[논문 리뷰] Fast and Robust Small Infrared Target Detection Using Absolute Directional Mean Difference Algorithm

Saed Moradi, Payman Moallem외 1명|arXiv (Cornell University)|2018. 10. 07.

Infrared Target Detection Methodologies참고 문헌 44인용 수 165

한 줄 요약

이 논문은 복잡한 배경에서 소형 적외선 목표물에 대한 빠르고 강건한 탐지를 위한 절대 방향 평균 차이(ADMD) 알고리즘을 제안한다. 8개 방향에서의 방향 대비 차이를 계산하고 최소값 선택을 적용함으로써 ADMD는 구조적 잡음을 억제하면서 목표물을 강화한다. 이 방법은 신호 대 잡음비(SCR)와 배경 억제 요소(BSF)에서 유의미하게 높은 성능을 달성하며, 효율적인 구현 덕분에 27배 빠른 속도를 기록하여 AAGD 및 기타 기준 대비 실시간 성능과 잡음 신호 감소에서 뛰어난 성능을 보인다.

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.

연구 동기 및 목표

• 기존의 소형 적외선 목표물 탐지 방법이 고강도의 구조적 배경과 에지에 대해 억제하는 데에 한계가 있음을 해결한다.
• 구조적 잡음이 局부 대비가 높을 경우 AAGD에서 발생하는 잡음 신호 문제를 해결한다.
• 소형 목표물의 등방성 대비 특성을 활용하여 목표물 탐지 성능을 향상시키는 방향성 접근법을 개발한다.
• 최소한의 계산 오버헤드로 효율적인 알고리즘 구현을 통해 실시간 적용 가능성을 확보한다.
• 정량적 지표와 시각적 결과 모두에서 AAGD 및 기타 기준 방법에 비해 뛰어난 성능을 입증한다.

제안 방법

• 중앙 픽셀 주변의 8개 방향성 3×3 셀을 사용하여 방향 대비 차이를 계산하고, 단일 창구 AAGD 방식을 대체한다.
• 중앙 셀과 각 8개 주변 방향성 셀 간의 절대 차이를 계산하여 방향 평균 차이를 산출한다.
• 모든 8개 방향 대비에서 최소값 선택을 적용하여 구조적 배경을 억제한다. 이는 일관되지 않은 방향 응답을 가진 잡음을 제거한다.
• 국소 평균화와 절대 차이 연산의 조합으로 ADMD를 수식화하여 낮은 계산 복잡도를 확보한다.
• 특정 3×3 십자형 구조 요소를 사용한 형태학적 팽창을 활용한 효율적 구현(ADMDeff)을 도입하여 계산 속도를 27배 향상시켰다.
• 다양한 이미지 스케일에서의 목표물 크기 변화를 처리하기 위해 [3×3, 5×5, 7×7, 9×9] 창구를 사용한 다중 스케일 처리를 활용한다.

실험 결과

연구 질문

• RQ1 비방향성 방법인 AAGD에 비해 방향 대비 분석이 소형 적외선 목표물 탐지에서 배경 억제에 개선을 이룰 수 있는가?
• RQ2 방향 대비에서 최소값 선택이 일관되지 않은 방향 응답을 가진 구조적 잡음을 제거하면서도 목표물 강화를 유지하는가?
• RQ3 8개 방향 연산으로 인한 계산 부담 증가에도 불구하고 제안된 ADMD 알고리즘이 실시간 성능을 달성할 수 있는가?
• RQ4 신호 대 잡음비(SCR)와 배경 억제 요소(BSF) 측면에서 제안된 방법이 AAGD 및 기타 기준 방법에 비해 어떻게 비교되는가?
• RQ5 효율적 구현(ADMDeff)이 실행 시간과 실시간 배포 가능성에 미치는 영향은 무엇인가?

주요 결과

• ADMD는 이미지 9a에서 배경 억제 요소(BSF) 114.23을 달성하여 AAGD(8.66) 및 기타 기준보다 뚜렷이 뛰어난 성능을 보였다.
• 이미지 9aj에서 ADMD는 BSF 45.29와 SCR 14.77을 기록하여 복잡한 환경에서 뛰어난 잡음 제거 능력을 입증했다.
• 모든 테스트 이미지에서 ADMD의 잡음 신호 비율(Pfa)은 다른 모든 방법보다 일관되게 낮았으며, 특히 낮은 임계값 수준에서 두드러졌다.
• 효율적 구현(ADMDeff)은 원래 ADMD 알고리즘 대비 실행 시간을 약 27배 감소시켰다.
• 단일 스케일 ADMD와 ADMDeff는 주어진 하드웨어에서 실시간 성능을 달성했으며, ADMDeff는 실질적 배포에 적합하다.
• 균일한 배경과 노이즈가 존재하는 상황(예: 이미지 9v)에서는 ADMD가 AAGD와 유사한 성능을 보여, 단순 조건에서 성능 저하가 발생하지 않음을 확인했다.