[论文解读] 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 165

一句话总结

本文提出了一种名为绝对方向均值差（ADMD）的算法，用于在复杂背景下实现快速且鲁棒的小型红外目标检测。通过计算八个方向上的方向性对比差异并应用最小值选择，ADMD在抑制结构杂波的同时增强了目标。该方法显著提升了信杂比（SCR）和背景抑制因子（BSF），并通过高效实现实现了27倍的加速，相较于AAGD及其他基线方法，在实时性能和误报率降低方面表现更优。

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.

研究动机与目标

• 解决现有小型红外目标检测方法在抑制高强度结构背景和边缘方面的局限性。
• 克服AAGD在结构杂波具有高局部对比度时产生的误报问题。
• 提出一种方向性方法，通过利用小型目标的各向同性对比特性来增强目标检测。
• 通过低计算开销的高效算法实现，确保实时适用性。
• 在定量指标和视觉结果方面，证明ADMD在性能上优于AAGD及其他基线方法。

提出的方法

• 使用围绕中心像素的八个3×3方向性单元计算方向性对比差异，替代AAGD的单窗口方法。
• 通过计算中心单元与八个周围方向性单元之间的绝对差值，计算方向性均值差异。
• 将所有八个方向性对比的最小值选择作为最终输出，以抑制具有不一致方向响应的结构背景。
• 将ADMD公式化为局部平均与绝对差值操作的组合，以确保计算复杂度低。
• 提出一种高效实现（ADMDeff），利用特定3×3十字形结构元素的形态学膨胀操作，实现27倍的计算加速。
• 采用多尺度处理，使用[3×3, 5×5, 7×7, 9×9]窗口以适应不同图像尺度下的目标尺寸变化。

实验结果

研究问题

• RQ1 与非方向性方法（如AAGD）相比，方向性对比分析是否能提升小型红外目标检测中的背景抑制效果？
• RQ2 在方向性对比中采用最小值选择，是否能在保留目标增强的同时消除具有不一致方向响应的结构杂波？
• RQ3 尽管八方向运算增加了计算负载，ADMD算法是否仍能实现实时性能？
• RQ4 在信杂比（SCR）和背景抑制因子（BSF）方面，ADMD与AAGD及其他基线方法相比表现如何？
• RQ5 高效实现（ADMDeff）对执行时间及实时部署可行性有何影响？

主要发现

• 在图像9a上，ADMD的背景抑制因子（BSF）达到114.23，显著优于AAGD（8.66）及其他基线方法。
• 在图像9aj上，ADMD的BSF为45.29，SCR为14.77，表明在复杂场景中具有优越的杂波抑制能力。
• ADMD的误报率（Pfa）在所有测试图像中均低于其他方法，尤其在低阈值水平下表现更优。
• 高效实现（ADMDeff）将执行时间相比原始ADMD算法减少了约27倍。
• 单尺度ADMD与ADMDeff在给定硬件上均实现了实时性能，且ADMDeff适用于实际部署。
• 在背景均匀且存在噪声的场景中（如图像9v），ADMD性能与AAGD相当，证实了在简单条件下无性能退化。