淺談紅外弱小目標檢測算法

作為紅外預警探測領域的關鍵技術，適應于不同復雜場景下的紅外弱小目標檢測算法一直受到國內外研究人員的廣泛關注。隨著紅外預警探測技術的發展以及軍事化作戰需求的提高，滿足低虛警、高檢測精度的紅外弱小目標檢測算法一直是國內外研究重點。

紅外弱小目標檢測算法主要分為多幀檢測和單幀檢測，多幀檢測利用多幀圖像中運動目標的連續性和相關性實現紅外小目標檢測，而單幀檢測主要利用單幀圖像，提取小目標在紅外圖像中的梯度、灰度、對比度等特征，通過目標增強或背景抑制等方式實現弱小目標檢測，相比多幀檢測，具有復雜度低，執行效率高，便于硬件實現等優點。

據麥姆斯咨詢報道，近期，華北光電技術研究所劉征等人在《激光與紅外》期刊上發表了以“紅外單幀弱小目標檢測算法研究綜述”為主題的綜述文章。

這項研究首先從成像特點、數學模型構建以及背景雜波干擾等方面闡述了弱小目標的特征與檢測難點。然后分類介紹了近些年來提出的單幀弱小目標檢測算法，并對算法的優勢和不足進行了分析。最后結合當前紅外預警探測領域的實際應用需求，分析了紅外弱小目標檢測算法未來的發展趨勢。

紅外弱小目標這一定義分別指出了目標的兩個特性，即“弱”和“小”，其中“弱”指的是目標信噪比低、與背景之間的對比度差、紅外輻射強度弱；而“小”指的是目標像素少，檢測時難以獲得紋理信息，可考慮的信息只有灰度和位置。

紅外小目標圖像與對應區域的三維強度分布圖

紅外單幀弱小目標檢測算法主要通過圖像預處理突出小目標同時抑制背景噪聲干擾，之后采用閾值分割提取疑似目標，最后根據特征信息進行目標確認。由于單幀檢測的算法復雜度較低，檢測效率高，因此目前絕大多數的高速運動目標檢測平臺等都是采用的單幀紅外弱小目標檢測算法。

紅外單幀弱小目標檢測算法包括：①基于濾波的檢測算法；②基于人類視覺系統的檢測算法；③基于圖像數據結構的檢測算法；④基于深度學習的智能檢測算法。

基于濾波的檢測算法，由于紅外探測系統得到的單幀圖像中，紅外小目標的紋理、大小等特征信息往往難以獲取，通常紅外小目標檢測是基于小目標和背景之間的灰度差異。濾波方法的原理就是利用像素灰度差異來突出小目標，并去除周圍背景噪聲干擾。目前這類方法大體可分為空間域濾波和變換域濾波?？臻g域濾波的方法主要有：空域高通濾波、最大中值和最大均值濾波、Robinson Guard濾波器、雙邊濾波算法、數學形態學方法和二維最小均方濾波器（TDLMS）。變換域濾波應用較多的這類方法主要有頻域高通濾波、小波變換濾波、多尺度幾何分析、二維經驗模式分解（BEMD）以及離散余弦變換（DCT）。

基于人類視覺系統（HVS）的檢測算法，人眼可以快速定位到感興趣區域，并獲取其中的感興趣目標，這一行為主要是人眼根據對比度區別目標和背景而不是亮度，以此來獲取視覺顯著性區域。根據HVS的特性，紅外圖像中目標的顯著性特征主要包含對比度、大小、形狀等等。所以紅外小目標檢測中引入了局部對比度、視覺顯著性圖、多特征融合、多尺度等理論機制。

基于圖像數據結構的檢測算法，將圖像數據結構引入到紅外小目標檢測算法中，利用了紅外圖像中背景的非局部自相似性和目標的稀疏特性，即背景塊屬于同一低秩子空間，而目標相對整體圖像尺寸較小。目前比較典型的基于圖像數據結構的方法主要有紅外圖像塊（IPI）模型和穩健主成分分析（RPCA）。

基于深度學習的智能檢測算法，能通過訓練提取數據中深層次的中層以及高層特征，用以目標表征，提升目標檢測的魯棒性。目前將深度學習應用于紅外小目標檢測最大的局限性在于，待檢測的紅外小目標尺寸過小，缺乏紋理、結構等特征，而神經網絡中往往采取下采樣操作，導致目標在特征圖上尺寸僅占據幾個像素，使得檢測器難以提取出有效特征，導致小目標檢測效果差；同時考慮到實際紅外工程應用中對算法的實時性和硬件負載能力均有限定，神經網絡架構移植到常用的FPGA ＋ DSP硬件架構上的難度較大。

結合當下紅外預警探測系統的發展需求以及各個領域逐漸引入人工智能思想的熱潮，可以預見未來紅外弱小目標檢測的發展趨勢如下：

（1）首先，考慮到紅外預警探測對探測距離、成像質量、復雜背景環境下的適應能力等需求的提高，在硬件上研制大規模、高分辨率、多波段、超高密度集成和輕型化的焦平面器件，仍然是推動紅外弱小目標檢測研究必不可少的一部分。

（2）其次，由于單一波段的紅外探測系統的性能總是有限的，由單波段檢測推廣到研究紅外多光譜融合探測技術，高光譜探測技術以及多傳感器信息融合技術，進行信息互補，實現預警系統一體化，有效解決單一波段或單一探測器探測性能的局限性。

（3）最后，創新和改進現有的紅外弱小目標檢測算法仍然是目前研究的重點。利用深度學習模型架構進行紅外弱小目標檢測，完善紅外弱小目標數據集，同步考慮神經網絡模型架構硬件移植的可行性，后續研究可以利用FPGA高速并行計算、低功耗的優勢，在FPGA上搭建神經網絡架構，加速神經網絡計算，保證算法的檢測效率與實時性。

編輯：黃飛