紅外弱小目標檢測
關注創建者：匿名 創建時間：2026-01-04
紅外弱小目標檢測的實例教程
摘要：本文詳細介紹了一種基于人類視覺系統特性的紅外弱小目標檢測算法——Multiscale patch-based contrast measure (MPCM)。該算法通過增強目標與背景的對比度，有效檢測紅外圖像中的弱小目標，并在MATLAB環境中進行了復現與實驗驗證。
關鍵詞：紅外檢測、弱小目標、圖像處理、模式識別、自適應檢測
參考文獻：Y. Wei, X. You, and H. Li, “Multiscale patch-based contrast measure for small infrared target detection,” Pattern Recognit., vol. 58, pp. 216–226, 2016. 本文是對上述文獻中的Multiscale patch-based contrast method, MPCM算法的詳細解析與MATLAB復現，并給出實驗結果。
引言
傳統的紅外目標檢測算法存在一些局限性，如不能有效抑制背景、只能檢測亮目標、平滑目標或耗時等問題。針對這些缺陷，本文提出了MPCM算法，旨在提高檢測率和實時性，同時降低虛警率。
MPCM算法的創新點
1、提出了一種新的衡量目標局部對比度的方法，能夠同時增強亮目標和暗目標，并抑制背景。
2、算法設計易于并行化，具有較好的實時性，適用于高檢測率和低虛警率的應用場景。
相關工作
3.1 Local Contrast Method (LCM)
LCM是最經典的基于人類視覺對比度機制的算法，通過計算目標區域與局部背景區域的對比度，增強目標并抑制背景。然而，LCM存在易受高亮點噪聲干擾和算法實時性差的問題。
展開 首先，從概念上來講，視頻目標檢測要解決的問題是對于視頻中每一幀目標的正確識別和定位。那么和其他領域如圖像目標檢測、目標跟蹤有什么區別呢？
1.與圖像目標檢測的區別
如Naiyan Wang 大佬所說，視頻中多了時序上下文關系（Temporal Context）。充分利用好時序上下文關系，可以解決視頻中連續幀之間的大量冗余的情況，提高檢測速度；還可以提高檢測質量，解決視頻相對于圖像存在的運動模糊、視頻失焦、部分遮擋以及奇異姿勢等問題。
（圖片來源于Flow-Guided Feature Aggregation for Video Object Detection）
2. 與目標跟蹤的區別
目標跟蹤通?？煞譃閱?em>目標跟蹤和多目標跟蹤兩類，解決的任務和視頻目標檢測相同的點在于都需要對每幀圖像中的目標精準定位，不同點在于目標跟蹤不考慮目標的識別問題。
3. 視頻目標檢測進展情況
與光流結合的方法
一直在follow MSRA的Jifeng Dai大佬（大佬主頁）的工作。
該工作的優勢是利用了連續幀冗余信息減少了大量運算，檢測速度很快。
FGFA（Flow Guided Feature Aggregation）出發點主要在于，提高特征質量，改善視頻中存在的運動模糊，視頻失焦等問題，其方法特點在于更好的融合前后幀的信息。借助于注意力模型的思想，計算當前幀與前后幀之間的每個空間位置余弦相似度作為自適應權重，使通過warp的特征圖與當前幀越近的權重越大。
該工作由于對每幀都做了特征提取，計算開支很大，檢測速度不高。
展開 你可以想象，為目標檢測而手動標注一幅圖像需要整整幾分鐘，而不是像用于分類那樣需要幾秒鐘。那么像這樣的大型數據集從何而來呢？
目標檢測數據集：真實
讓我們首先看看我們有什么樣的使用真實目標和人工標注的目標檢測數據集。首先，讓我們快速回顧最流行的數據集。
ImageNet數據集作為ImageNet大規模視覺識別挑戰(ILSVRC)的關鍵部分而受到歡迎，這是2010年至2017年舉辦的一系列比賽。ILSVRC系列見證了一些卷積神經網絡中最有趣的進展:AlexNet、VGG、GoogLeNet、ResNet和其他著名的架構都在這里首次亮相。
一個不太為人所知的事實是ILSVRC也一直有一個物體檢測競賽，而ILSVRC系列實際上是與另一個著名的競賽合作發展起來的，2005年至2012年舉辦的PASCAL Visual Object Classes (VOC) Challenge。這些挑戰也從一開始就體現了目標檢測，這就是第一個著名的數據集的由來，通常被稱為PASCAL VOC數據集。以下是“飛機”和“自行車”類別的一些示例圖片：
