04.002 http://dx.doi.org/10.1016/j.patcog.2016.04.002

HAN J H ， LIANG K ， ZHOU B ， et al . Infrared small target detection utilizing the multiscale relative local contrast measure ［J］. IEEE Geoscience and Remote Sensing Letters ， 2018 ， 15 （ 4 ）： 612 - 616 . doi: 10.1109/lgrs.2018.2790909 http://dx.doi.org/10.1109/lgrs.2018.2790909

WU L ， MA Y ， FAN F ， et al . A double-neighborhood gradient method for infrared small target detection ［J］. IEEE Geoscience and Remote Sensing Letters ， 2021 ， 18 （ 8 ）： 1476 - 1480 . doi: 10.1109/lgrs.2020.3003267 http://dx.doi.org/10.1109/lgrs.2020.3003267

潘胜达，张素，赵明，等 . 基于双层局部对比度的红外弱小目标检测方法［J］. 光子学报， 2020 ， 49 （ 1 ）： 184 - 192 . doi: 10.3788/gzxb20204901.0110003 http://dx.doi.org/10.3788/gzxb20204901.0110003

PAN SH D ， ZHANG S ， ZHAO M ， et al . Infrared small target detection based on double-layer local contrast measure ［J］. Acta Photonica Sinica ， 2020 ， 49 （ 1 ）： 184 - 192 . （in Chinese） . doi: 10.3788/gzxb20204901.0110003 http://dx.doi.org/10.3788/gzxb20204901.0110003

DAI Y M ， WU Y Q . Reweighted infrared patch-tensor model with both nonlocal and local priors for single-frame small target detection ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2017 ， 10 （ 8 ）： 3752 - 3767 . doi: 10.1109/jstars.2017.2700023 http://dx.doi.org/10.1109/jstars.2017.2700023

JIANG B T ， MA X F ， LU Y ， et al . Ship detection in spaceborne infrared images based on Convolutional Neural Networks and synthetic targets ［J］. Infrared Physics & Technology ， 2019 ， 97 ： 229 - 234 . doi: 10.1016/j.infrared.2018.12.040 http://dx.doi.org/10.1016/j.infrared.2018.12.040

RONNEBERGER O ， FISCHER P ， BROX T . U-net ： Convolutional Networks for Biomedical Image Segmentation ［M］. Lecture Notes in Computer Science . Cham ： Springer International Publishing ， 2015 ： 234 - 241 . doi: 10.1007/978-3-319-24574-4_28 http://dx.doi.org/10.1007/978-3-319-24574-4_28

WANG K D ， LI S Y ， NIU S S ， et al . Detection of infrared small targets using feature fusion convolutional network ［J］. IEEE Access ， 2019 ， 7 ： 146081 - 146092 . doi: 10.1109/access.2019.2944661 http://dx.doi.org/10.1109/access.2019.2944661

鞠默然，罗海波，刘广琦，等 . 采用空间注意力机制的红外弱小目标检测网络［J］. 光学精密工程， 2021 ， 29 （ 4 ）： 843 - 853 . doi: 10.37188/OPE.20212904.0843 http://dx.doi.org/10.37188/OPE.20212904.0843

JU M R ， LUO H B ， LIU G Q ， et al . Infrared dim and small target detection network based on spatial attention mechanism ［J］. Opt. Precision Eng. ， 2021 ， 29 （ 4 ）： 843 - 853 . （in Chinese） . doi: 10.37188/OPE.20212904.0843 http://dx.doi.org/10.37188/OPE.20212904.0843

MORADI S ， MOALLEM P ， SABAHI M F . Scale-space point spread function based framework to boost infrared target detection algorithms ［J］. Infrared Physics & Technology ， 2016 ， 77 ： 27 - 34 . doi: 10.1016/j.infrared.2016.05.007 http://dx.doi.org/10.1016/j.infrared.2016.05.007

DAI Y M ， WU Y Q ， ZHOU F ， et al . Asymmetric contextual modulation for infrared small target detection ［C］. 2021 IEEE Winter Conference on Applications of Computer Vision （WACV）. 38，2021 ， Waikoloa， HI， USA. IEEE ， 2021 ： 949 - 958 . doi: 10.1109/wacv48630.2021.00099 http://dx.doi.org/10.1109/wacv48630.2021.00099

HAN J H ， MORADI S ， FARAMARZI I ， et al . A local contrast method for infrared small-target detection utilizing a tri-layer window ［J］. IEEE Geoscience and Remote Sensing Letters ， 2020 ， 17 （ 10 ）： 1822 - 1826 . doi: 10.1109/lgrs.2019.2954578 http://dx.doi.org/10.1109/lgrs.2019.2954578

韩金辉，董兴浩，蒋亚伟，等 . 基于局部对比度机制的红外弱小目标检测算法［J］. 红外技术， 2021 ， 43 （ 4 ）： 357 - 366 .

HAN J H ， DONG X H ， JIANG Y W ， et al . Infrared small dim target detection based on local contrast mechanism ［J］. Infrared Technology ， 2021 ， 43 （ 4 ）： 357 - 366 . （in Chinese）

FAWCETT T . An introduction to ROC analysis ［J］. Pattern Recognition Letters ， 2006 ， 27 （ 8 ）： 861 - 874 . doi: 10.1016/j.patrec.2005.10.010 http://dx.doi.org/10.1016/j.patrec.2005.10.010

QIN Y ， BRUZZONE L ， GAO C Q ， et al . Infrared small target detection based on facet kernel and random walker ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2019 ， 57 （ 9 ）： 7104 - 7118 . doi: 10.1109/tgrs.2019.2911513 http://dx.doi.org/10.1109/tgrs.2019.2911513

XIA C Q ， LI X R ， ZHAO L Y ， et al . Infrared small target detection based on multiscale local contrast measure using local energy factor ［J］. IEEE Geoscience and Remote Sensing Letters ， 2020 ， 17 （ 1 ）： 157 - 161 . doi: 10.1109/lgrs.2019.2914432 http://dx.doi.org/10.1109/lgrs.2019.2914432

Views

1111

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Infrared small target detection using tri-layer template local difference measure

Sat-YOLO： A target detector for space satellites

HADN-Net： hierarchical attention dense nested network for faint astronomical target detection

Deep-sea pollutant detection for autonomous underwater robots

Multi-feature cross UAV image detection algorithm under cross-layer attentional interaction

Related Author

Jing MU

Weihua LI

Junmin RAO

Fanming LI

Hong WEI

JIA Guoyu

REN Long

ZHANG Haifeng

Related Institution

University of Chinese Academy of Science

Shanghai Institute of Technical Physics， Chinese Academy of Science

Xi'an Institute of Optics and Precision Mechanics， Chinese Academy of Sciences

Space Engineering University

Heilongjiang Provincial Key Laboratory of Complex Intelligent System and Integration， Harbin University of Science and Technology

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China Postal code：130033
Tel：0431-86176855 Email：gxjmgc@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