Infrared dim small target detection based on new Top-hat and wavelet transform

SHEN Xiaoru; CHANG Xia; ZHANG Qun

doi:10.37188/CJLCD.2026-0092

您当前的位置：

首页 >

文章列表页 >

Infrared dim small target detection based on new Top-hat and wavelet transform

Image Processing | 更新时间：2026-09-12

- Infrared dim small target detection based on new Top-hat and wavelet transform
- Chinese Journal of Liquid Crystals and Displays Vol. 41, Issue 7, Pages: 1009-1022(2026)
- 作者机构：
  
  1.北方民族大学数学与信息科学学院，宁夏银川 750021
  2.宁夏智能信息与大数据处理重点实验室，宁夏银川 750021
- 作者简介：
- 基金信息：
  
  the Natural Science Foundation of Ningxia(2025AAC030002);Construction of first-class disciplines in Ningxia colleges and universities(NXYLXK2017B09);Graduate Innovation Program of North Minzu University for Nationality(CYX25121)
- DOI：10.37188/CJLCD.2026-0092
  CLC： TP391.4
- CSTR：32172.14.CJLCD.2026-0092
- Received：21 May 2026，
  
  Revised：2026-06-18，
  
  Published：06 July 2026
- 稿件说明：
移动端阅览
SHEN Xiaoru, CHANG Xia, ZHANG Qun. Infrared dim small target detection based on new Top-hat and wavelet transform[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(7): 1009-1022.
DOI：

SHEN Xiaoru, CHANG Xia, ZHANG Qun. Infrared dim small target detection based on new Top-hat and wavelet transform[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(7): 1009-1022. DOI： 10.37188/CJLCD.2026-0092. CSTR： 32172.14.CJLCD.2026-0092.

摘要

针对红外弱小目标图像中存在的目标信号强度低、尺寸小、易受噪声干扰以及背景杂波复杂等问题，本文提出了一种结合新型形态学Top-hat算子与小波变换的红外弱小目标检测方法。首先，利用改进的形态学滤波对红外图像进行初步背景抑制，以减少云层、地物起伏及局部强杂波对目标检测的干扰。其次，对预处理后的图像进行小波分解，并对低频分量使用局部梯度与局部强度算法进行背景抑制和目标增强，同时将3个高频分量进行累加，进一步增强目标点的特征信息。将增强后的高频信息与低频信息进行融合，实现多尺度、多频域联合增强。最后，通过自适应门限阈值分割方法提取红外弱小目标。实验结果表明，所提方法在信杂比增益（SCRG）上达到最优，在背景抑制系数（BSF）上仅次于PTCTV算法，整体性能优于其他对比方法。其中，在Seq6上SCRG和BSF分别为14.16和82.49。在ROC曲线中，本文方法在Seq3、Seq5和Seq6的性能均超过95%，充分验证了该算法在复杂场景下能够有效抑制背景和噪声，具有较强的稳定性和鲁棒性。

Abstract

According to the characteristics of infrared dim small target image， such as low signal strength， small size， susceptible to noise interference and complex background clutter， this paper proposes a new infrared dim and small target detection method based on the combination of a new morphological Top-hat operator and wavelet transform. Firstly， the improved morphological filtering was used to suppress the background of the infrared image， so as to reduce the interference of clouds， ground cover fluctuation and local strong clutter on target detection. Secondly， the preprocessed image was decomposed by wavelet， and the low frequency component was used for background suppression and target enhancement by using the Local Gradient and Local Intensity algorithm. At the same time， the three high frequency components were accumulated to further enhance the feature information of the target point. Finally， the infrared dim and small target was extracted by adaptive threshold segmentation method. The experimental results show that the proposed method achieves the optimal Signal-to-Clutter Ratio Gain（SCRG）， second only to the PTCTV algorithm in the Background Suppression Factor（BSF）， and the overall performance is better than other comparison methods. Among them， SCRG and BSF on Seq6 are 14.16 and 82.49， respectively. In the ROC curve， the detection rate of the proposed method in Seq3， Seq5 and Seq6 is more than 95%， which fully verifies that the algorithm can effectively suppress background and noise in complex scenes， and has strong stability and robustness.

关键词

Keywords

references

张涛，刘帅，任小广，等 . 基于计算机视觉的弱小目标检测算法综述［J］. 激光与红外， 2026 ， 56 （ 3 ）： 323 - 332 .

