下载文档原格式
红外图像中弱小目标检测前跟踪算法研究综述概要红外图像在现代战争中发挥着越来越重要的作用，因为其具有隐蔽性和不受光照干扰的特点。
红外图像中的弱小目标检测和跟踪算法是目前研究的热点之一。
本文主要综述红外图像中弱小目标检测前跟踪算法的研究现状，包括传统算法、深度学习算法和集成算法。
传统算法传统的弱小目标跟踪算法主要包括卡尔曼滤波、粒子滤波、均值漂移等。
这些算法主要是针对静态场景下的目标跟踪，对于动态场景下的目标跟踪效果较差。
在红外图像中，目标的纹理和亮度变化较为复杂，所以传统算法在红外图像中跟踪效果不佳。
深度学习算法深度学习算法是近年来应用最广泛的目标跟踪算法之一。
深度学习算法能够自动学习特征，适用于复杂多变的目标跟踪环境。
在红外图像中，深度学习算法也取得了很好的效果。
常用的深度学习算法包括卷积神经网络（CNN）、循环神经网络（RNN）和长短记忆网络（LSTM）等。
由于这些算法的训练需要大量的标注数据，因此数据量不足时需要结合传统算法来进行跟踪。
集成算法集成算法是将多个跟踪算法集成到一起，以得到更好的跟踪效果。
目前常用的跟踪集成算法是基于多特征融合和多分类器融合的方法。
多特征融合包括将颜色、纹理、轮廓等多个特征融合在一起，使得跟踪算法更具鲁棒性。
多分类器融合则是同时使用多种分类器，如SVM、Adaboost等，对目标进行分类和跟踪。
总的来说，弱小目标检测前的跟踪问题是一个非常重要的研究方向。
虽然深度学习算法在红外图像中的跟踪效果良好，但是由于训练需要大量标注数据，因此在数据量不足的情况下需要结合传统算法进行跟踪。
集成算法也是近年来研究的热点之一，对跟踪效果的提高起到了重要作用。
第39卷第6期2020年12月Vol. 39 No. 6December 2020红外与毫米波学报J. Infrared Millim. Waves文章编号：1001-9014(2020)06-0818-07DOI ：10. 11972/j. issn. 1001-9014. 2020. 06. 022低照度短波红外图像增强算法张瑞3,汤心溢"，李争23(1.中国科学院大学,北京100049;2.中国科学院上海技术物理研究所，上海200083；3.中国科学院红外探测与成像技术重点实验室，上海200083)摘要：为了拓展非制冷短波红外探测器在弱光夜视观测方面的应用，开展了针对短波红外低照度成像的研究。
提 出了 一种新的图像增强方法抑制图像噪声增强图像细节进而改善图像质量。
使用3D 降噪(3DNR (3D Noise reduction))算法，将多尺度高斯差分法结合边缘保持滤波器最大限度地分离图像高频信息与隐藏噪声，再针对图像 进行自适应灰度映射。
实验结果表明：该算法显著地抑制了在低照度下图像的时域噪声，丰富了短波红外图像的细节，改善了短波红外的夜视显示效果。
关 键 词：低照度；短波红外；视网膜模型；图像增强；降噪中图分类号:TP3-05 文献标识码：AResearch on low illumination shortwave infrared imageenhancement algorithmZHANG Rui 1，2，3 , TANG Xin -Yi 2，3* , LI Zheng 2，3(1. University of Chinese Academy of Sciences , Beijing 100049 China ;收稿日期：2019- 06- 18 ,修回日期：2020- 09- 10基金项目：十三五预研课题(H J J2019-0089)Foundation items : Pre -research project of the 13th five year plan作者简介(Biography ):张瑞,博士，主要从事短波红外"成像研究工作.