近年來(lái),紅外弱小目標(biāo)檢測(cè)與跟蹤技術(shù)在信息處理技術(shù)領(lǐng)域被廣泛研究。航空?qǐng)?bào)警、導(dǎo)彈攔截、近地面監(jiān)視等多個(gè)領(lǐng)域均有較為出色的應(yīng)用。其中,在不同的環(huán)境中如何有效地測(cè)量目標(biāo)是研究人員面臨的一項(xiàng)主要挑戰(zhàn)。為了解決紅外圖像中的雜波干擾過(guò)多與低目標(biāo)信噪比等一系列問(wèn)題,提出了一種基于局部最大熵的紅外小目標(biāo)檢測(cè)方法。為了提升算法的魯棒性,提出一種自適應(yīng)閾值,求出局部最大熵對(duì)應(yīng)的灰度值作為閾值與目標(biāo)與背景間的灰度差作比較,經(jīng)過(guò)三輪不同判斷,找到目標(biāo)點(diǎn)。最后通過(guò)抑制非極大值抑制來(lái)去除非目標(biāo)點(diǎn)。試驗(yàn)結(jié)果表明,在復(fù)雜多變的背景或低信噪比的情況下,仍具有有效的檢測(cè)性能,通過(guò)與經(jīng)典top-hat算法的對(duì)比實(shí)驗(yàn),觀測(cè)到無(wú)論是在檢測(cè)時(shí)間還是檢測(cè)準(zhǔn)確率,所提出的方法均高于top-hat算法,其中top-hat算法的DR值為88.57,提出的方法的DR值為92.5,top-hat算法的FA值為0.185 7,所提出的方法為0。 

【文章來(lái)源】：激光雜志. 2020年07期 北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

小目標(biāo)的例子

快速檢測(cè)算法是一種快速、暴力的搜索方法。預(yù)測(cè)，判斷低信噪比的小目標(biāo)除了目標(biāo)自己的特征外，另外需要用到周圍連續(xù)像素與目標(biāo)的灰度信息。本文采用7×7的窗口遍歷圖像，以尋找小目標(biāo)。計(jì)算窗口中位置9和位置1與中心Q灰度值之間的差值，如圖3所示，用小窗口遍歷圖像，第一輪判斷可以粗略地過(guò)濾掉非特征點(diǎn)并提高檢測(cè)效率。圖3 滑動(dòng)窗口m

滑動(dòng)窗口m

【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換與圖像增強(qiáng)技術(shù)的紅外小目標(biāo)檢測(cè)[J]. 侯潔,辛云宏.  激光與紅外. 2013(06)
[2]基于局部均值的紅外小目標(biāo)檢測(cè)算法[J]. 劉運(yùn)龍,薛雨麗,袁素真,毛峽.  紅外與激光工程. 2013(03)
[3]基于形態(tài)學(xué)濾波的紅外弱小目標(biāo)背景抑制[J]. 蔡陽(yáng),林再平,周一宇.  電子信息對(duì)抗技術(shù). 2012(06)
[4]改進(jìn)的K均值聚類紅外目標(biāo)檢測(cè)方法[J]. 姜斌,石峰,崔東旭,張鵬輝,袁軼慧,張俊舉.  應(yīng)用光學(xué). 2012(04)
[5]利用小波變換與Gabor濾波檢測(cè)紅外小目標(biāo)[J]. 羅曉清,吳小俊.  紅外與激光工程. 2011(09)
[6]基于局部最大熵的多目標(biāo)圖像分割方法[J]. 王廣君,田金文,柳健,吳國(guó)平.  華中科技大學(xué)學(xué)報(bào). 2000(12)



本文編號(hào)：2927385