本技术介绍了一种利用频域数据球化技术进行红外弱小目标检测的方法及其装置。该方法包括以下步骤:(1)构建包含待检测图像帧及其相邻帧的三维时空张量;(2)将图像从空间域转换至频域。
背景技术
受益于红外成像技术的“全天时、强穿透、热敏感”等特点,红外弱小目标检测已成为研究热点之一。在不同的陆海空场景中,红外弱小目标检测旨在针对远距离条件下实现对无人机、车辆等目标的持续探测。当前,红外弱小目标检测面临较多挑战:首先,红外目标具有“小”和“弱”的特性,通常呈“2×2”至“9×9”个像素点范围的点状形状,受到大气云层等各种辐射干扰下,目标信号强度变弱,使得目标的特征提取变得更加困难;其次,复杂背景中,通常会存在各种不同背景成分和杂波的干扰,包括云层遮挡、大气变化和光照效应等,并且受到各种环境噪声和传感器的固有噪声的影响,容易导致红外小目标检测算法的虚警;最后,红外小目标检测技术的时效性能是决定红外检测与跟踪系统实用性的另一个关键因素,如何优化红外小目标检测技术的计算效率,以满足应用的需求是一个待解决的问题。
当前,红外弱小目标检测方法基本可分为基于背景估计滤波的方法、基于局部特征表示的方法、基于机器学习理论的方法、基于深度学习的方法和基于成分分析的方法。其中,基于背景估计滤波的方法不适用复杂场景中红外弱小目标的检测任务;基于局部特征表示对复杂背景、噪声杂波较为敏感;基于机器学习的方法极依赖于特征设计,并且场景鲁棒性较差;基于深度学习的方法对数据的需求量较大,计算复杂度较高;基于成分分析的方法依赖于对每个成分的本征特征的准确表征。因此,深入探究高效的红外弱小目标检测方法仍是目前的研究重点。
实现思路