* 通讯作者(Corresponding author ) ： E -mail : tangxini@189. cn2. Shanghai Institute of Technical Physics , Chinese Academy of Sciences , Shanghai 200083 China ;3. key Laboratory of Infrared System Detection and Imaging Technology Shanghai 200083 China )Abstract : In order to expand application of uncooled short wave infrared array detectors for low-light night vision , a re search on low-light imaging of short-wave infrared have carried out. This paper proposes a new image enhancement method to suppress image noise enhance image details and improve image quality. The proposed schemes use 3DNR(3D noise reduction ), combine the multi-scale Gaussian differential method with the edge preserving filter to separate the high-frequency information and hidden noise of the image to the maximum extent and then carry out the adaptive grayscale mapping for the image. The experimental results demonstrate that the proposed algorithm outperforms some state-of-the-art algorithms and it can achieve outstanding image enhancement performance and suppress the time-do main noise of the image under low-light illumination.Key words : low illumination , short wave infrared (SWIR ) , retinex model , image enhancement , noise reductionPACS ：07.05. Pj引言短波InGaAs 红外成像技术工作波段主要在0. 9-1.7 ^m ,其成像模式以反射为主。
红外图像增强算法研究的开题报告1.研究背景红外成像技术在许多领域得到广泛应用，例如军事、航空、医学等。
与可见光成像相比，红外成像具有不同的物理特性和成像质量。
然而，由于环境条件和红外成像设备的限制，红外图像通常会受到许多因素的影响，并且可能会显示出低对比度、模糊以及信息不足等问题。
通过对红外图像进行增强可以有效提高其可视化效果和可分析性。
2.研究目的本研究旨在研究红外图像增强算法，以提高红外图像的质量和可视化效果。
我们将重点关注对比度增强、图像锐化和噪声消除等技术。
我们将探索不同的红外图像增强方法，并比较它们在不同情况下的效果。
该研究将为红外图像应用和相关研究提供有益的信息和指导。
3.研究内容和方法本研究将包括以下内容：（1）红外成像技术的基础知识和红外图像的特点分析。
（2）红外图像增强的常见方法分析，包括对比度增强、图像锐化和噪声消除等。
（3）对比常见红外图像增强方法进行实验分析，并基于不同指标对其进行性能比较，如峰值信噪比（PSNR）、图像清晰度和灰度级分布等。
（4）基于实验结果，选择并优化最有效的算法进行进一步研究和应用。
本研究将采用实验和分析的方法进行。
我们将使用不同的红外图像和情境进行测试和分析，收集数据并进行分析。
我们将使用各种工具和软件来支持我们的实验和分析，例如MATLAB、Python、ImageJ等。
4.预期成果本研究预计将实现以下成果：（1）基于不同的红外图像增强算法，制定红外图像增强框架，提高红外图像的可视化效果和可分析性。
（2）通过对比常见的红外图像增强方法，发现其性能优缺点，得出更好的实际应用算法。
（3）研究结果可用于指导相关的红外图像应用和其他相关领域的研究。
