적외선 영상 시퀀스에서 시간적 프로파일 기반의 외적을 사용한 소형 표적 검출

Small Target Detection Using Cross Product Based on Temporal Profile in Infrared Image Sequences

  • 김병익 (경북대학교 전자전기컴퓨터학부 오디오비디오시스템 연구실) ;
  • 배태욱 (경북대학교 전자전기컴퓨터학부 오디오비디오시스템 연구실) ;
  • 김영춘 (영동대학교 정보통신사이버경찰학과) ;
  • 안상호 (인제대학교 전자지능로봇공학과) ;
  • 김덕규 (경북대학교 전자전기컴퓨터학부 오디오비디오시스템 연구실)
  • 발행 : 2010.01.31

초록

본 논문은 적외선 영상 시퀀스 (infrared image sequences)에서 시간적 프로파일 (temporal profile)을 기반으로 한 시간적 화소 (temporal pixel)들의 외적 (cross product)을 사용한 새로운 소형 표적 검출 방법을 제안한다. 소형 표적 및 그 주변배경은 시간적 특성이 서로 다르므로, 시간적 프로파일에서 화소들의 외적을 사용한 가설검증을 통하여 표적 화소 및 배경화소를 구분하고, 그 결과를 기반으로 시간적 배경 (temporal background)을 예측한다. 소형 표적은 원 시간적 프로파일과 예측된 시간적 배경 프로파일의 차에 의해 검출한다. 기존 방법과 제안한 방법의 성능 비교를 위하여, ROC (receiver operating characteristics) 곡선을 실험에서 사용하였다. 실험결과에서 제안된 방법이 기존방법들보다 오경보율 (false alarm rate)이 낮고, 표적 및 배경에 대한 향상된 식별력을 가짐을 확인하였다.

This paper presents a new small target detection method using the cross product of the temporal pixels based on the temporal profile in infrared (IR) image sequences. The temporal characteristics of small targets and the various backgrounds are different. A new algorithm classifies target pixels and the background pixels through the hypothesis testing using the cross product of pixels on the temporal profile and predicts the temporal backgrounds based on the results. The small targets are detected by subtracting the predicted temporal background profile from the original temporal profile. For the performance comparison between the proposed algorithm and the conventional algorithms, the receiver operating characteristics (ROC) curves is computed in experiment. Experimental results show that the proposed algorithm has better discrimination and a lower false alarm rate than the conventional methods.

키워드

참고문헌

  1. A. D. Jong, "IRST and its perspective," Proc. SPIE, 2552, 206-213(1995).
  2. S. L. Wolfe, "Introduction to Infrared System Design," SPIE Optical Engineering Press, Bellingham, WA, 1996.
  3. L. Chengjun, W. Ying, and S. Zeling, "A small target detection algorithm based on multi-scale energy cross," Proc. 2003 IEEE International Conf. on Robotics, Intelligent System and Signal Processing, 2, 1191-1196, Changsha, China, Oct.(2003).
  4. S. D. Deshpande, M. H. Er, V. Ronda, P. Chan, "Max-Mean and Max-Median filters for detection of small-targets," Proc. SPIE, 3809, 74-83(1999).
  5. F. Zhang, C. Li, L. Shi, "Detecting and tracking dim moving point target in IR image sequence," Infrared Physics & Technology, 46, 323-328 (2005). https://doi.org/10.1016/j.infrared.2004.06.001
  6. A. P. Tzannes, and D. H. Brooks, "Temporal filters for point target detection in IR imagery," Proc. SPIE. 3061, 508-520(1997).
  7. U. Braga-Neto, M.Choudray, and J.Goutsias, "Automatic target detection and tracking in forward-looking infrared images sequences using morphological connected operators," J. Electron. Imaging 13(4), 802-812(2004). https://doi.org/10.1117/1.1789982
  8. S. G. Sun, "Target detection using local fuzzy thresholding and binary template matching in forward-looking infrared images," Opt. Eng. 46(3), 021-029(2007).