按照今天的標準，PASCAL VOC是相當小的：20個類，只有11530張圖片，27450個目標標注，這意味著PASCAL VOC每幅圖片只有不到2.5個目標。目標通常是相當大的和突出的照片，所以PASCAL VOC是一個“容易”的數據集。盡管如此，在很長一段時間里，它仍然是最大的手動標注的目標檢測數據集之一，并在數百篇關于目標檢測的論文中默認使用。
在規模和復雜性方面的下一步是Microsoft Common Objects in Context (Microsoft COCO)數據集。
展開 目標通常是相當大的和突出的照片，所以PASCAL VOC是一個“容易”的數據集。盡管如此，在很長一段時間里，它仍然是最大的手動標注的目標檢測數據集之一，并在數百篇關于目標檢測的論文中默認使用。
在規模和復雜性方面的下一步是Microsoft Common Objects in Context (Microsoft COCO)數據集。到目前為止，它已經超過200K帶有150萬個目標實例的標記圖像，它不僅提供了邊界框，而且還提供了(相當粗糙的)分割輪廓。以下是一些示例圖片:
正如你所看到的，現在的目標更加多樣化，它們可以有非常不同的大小。這實際上是一個物體檢測的大問題：很難讓一個單一的網絡同時檢測大大小小的物體，這也是為什么MS COCO被證明是一個比PASCAL VOC更難的數據集的主要原因。數據集仍然是非常相關的，在目標檢測，實例分割和其他賽道每年舉行比賽。
我想談論的最后一個通用目標檢測數據集是目前最大的可用數據集：谷歌的Open Images Dataset。到目前為止，他們到了Open Images V6，它有大約190萬張圖片和1600萬個邊界框600個目標類。這相當于每幅圖像有8.4個邊界框，所以場景相當復雜，物體的數量也更加均勻分布：
這些例子看起來有趣、多樣，有時非常復雜:
實際上，Open Images之所以成為可能，是因為目標檢測本身的進步。如上所述，手工繪制邊界框非常耗時。
展開 大疆公司開發的無人機搭載了國內最為先進的消費級地面目標識別系統，其“MaicPro”無人機地面目標識別系統據說可以檢測多種常見物體(人、汽車、卡車、動物、船、人騎自行車或摩托車等)。彩虹和翼龍系列無人機系統搭載了國內最為先進的工業/軍用級目標識別系統，性能已在實際應用或實戰中得到了檢驗。
在學術研究領域可以找到大量的中英文研究文獻，國內作者論文相當多。有文獻總結了目前紅外弱小目標檢測領域各類典型方法的研究現狀及最新進展，對幾種不同類型紅外弱小目標檢測方法進行了實驗對比，對紅外弱小目標檢測技術的研究進行了總結和展望。有文獻從空域檢測、時域檢測及空時混合域檢測方面對圖像弱小目標檢測的理論與應用研究進行了分析與綜述，對弱小目標檢測面臨的問題及未來的發展方向進行了探討。有文獻介紹了紅外圖像弱小目標探測的技術難點，對空域濾波法、變換域濾波法、時域濾波法三類典型紅外圖像弱小目標探測算法進行了綜述，并對常用目標探測算法以及邊緣分割方法進行了實驗測試，指出這三類紅外圖像弱小目標探測算法各有優缺點，目標探測算法的選取受目標特征和背景特征影響較大。有文獻針對無人機視覺識別與移動追蹤技術介紹了移動目標識別、移動目標追蹤、無人機自主飛行與避障等方向的關鍵技術研究現狀。有文獻對無人機基于視覺的應用進展進行了綜述，包括基于視覺的位置–姿態控制、姿態估計和映射、障礙物檢測以及目標跟蹤，總結了該領域面臨的挑戰以及未來的發展趨勢。
單一檢測手段具有一定的局限，所以海上弱小目標通常采用多源信息融合方法進行識別。有文獻研究了紅外與激光雙模復合的探測方式，可獲取目標方位角度–俯仰角度–速度–距離等多維信息，進行了室外40m距離的外場實驗。有文獻提出基于二維經驗模態分解的異常檢測算法，利用了紅外多光譜圖像的多尺度信息，可抑制背景雜波和消減高頻噪聲，提高檢測成功概率。
展開 
紅外弱小目標檢測的相關專題、標簽、搜索
紅外弱小目標檢測的最新內容
智能手表的出現，不僅各種豐富多樣的功能滿足用戶需求，時尚設計的外觀也很得用戶青睞。智能手表在健康追蹤、運動記錄、日常提醒等方面表現突出，如今已經成為很多人生活中常備的一款經典消費電子產品。
智能手表是一個集硬件和軟件于一體的系統，主要依賴于各類傳感器收集用戶活動及生理數據，并通過無線通信技術與智能手機或其他設備連接同步并推送消息、郵件、電話等信息，同時提供健康管理、運動追蹤、支付等多種服務。
摘要：本文詳細介紹了一種基于人類視覺系統特性的紅外弱小目標檢測算法——Multiscale patch-based contrast measure (MPCM)。該算法通過增強目標與背景的對比度，有效檢測紅外圖像中的弱小目標，并在MATLAB環境中進行了復現與實驗驗證。
關鍵詞：紅外檢測、弱小目標、圖像處理、模式識別、自適應檢測
參考文獻：Y. Wei, X. You, and H.