5.研究计划本研究计划如下：（1）2021年10月至11月：完成背景调研和文献综述，熟悉相关领域和方法。
（2）2021年12月至2022年3月：分析和实验常见的红外图像增强算法，并对其性能进行比较和评估。
（3）2022年4月至6月：优化最有效的红外图像增强算法，应用于实验并进一步探索其性能。
【红外DDE算法】数字细节增强算法的缘由与效果（我对FLIR⽂档详解）【红外DDE算法】数字细节增强算法的缘由与效果（我对FLIR⽂档详解）1. 为什么红外系统中图像⼤多是14bit（甚⾄更⾼）？⼀个红外系统的性能经常以其探测的范围来区别，以及其对最⼩等效温差指标。
⾸先是探测的范围，就是常说的动态范围，意思是探测器能够检测到温度红外信号的范围。
然后是最⼩等效温差，意思是探测器能够检测到的最⼩温度差。
这就好⽐⼀把尺⼦，有两个重要指标。
第⼀，就是尺⼦的量程，意思是它能丈量多少长度范围的物体；第⼆，就是尺⼦的最⼩刻度，就是它能够分辨多少精度的长度。
在⾃然界中，红外信号不同于可见光，动态范围⽐较宽，⽽且物体信号的差异⽐较⼩。
所以我们需要⾼bit的ADC（模数转换器）去采集红外信号。
常⽤的ADC位宽有：12bit 、14bit 、16bit。
2. 相机的14bit数据怎么显⽰？许多模拟和数字视频接⼝都要求是8位,⽽且⼈类只能识别图像中约128级灰阶（7位）。
要想将显⽰14位数据，就得将动态范围有效地限制到256级灰阶。
因此，需要⼀种从14bit到8 bit的对应关系或者⽅法。
⼀般常⽤的就是“滑位显⽰”，⽐如Camera link采集卡上显⽰采集到的超过8位的灰度图像。
但是在红外图像中，不能采取该办法。
“滑位显⽰”⽅法显⽰⾼8位的数据，那么低位的数据就被舍弃，这样的显⽰必然会丢失细节。
所以这种⾼动态范围的红外图像显⽰并不是那么简单，既然相机“看到”了，并不⼀定可准确不失真的显⽰，让⼈眼也“看见”。
3. DDE算法的提出为了解决这14bit⾄8bit显⽰的问题，既要能够保障图像的整体信息，⼜能够保障图像的细节既可能被保留。
FLIR 提出了⼀种算法，帮助⽤户解决在⾼动态范围场景中克服低对⽐度⽬标检测的难题。
FLIR称之为数字图像细节增强（DDE）。
FLIR在《Technical Note --DDE 》对其描述如此：“DDE是⼀种改进的⾮线性图像处理算法，可以保留⾼动态范围图像中的细节。
基于傅里叶变换的森林红外图像增强算法研究崔帅;刘波;丁德红【摘要】With the background of infrared monitoring technology applied in forest fire in forest, as the image characteristics of low contrast and great noise, the method of using Fourier transform is proposed to strengthen the picture in frequency domain.The forest infrared thermal image is enhanced by the ideal low-pass filter, Butterworth high-pass filter and homomorphic filter, respectively. with. According to the comparison, homomorphic filter overcomes the defects of the low pass and high pass filter and enhances details and contrast of image. An enhanced index homomorphic filtering function has been explored. Both the theory analysis and the experimental results show that the method can improve the definition of image and make more satisfactory image.%以红外热监控技术在森林火警中的研究为背景，针对森林红外热图像低对比度、噪声大的特点，提出了用傅里叶变换理论对森林红外图像增强。