ZHANG T ， LIU S ， REN X G ， et al . Survey of dim and small target detection algorithms based on computer vision ［J］. Laser & Infrared ， 2026 ， 56 （ 3 ）： 323 - 332 . （in Chinese）

赵德民，孙扬，林再平，等 . 基于 L 1-2 时空域总变分正则项的红外弱小目标检测算法［J］. 中国光学（中英文）， 2023 ， 16 （ 5 ）： 1066 - 1080 . doi: 10.37188/co.2022-0229 http://dx.doi.org/10.37188/co.2022-0229

ZHAO D M ， SUN Y ， LIN Z P ， et al . Infrared small target detection via L 1-2 spatial-temporal total variation regularization ［J］. Chinese Optics ， 2023 ， 16 （ 5 ）： 1066 - 1080 . （in Chinese） . doi: 10.37188/co.2022-0229 http://dx.doi.org/10.37188/co.2022-0229

薛驰，陈小梅，李海彤 . 融合背景估计与相对局部对比度的天基短波红外弱小目标检测［J］. 光学精密工程， 2026 ， 34 （ 3 ）： 450 - 465 . doi: 10.37188/ope.20263403.0450 http://dx.doi.org/10.37188/ope.20263403.0450

XUE C ， CHEN X M ， LI H T . SWIR weak targets detection on space-based platform integrating background estimation and relative local contrast ［J］. Optics and Precision Engineering ， 2026 ， 34 （ 3 ）： 450 - 465 . （in Chinese） . doi: 10.37188/ope.20263403.0450 http://dx.doi.org/10.37188/ope.20263403.0450

王怡雯，郑伟，邢成龙 . 方向显著性特征分布的加权散度红外弱小目标增强检测［J］. 空间科学学报， 2025 ， 45 （ 1 ）： 215 - 225 . doi: 10.11728/cjss2025.01.2024-0025 http://dx.doi.org/10.11728/cjss2025.01.2024-0025

WANG Y W ， ZHENG W ， XING C L . Weighted divergence of directionally salient features for infrared small target detection enhancement ［J］. Chinese Journal of Space Science ， 2025 ， 45 （ 1 ）： 215 - 225 . （in Chinese） . doi: 10.11728/cjss2025.01.2024-0025 http://dx.doi.org/10.11728/cjss2025.01.2024-0025

CHEN C L P ， LI H ， WEI Y T ， et al . A local contrast method for small infrared target detection ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2014 ， 52 （ 1 ）： 574 - 581 . doi: 10.1109/tgrs.2013.2242477 http://dx.doi.org/10.1109/tgrs.2013.2242477

JIANG Y ， XI Y Y ， ZHANG L W ， et al . Infrared small target detection based on local contrast measure with a flexible window ［J］. IEEE Geoscience and Remote Sensing Letters ， 2024 ， 21 ： 7001805 . doi: 10.1109/lgrs.2024.3449395 http://dx.doi.org/10.1109/lgrs.2024.3449395

ZHANG Y T ， LI Z Z . A Gaussian weighted multi-scale method for infrared small target detection ［C］. 2025 First International Conference on Advances in Computer Science， Electrical， Electronics， and Communication Technologies （CE2CT）. Bhimtal ： IEEE ， 2025 ： 465 - 469 . doi: 10.1109/ce2ct64011.2025.10939811 http://dx.doi.org/10.1109/ce2ct64011.2025.10939811

LIU T ， YANG J G ， LI B Y ， et al . Infrared small target detection via nonconvex tensor tucker decomposition with factor prior ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2023 ， 61 ： 5617317 . doi: 10.1109/tgrs.2023.3298192 http://dx.doi.org/10.1109/tgrs.2023.3298192

TOM V T ， PELI T ， LEUNG M ， et al . Morphology-based algorithm for point target detection in infrared backgrounds ［C］// Proceedings of Signal and Data Processing of Small Targets 1993 ， SPIE 1954 . Orlando ： SPIE ， 1993 ： 2 - 11 .

DESHPANDE S D ， ER M H ， VENKATESWARLU R ， et al . Max-mean and max-median filters for detection of small targets ［C］// Proceedings of Signal and Data Processing of Small Targets 1999 ， SPIE 3839 . Denver ： SPIE ， 1999 .

HADHOUD M M ， THOMAS D W . The two-dimensional adaptive LMS （TDLMS） algorithm ［J］. IEEE Transactions on Circuits and Systems ， 1988 ， 35 （ 5 ）： 485 - 494 . doi: 10.1109/31.1775 http://dx.doi.org/10.1109/31.1775

XU Y K ， SHAO A J ， KONG X F ， et al . Infrared small target detection based on sub-maximum filtering and local intensity weighted gradient measure ［J］. IEEE Sensors Journal ， 2024 ， 24 （ 14 ）： 22236 - 22248 . doi: 10.1109/jsen.2024.3407132 http://dx.doi.org/10.1109/jsen.2024.3407132

苏新主，姬红兵，高新波 . 一种基于数学形态学的红外弱小目标检测方法［J］. 红外与激光工程， 2004 ， 33 （ 3 ）： 307 - 310 .

SU X Z ， JI H B ， GAO X B . Detection method for dim small IR targets based on mathematical morphology ［J］. Infrared and Laser Engineering ， 2004 ， 33 （ 3 ）： 307 - 310 . （in Chinese）

白相志，周付根，解永春，等 . 新型Top-hat变换及其在红外小目标检测中的应用［J］. 数据采集与处理， 2009 ， 24 （ 5 ）： 643 - 649 .

BAI X Z ， ZHOU F G ， XIE Y C ， et al . New top-hat transformation and application on infrared small target detection ［J］. Journal of Data Acquisition & Processing ， 2009 ， 24 （ 5 ）： 643 - 649 . （in Chinese）

饶俊民，穆靖，刘士建，等 . 基于聚类思想的红外弱小目标检测［J］. 红外与毫米波学报， 2023 ， 42 （ 4 ）： 527 - 537 .