TWS是True Wireless Stereo（真無線立體聲）的縮寫，該技術是基于藍牙芯片的發展而出現。TWS耳機是將TWS技術應用于藍牙耳機領域所產生的一種新的智能穿戴產品。TWS無線耳機分為三個部分：第一部分是發聲源，第二部分是接受器，第三部分是耳機部分，這部分的功能主要是用來將手機或接收器傳送來的信號轉化為聲音再傳到人的耳朵里。
TWS耳機的基本工作原理是移動裝置連接主耳機
紅外接近傳感器是一種能夠檢測物體的存在和運動的傳感器，它使用紅外輻射來提供定位和安全性能。它有許多應用，其中包括低安全應用，如自動開關，還有高安全應用，如智能家居和工業自動化。
紅外接近傳感器通常具有光學、機械、電氣和電子特性，用于發射和檢測物體。它們可以通過激發和檢測紅外熱量來檢測物體，并且可以創建虛擬的“邊緣”或邊界來檢測物體的存在和運動。它們可以根據物體的熱量來檢測物體的位置和速度
智能手環是現代人日常生活中的一種智能配件，可以幫助我們記錄運動數據、監測身體健康狀況等。然而，對于許多用戶來說，關注的問題之一就是智能手環的有效距離和精準度。智能手環通過內置傳感器收集數據并將其發送到手機或其他設備上進行處理。因此，在沒有障礙物干擾下，一般情況下可以實現較為穩定和準確的數據傳輸。
智能手環作為一種便攜式健康監測設備，越來越多的人開始使用它來跟蹤自己的健康狀況
智能眼鏡，也稱智能鏡，是指”像智能手機一樣，具有獨立的操作系統，智能眼鏡可以由用戶安裝軟件、游戲等軟件服務商提供的程序。智能眼鏡可通過語音或動作操控完成添加日程、地圖導航、與好友互動、拍攝照片和視頻、與朋友展開視頻通話等功能，并可以通過移動通訊網絡來實現無線網絡接入的這樣一類眼鏡的總稱”。
智能眼鏡是指如同智能手機一樣擁有獨立的操作系統，可以通過軟件安裝來實現各種功能的可穿戴的眼鏡設備統稱
智能手表是將手表內置智能化系統、搭載智能手機系統而連接于網絡而實現多功能，能同步手機中的電話、短信、郵件、照片、音樂等。顯示方式包括指針、數字、圖像等。隨著對于健身、運動的高度關注，以及大眾購買力的增強，智能手表這個可穿戴設備也開始成為更多人的選擇，而由于其自帶的可攜帶性和便攜性，使得智能手表已成為用戶個人貼身的物聯網產品。
智能手表能夠支持實時溫度監測并且生成歷史記錄，能夠直觀反映人體的體溫數據
TWS是英文True Wireless Stereo的縮寫，即真正無線立體聲的意思，該技術是基于藍牙芯片技術的發展。將TWS技術運用到藍牙耳機領域，催生了新產品——TWS藍牙耳機。TWS技術利用兩個互連且連接到移動設備的耳塞式耳機。兩個音頻設備通過藍牙配對，分別傳輸左聲道和右聲道。這樣有助于增加音頻清晰度。
從前藍牙耳機的工作原理就是底層無線信號模塊、協議層和應用層，這點在真藍牙無線耳機上是一樣的
真無線立體聲是一種通過藍牙信號而不是電線或電纜傳輸聲音的技術。TWS技術利用兩個互連且連接到移動設備的耳塞式耳機。兩個音頻設備通過藍牙配對，分別傳輸左聲道和右聲道。這樣有助于增加音頻清晰度。此外，由于藍牙芯片可以將音頻信號同時傳輸到兩個耳機，減少單個耳機的負擔，從而增強連接強度，改善音頻體驗。
臺灣旺泓推出的小體積數字紅外接近檢測模塊 - WH4535V，其超小封裝體積僅為L2.0
來源 |
半日閑心
@知乎
過去，無需nms的目標檢測，很美很純粹，但幾乎沒人想過應用到業務上。然而經過近些年的發展，性能甚至超過了nms-base。站在2021年的尾巴，回顧nms-free的發展，期待2022有更好的發展。
本文脈絡
什么是nms，為什么需要nms
什么是nms-free，有啥好處