微弱红外目标图像增强技术研究微弱红外目标图像增强技术研究引言：红外图像技术在军事、安防、医学等领域具有重要的应用价值。
然而，由于红外图像的特殊性质，即目标低热性、低对比度和低分辨率等问题，使得微弱红外目标的检测和识别成为一项具有挑战性的任务。
为了克服这些问题，研究人员提出了各种微弱红外目标图像增强技术。
本文将对几种常见的微弱红外目标图像增强技术进行综述，并对各种技术的优缺点进行评述。
一、微弱红外目标图像增强技术综述1. 直方图均衡化技术：直方图均衡化是一种常见的图像增强技术，通过将图像的灰度级分布均匀化，增强图像的对比度和细节。
然而，直方图均衡化容易导致图像的亮度和对比度过度增强，同时在图像局部细节的增强方面效果较差。
2. 基于滤波的增强技术：滤波技术被广泛应用于红外图像增强中，包括中值滤波、高斯滤波和自适应滤波等。
这些滤波方法可以有效去噪，但在增强微弱红外目标方面存在一定局限性，容易产生边缘模糊等不可逆失真。
3. 空域增强技术：空域增强技术是基于图像局部统计特性进行增强的方法，包括维纳滤波、谱偏移、算子滤波等。
这些技术能够提高图像的对比度和边缘信息，但对于微弱红外目标的增强效果有限。
4. 基于光谱特征的增强技术：利用红外图像的光谱特征进行增强是一种有效的策略，包括基于小波多尺度分析的增强方法、多尺度Retinex增强方法等。
这些方法将图像分解为不同尺度的子带，通过增强各个子带的细节信息，提高了微弱红外目标的可见度。
二、微弱红外目标图像增强技术优缺点评价1. 直方图均衡化技术：优点：简单易行，适用于快速增强红外图像的场景。
缺点：容易造成过度增强和细节信息丢失。
2. 基于滤波的增强技术：优点：能够有效去噪，提高图像的清晰度。
缺点：容易造成边缘模糊和不可逆失真。
3. 空域增强技术：优点：能够提高图像的边缘信息和对比度。
缺点：对微弱红外目标的增强效果有限。
4. 基于光谱特征的增强技术：优点：提高了微弱红外目标的可见度。
红外增强算法综述在图像形成、传输或变换的过程中，由于受到其它客观因素诸如系统噪声、曝光不足或过量、相对运动等影响，获取图像往往会与原始图像之间产生某种差异(称为降质或退化)。
退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误，因此必须对其采取一些手段进行改善。
图像增强技术正是在此意义上提出的，目的就是为了改善图像的质量。
图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息，削弱或消除元关信息，达到强调图像的整体或局部特征的目的。
图像增强尚没有统一的理论方法，常用的图像增强技术有直方图修改、图像平滑滤波、图像锐化等。
下面将由红外图像的直方图出发，介绍相关的增强算法。
一、红外图像的直方图及其特点1、红外图像的直方图图像的基本描述有灰度、分辨率、信噪比、频谱等等。
灰度直方图是用于表达图像灰度分布情况的统计图表，有一维直方图和二维直方图之分。
其中最常用的是一维直方图，其定义是：对于数字图像()y x f ,，设图像灰度值为0r 、1r ......1-L r ，则概率密度函数()i r P 为：()()....3,2,1==i r r P i i 图像上总的像素数的像素数灰度级为且有()110=∑-k i r P ，由于i r 取值离散，故直方图习惯画成灰度级—像素数（图1）的形式。
图1：典型直方图直方图具有以下性质:1) 只表示图像中每一灰度级出现的频数，而失去了具有该灰度级的像素的位置信息；2) 图像与直方图之间是多对一的映射关系；3) 一副图像各子区直方图之和等于该图像的全图直方图。
在图像处理中，直方图是很有用的决策和评价工具。
直方图可以提供下列信息：1) 每个灰度级像素数出现的频数；2) 图像像素值的动态范围；3) 整幅图像的大致平均亮度；4) 图像的整体对比度情况。
直方图统计在对比度拉伸，灰度级修正、动态范围调整、图像亮度调整、模型化等图像处理方法中发挥了很大作用，在本文后面的讨论中将可以看到直方图的意义。