RAO J M ， MU J ， LIU S J ， et al . Infrared small target detection based on clustering idea ［J］. Journal of Infrared and Millimeter Waves ， 2023 ， 42 （ 4 ）： 527 - 537 . （in Chinese）

ZHANG H ， ZHANG L ， YUAN D ， et al . Infrared small target detection based on local intensity and gradient properties ［J］. Infrared Physics & Technology ， 2018 ， 89 ： 88 - 96 . doi: 10.1016/j.infrared.2017.12.018 http://dx.doi.org/10.1016/j.infrared.2017.12.018

李士刚，王维佳，朱圣杰，等 . 基于时空三维卷积网络的复杂背景下红外弱小目标检测方法［J］. 液晶与显示， 2025 ， 40 （ 11 ）： 1688 - 1699 . doi: 10.37188/cjlcd.2025-0161 http://dx.doi.org/10.37188/cjlcd.2025-0161

LI S G ， WANG W J ， ZHU S J ， et al . Detection method for infrared dim and small targets under complex backgrounds via a spatio-temporal three-dimensional convolutional network ［J］. Chinese Journal of Liquid Crystals and Displays ， 2025 ， 40 （ 11 ）： 1688 - 1699 . （in Chinese） . doi: 10.37188/cjlcd.2025-0161 http://dx.doi.org/10.37188/cjlcd.2025-0161

MALLAT S ， HWANG W L . Singularity detection and processing with wavelets ［J］. IEEE Transactions on Information Theory ， 1992 ， 38 （ 2 ）： 617 - 643 . doi: 10.1109/18.119727 http://dx.doi.org/10.1109/18.119727

陈莹，郝应光，王洪玉，等 . 基于局部梯度强度图的动态规划检测前跟踪算法［J］. 计算机科学， 2022 ， 49 （ 8 ）： 150 - 156 .

CHEN Y ， HAO Y G ， WANG H Y ， et al . Dynamic programming track-before-detect algorithm based on local gradient and intensity map ［J］. Computer Science ， 2022 ， 49 （ 8 ）： 150 - 156 . （in Chinese）

XU L ， WEI Y ， ZHANG H Y ， et al . Robust and fast infrared small target detection based on Pareto frontier optimization ［J］. Infrared Physics & Technology ， 2022 ， 123 ： 104192 . doi: 10.1016/j.infrared.2022.104192 http://dx.doi.org/10.1016/j.infrared.2022.104192

WEI Y T ， YOU X G ， LI H . Multiscale patch-based contrast measure for small infrared target detection ［J］. Pattern Recognition ， 2016 ， 58 ： 216 - 226 . doi: 10.1016/j.patcog.2016.04.002 http://dx.doi.org/10.1016/j.patcog.2016.04.002

BAI X Z ， ZHOU F G . Analysis of new top-hat transformation and the application for infrared dim small target detection ［J］. Pattern Recognition ， 2010 ， 43 （ 6 ）： 2145 - 2156 . doi: 10.1016/j.patcog.2009.12.023 http://dx.doi.org/10.1016/j.patcog.2009.12.023

ZHANG L D ， PENG Z M . Infrared small target detection based on partial sum of the tensor nuclear norm ［J］. Remote Sensing ， 2019 ， 11 （ 4 ）： 382 . doi: 10.3390/rs11040382 http://dx.doi.org/10.3390/rs11040382

MORADI S ， MOALLEM P ， SABAHI M F . Fast and robust small infrared target detection using absolute directional mean difference algorithm ［J］. Signal Processing ， 2020 ， 177 ： 107727 . doi: 10.1016/j.sigpro.2020.107727 http://dx.doi.org/10.1016/j.sigpro.2020.107727

HUANG Z X ， ZHAO E W ， ZHENG W ， et al . PTCTV-KMC： infrared small target detection using joint partial tensor correlated total variation and k-means clustering ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2025 ， 18 ： 1252 - 1271 . doi: 10.1109/jstars.2024.3454150 http://dx.doi.org/10.1109/jstars.2024.3454150

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

FW-YOLO： a dense pedestrian detection algorithm based on frequency-guided and wavelet enhancement

Lightweight building extraction network integrating wavelet transform and global awareness

Fast auto-focusing method based on human visual system

Image mosaic research based on wavelet and rough set algorithm

Quantitative relationship between flexoelectric coefficient difference and flicker in low-power fringe-field switching liquid crystal displays

Related Author

ZHANG Qun

HUANG Zijun

LING Ping

XIONG Biao

SONG Baogui

SHAO Pan

SHAO Wen

ZHAO Jing-li

Related Institution

College of Artificial Intelligence and Computer Science， Jiangsu Normal University

College of Computer and Information Technology， China Three Gorges University

Hubei Key Laboratory of Intelligent Vision Based Monitoring for Hydroelectric Engineering， China Three Gorges University

College of Physics and Information Engineering， Fuzhou University

College of Engineering, Huaqiao University

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China 130033 Postal code：130033
Tel：0431-86176059 Email：yjxs@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