[論文レビュー] Fast and Robust Small Infrared Target Detection Using Absolute Directional Mean Difference Algorithm

Saed Moradi, Payman Moallem+1 more|arXiv (Cornell University)|Oct 7, 2018

Infrared Target Detection Methodologies参考文献 44被引用数 165

ひとこと要約

本稿では、複雑な背景における小さな赤外標的の高速かつロバストな検出を目的として、絶対的方向的平均差分（ADMD）アルゴリズムを提案する。8方向における方向的コントラスト差分を計算し、最小値選択を適用することで、構造的クラッターを抑制しながら標的を強調する。この手法は、信号対クラッター比（SCR）と背景抑制係数（BSF）を著しく向上させ、効率的な実装により27倍の高速化を達成し、リアルタイム性能と誤検出低減の面でAAGDおよび他のベースライン手法を上回る。

ABSTRACT

Infrared small target detection in an infrared search and track (IRST) system is a challenging task. This situation becomes more complicated when high gray-intensity structural backgrounds appear in the field of view (FoV) of the infrared seeker. While the majority of the infrared small target detection algorithms neglect directional information, in this paper, a directional approach is presented to suppress structural backgrounds and develop a more effective detection algorithm. To this end, a similar concept to the average absolute gray difference (AAGD) is utilized to construct a novel directional small target detection algorithm called absolute directional mean difference (ADMD). Also, an efficient implementation procedure is presented for the proposed algorithm. The proposed algorithm effectively enhances the target area and eliminates background clutter. Simulation results on real infrared images prove the significant effectiveness of the proposed algorithm.

研究の動機と目的

• 既存の小さな赤外標的検出手法が、高強度の構造的背景やエッジを効果的に抑制できないという限界に対処する。
• 構造的クラッターの局所的コントラストが高い場合にAAGDで生じる誤検出問題を克服する。
• 小さな標的に内在する等方的コントラスト特性を活用した方向的アプローチを開発し、標的検出を向上させる。
• 最小限の計算オーバーヘッドで実現可能な効率的なアルゴリズム実装により、リアルタイム適用を確保する。
• 定量的指標および視覚的結果の両面で、AAGDおよび他のベースライン手法を上回る優れた性能を実証する。

提案手法

• 中央画素の周囲に8つの3×3方向セルを用いて方向的コントラスト差分を計算し、単一窓のAAGD手法に代わる。
• 中央セルと各周囲の8方向セルとの間の絶対差分を計算することで、方向的平均差分を算出する。
• すべての8方向のコントラストに対して最小値選択を適用し、方向応答が一貫しない構造的クラッターを抑制する。
• 局所平均化と絶対差分演算の組み合わせとしてADMDを定式化することで、計算複雑度を低く保つ。
• 3×3の十字型構造要素を用いたモルフォロジカル拡張を導入した効率的実装（ADMDeff）により、計算を27倍高速化する。
• スケールに応じた標的サイズの変動に対応するため、[3×3, 5×5, 7×7, 9×9]の複数スケール処理を活用する。

実験結果

リサーチクエスチョン

• RQ1 非方向的手法（例：AAGD）と比較して、方向的コントラスト解析は、小さな赤外標的検出における背景抑制を改善できるか？
• RQ2 方向的コントラストの最小値選択は、方向応答が一貫しない構造的クラッターを除去しながら、標的強調を維持できるか？
• RQ3 8方向の処理による計算負荷の増加にもかかわらず、提案されたADMDアルゴリズムはリアルタイム性能を達成できるか？
• RQ4 信号対クラッター比（SCR）と背景抑制係数（BSF）の観点で、提案手法はAAGDおよび他のベースライン手法と比較してどのように優れているか？
• RQ5 効率的実装（ADMDeff）は、実行時間にどのような影響を与え、リアルタイムデプロイメントの可能性をどのように高めるか？

主な発見

• ADMDは画像9aにおいて背景抑制係数（BSF）114.23を達成し、AAGD（8.66）および他のベースラインを著しく上回った。
• 画像9ajでは、BSFが45.29、SCRが14.77に達し、複雑なシーンにおける優れたクラッター抑制を示した。
• すべてのテスト画像において、ADMDの誤検出率（Pfa）は他のすべての手法より一貫して低く、特に低閾値設定時において顕著だった。
• 効率的実装（ADMDeff）は、元のADMDアルゴリズムと比較して実行時間を約27倍短縮した。
• 単一スケールのADMDおよびADMDeffは、指定されたハードウェア上ですでにリアルタイム性能を達成しており、実用的デプロイメントに適している。
• 均一な背景とノイズを伴う状況（例：画像9v）では、ADMDはAAGDと同等の性能を示し、簡単な条件下での性能劣化がないことを確認した。