2、红外直方图的特点对红外图像直方图与可见光图像直方图进行对比研究可以发现，红外图像相对于可见光图像有着其特有的规律和特点：1) 像素灰度值动态范围小，很少能覆盖整个灰度级空间。
而可见光图像的像素则几乎分布于几乎整个灰度级空间。
2) 绝大部分像素集中于某些相邻的灰度级范围内，在这些范围内以外的灰度级上的像素数量很少，而可见光的像素分布则相对比较均匀。
3) 直方图中有明显的峰存在，很多情况下为单峰或者双峰（分为主峰、次峰），而可见光图像直方图的峰不是很明显，并且峰的数量一般多于两个。
但要注意的是，上述三点是大多数红外图像直方图所具备的特点。
由于具体的气候条件、环境温度等因素的影响，不同季节不同时间段内各种物体的热辐射呈现不同的特点，物体越热，红外成像的亮度越高，物体温度越低，其红外成像的亮度就越低，所以实际当中的红外图像往往呈现出各自的特点，并不一定与上述特点完全一致。
二、通常的红外图像增强算法图像增强是一种基本的图像预处理手段，对图像的某些特征，如对比度、边缘等进行增强或突显，便于后续分析和处理。
它并不意味着能增加原始图像的信息，有时甚至会损失一些信息。
但图像增强的结果却能加强对某些特定信息的识别能力，使图像中我们感兴趣的特征得以加强，从而使这些特征的检测和识别变得更加容易。
1、红外图像增强算法的分类图像增强的处理技术从增强的作用域出发，可以分为空间域的方法和变换域的方法两大类，如图2所示。
空间域法直接对图像像素进行操作，主要的空间域法有直方图均衡化、直方图规定化、灰度窗口和空域滤波等技术；而频率域法是首先将图像从空间域按照某种变换模型（如傅立叶变换）变换到频率域，然后对图像进行处理，再将其反变换到空间域，获得增强图像，这是一种间接地方法，频域方法有高通滤波、低通滤波、带通和带阻滤波等技术。
图像增强算法的优劣不是绝对的，由于具体用的目的和要求不同，所需要的具体的增强技术也大不相同，因此没有图像增强的通用标准，观察者才是某种增强方法优劣的最终判断者。
增强算法处理的效果，除了与算法本身有一定关系外，还与图像的数据特征直接相关。
实际应用中应当根据图像数据的特点和工作的要求来选择合理的图像增强处理方法。
由于红外图像的成像机理以及红外成像系统自身的原因，红外图像与可见光图像相比，大多有图像对比度低、图像较模糊、噪声大等特点。
为了有利于后续的图像分析、目标识别或跟踪等处理，必须对红外图像进行增强预处理。
本文算法以提高红外图像对比度为目的，讨论基于灰度变换的图像增强方法。
图2：图像增强分类图下边将分析研究常见的图像增强方法，并应用这些方法对红外图像进行增强处理研究。
2、直接灰度变换图像的直接灰度调整是一种较为简单实用的红外图像处理方法。
直接灰度变换在算法分析上比较简单，这里只需给出变换前后的灰度映射关系即可，在图3中给出了四种常用的变换曲线。
图像求反的定义是将原图像的灰度值翻转，如图3中(a)所示。
图中s为原图像中像素的灰度值，t为对图像进行灰度变化的增强图像中像素的灰度值，增强的效果是使原图像中亮的地方变暗，暗的地方变亮。
其表达式如下：t=1-Ls-对比度增强方法增强了原图像中各部分的反差。
典型的增强对比度的变换曲s 线如图 3.2 中(b)所示。
可以看出，通过这样的变换，原图像中灰度值在0到1和2s到1-L之间的像素的动态范围被压缩，而灰度值在1s到2s之间的像素的动态范围被拉伸。
这种变换通常是将图像中感兴趣的灰度值范围拉伸，可以得到增强的图像。
图3：常用的灰度变换曲线(a)图像求反(b)对比度增强(c)动态范围压缩(d)灰度切分有时候原始图像的动态范围太大，超出某些显示设备的允许动态范围。
比如医疗图像的灰度值用上12位、甚至更多的二进制位来表示，这种显示超出了普通显示器的显示范围，这就需要通过压缩(或伪彩色增强)处理后才能对图像进行显示。
一种常用的动态范围压缩方法是借助对数变换，如图3.2 中(c)所示。
其表达式如下：()s=1logt+C其中C为尺度比例常数。
对数变换有一个重要特征，就是它在很大程度上压缩了图像像素值的动态范围，其应用的一个典型例子就是傅立叶频谱，它的像素值有很大的动态范围。
灰度切分的目的是将某个灰度值范围变得比较突出。
一种典型的变换曲线如图3中(d)所示，它将1s到2s之间灰度级突出，而将其余灰度级变为某个低灰度值，其实质是图像的二值化。
