多階段的紅外小目標(biāo)檢測(cè)算法.pdf

1、在現(xiàn)代化高科技戰(zhàn)場(chǎng)中，遠(yuǎn)程精確打擊技術(shù)己經(jīng)成為戰(zhàn)爭(zhēng)中進(jìn)攻手段的主導(dǎo)趨勢(shì)。隨著遠(yuǎn)程武器的不斷發(fā)展，預(yù)警系統(tǒng)占據(jù)著越來(lái)越重要的地位。而紅外成像技術(shù)因其全天候、高隱蔽、探測(cè)距離遠(yuǎn)、被動(dòng)工作等性質(zhì)，在預(yù)警系統(tǒng)中占有重要地位。在實(shí)際應(yīng)用中，由于探測(cè)距離遠(yuǎn)，紅外小目標(biāo)圖像往往信雜比很低，小目標(biāo)容易受到復(fù)雜背景的干擾，很有可能被大量噪聲所淹沒(méi)，這為紅外小目標(biāo)的檢測(cè)帶來(lái)了困難。因此，開(kāi)展復(fù)雜背景中的紅外小目標(biāo)檢測(cè)技術(shù)的深入研究是十分有必要的。
　

2、　本文首先對(duì)紅外小目標(biāo)的研究背景、現(xiàn)狀及發(fā)展趨勢(shì)進(jìn)行了介紹。重點(diǎn)對(duì)紅外小目標(biāo)圖像的背景、噪聲及目標(biāo)區(qū)域進(jìn)行了分析。比較詳細(xì)地介紹了小目標(biāo)檢測(cè)中的常用技術(shù)，其中包括背景抑制技術(shù)、目標(biāo)增強(qiáng)技術(shù)和目標(biāo)分割技術(shù)，并對(duì)經(jīng)典的背景抑制算法進(jìn)行了詳細(xì)分析。
　　其次，針對(duì)現(xiàn)有預(yù)處理方法對(duì)復(fù)雜背景下紅外小目標(biāo)圖像的背景抑制效果不理想的缺點(diǎn)，論文在對(duì)經(jīng)典顯著性檢測(cè)算法的研究中，結(jié)合小目標(biāo)成像的特點(diǎn)，將SR顯著性檢測(cè)算法應(yīng)用到紅外小目標(biāo)圖像的處理中。

3、在分析紅外小目標(biāo)圖像顯著圖不同區(qū)域的特點(diǎn)后，提出了一種加權(quán)局部熵的背景抑制方法。該方法充分地利用了小目標(biāo)的高亮度與奇異性的特征，極大地提高了圖像的信雜比，對(duì)復(fù)雜背景的抑制效果良好。
　　接著，本文從圖像多尺度分解算法入手，分析了圖像的金字塔分解算法。本文選取了高斯金字塔分解算法對(duì)紅外圖像進(jìn)行處理，該算法能夠在進(jìn)行圖像多尺度分解的同時(shí)保持圖像的視覺(jué)特征。論文通過(guò)對(duì)小目標(biāo)附近的峰值曲線進(jìn)行分析，證明了金字塔分解算法在紅外小目標(biāo)圖像中應(yīng)

4、用的合理性。進(jìn)一步通過(guò)定量計(jì)算分解層數(shù)與圖像信雜比的關(guān)系，得出在分解次數(shù)取前三次時(shí)對(duì)目標(biāo)的保持效果及噪聲的濾除效果最佳。最后，文章創(chuàng)造性地提出了一種多階段紅外小目標(biāo)檢測(cè)算法。算法步驟包括：首先將紅外小目標(biāo)圖像進(jìn)行分層，對(duì)每一層圖像進(jìn)行顯著圖基礎(chǔ)上的加權(quán)局部熵處理；然后對(duì)得到的背景抑制圖像進(jìn)行加權(quán)融合；最后對(duì)其進(jìn)行閾值分割即可將小目標(biāo)分割出來(lái)。實(shí)驗(yàn)證明所提出的算法在信雜比低、背景復(fù)雜的紅外小目標(biāo)圖像中檢測(cè)效果良好。與已有的算法進(jìn)行比較，本