类似的变换曲线还有很多，可以通过改变变换曲线的形状，使变换后的图像的灰度统计直方图满足需要，这里对其它的直接灰度变化不再一一举例。
直接灰度变换是将图像中的每一点（或在一个区域中的每一点）从已给定的 灰度映射到变换后的另一个灰度，这种方法用于所处理图像的灰度级未占满其全 部容许的灰度级范围的情况时，对比度的增强效果是明显的。
通常这时所处理的 图像常常来自于图像记录器件或图像最初为“欠曝光”的情况。
灰度变换方法简 单，如果原图的灰度范围越小，该方法的增强效果也就越好。
该方法的主要缺点 在于：首先，该方法对于原图中所有的灰度级的变换是相同的，而在实际情况下， 人们更关心图像中的某些灰度级，也更希望对这些灰度级进行增强。
其次，该方法适用于原图中大部分灰度级集中在较窄范围内的情况，但对于 整个灰度范围较大的情况，增强效果较差。
第三，对于分段式灰度变换，须先对目标所在的灰度级进行提取，选取合理 的阈值对图像的灰度进行分割，这样可以对目标所占据的灰度范围进行拉伸，而 对其它的背景不进行拉伸或进行压缩。
但同时，阈值的选取成为算法难于解决的 问题。
红外图像的增强处理中，常采用直接灰度变换中的对比度增强的方法来对图 像视觉效果进行改善，通过人工选取图像灰度阈值对图像进行分段操作。
红外图 像增强的具体效果与能否准确选取各阈值有着直接关系。
3、直方图均衡化直方图调整是一种通过改变图像灰度的概率分布而达到提高图像对比度的方法，包括直方图均衡化与直方图规定化，其中应用最多的是直方图均衡化。
直方图均衡化是非常典型的空域增强方法，它可以大大改善图像灰度分布的动态范围，使其均匀化，增加图像的整体对比度，使人们获得对于红外图像更好的观看效果。
该算法因其简捷高效而得到了广泛的应用。
直方图均衡化的基本思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，从而改善整幅图像灰度分布的动态范围，达到增强图像整体对比度的效果。
直方图均衡化对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
它所采用的方法是利用累积分布函数作为图像灰度值的变换曲线，这里用s 表示原图像中像素的灰度值，k s 表示第k 级灰度值，k 表示增强图像中像素的灰度值，k t 表示第k 级，并对k s 和k t 作归一化处理，则直方图均衡化可表示为：()()i k i s k i i k H k s p n n s E t k ∑∑=====00 1,...1,0,1,0-=≤≤L k t s k k式中L 是图像的灰度级个数，i n 是图像中具有灰度值i s 的像素的个数，n 是图像的像素总数，H E 代表增强操作。
k s P 即为各灰度级的概率。
增强函数需要满足两个条件：()s E H 在10≤≤s 范围内是一个单值单增函数；对10≤≤s 有()10≤≤s E H 。
上面第一个条件保证原始图像各灰度级在变换后仍保持从黑到白（或从白到 黑）的排列次序。
第二个条件保证变换前后图像的灰度值动态范围保持一致。
直方图均衡化的优点是能自动地增强整个图像的对比度，但它的具体增强效 果不易控制，处理的结果总是得到全局均衡化的直方图。
而往往在图像处理中人 们更关心的是目标，对在图像中占大多数像素的背景则不太关注，这种情况下需 要变换直方图使之成为某个特定的形状，从而有选择地增强目标所在的灰度值范 围内的对比度，这就是直方图规定化。
从直方图规定化的原理看，它是可以满足 人们对于图像增强的要求的。
但是为了得到最佳的增强效果，需要制定最佳的特 定直方图，这就要求首先对图像中目标的大小、灰度分布等特征进行相当准确的 提取，否则可能造成目标的残缺或失真。
对于千变万化的实际场景，如何准确提 取目标特征、进一步如何利用这些目标特征制定最佳的特定直方图是相当困难和 复杂的。
在近红外图像的处理中，直方图均衡算法对含有大目标的红外图像增强的效 果一般较好，但不具有普遍性，尤其当图像中含有较小的目标时，可能会因为图 像灰度级的变少而使较小目标消失或者变模糊，使背景得到了增强，这种情况下， 反而会降低了目标与背景的对比度。
4、其他常用的红外图像增强算法在对红外图像增强的处理中，目前常见的增强处理方法还有形态学锐化图像 增强、对直方图均衡法算法加以改进、多种算法融合增强图像等。
