針對復(fù)雜背景下紅外弱小目標(biāo)檢測難題,提出一種基于人類視覺系統(tǒng)對比機制的紅外弱小目標(biāo)檢測算法。首先,對紅外圖像進行預(yù)處理,通過中值濾波去除紅外圖像中的孤立噪聲點。然后對處理后的圖像進行高斯函數(shù)差分濾波處理,抑制圖像中大面積高亮區(qū)域。最后,通過改進的基于局部對比度方法去除高亮邊緣區(qū)域,消除高疑似目標(biāo),最終實現(xiàn)對復(fù)雜背景下紅外弱小目標(biāo)的檢測。實驗表明:相較于傳統(tǒng)的LCM算法、Top-hat算法、TDLMS算法和Infrared Patch-Image Model算法等,該算法在虛警率、正確檢測率、檢測時間等方面更有優(yōu)勢,具有檢測率高、虛警率低、魯棒性好、運行時間短的特點。 

【文章來源】：紅外技術(shù). 2020,42(06)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

滑動窗口口v及其子塊

其的特性，僅對關(guān)計算，進一（建筑物邊雜、高頻成分式，對像素點于經(jīng)驗值的像算，有效降低如下：步驟1：大小為3K×3K×K大小值為Ln，當(dāng)L表達式如下：式中：I為圖差，k1根據(jù)經(jīng)步驟2：子塊w如圖5l，其表達式如式中：f(i,j)為(i,j)為子塊w步驟3：子塊u內(nèi)所有如下：式中：bwI為根據(jù)經(jīng)驗通常步驟4：按的灰度值。步驟5：，直至整幅圖依據(jù)目標(biāo)長是算法能否略大于目標(biāo)尺0。在窗口尺如圖6所示，前提下盡可能除此之外響。k1即Th1間；其次，利用其經(jīng)過DoG算對亮度高于經(jīng)一步節(jié)省算法邊緣、云層邊分較多的特點點周圍高頻成像素點將被舍低虛警率，剔待處理圖像K的相應(yīng)區(qū)小的子塊，un大于閾值TTh1＝I＋圖像I像素平經(jīng)驗通常取3～分割得到以所示，計算如下：cl=子塊w二值內(nèi)的像素點當(dāng)cl小于閾有像素的灰度Th2圖像I二值常取0.5～0.7。按照表達式(以一定步長在圖像遍歷結(jié)束標(biāo)大小設(shè)定合否得到理想結(jié)尺寸，依據(jù)數(shù)尺寸選定前提顯然，滑動能覆蓋目標(biāo)，外，閾值k1、k過小可能導(dǎo)用弱小目標(biāo)亮算子濾波后此經(jīng)驗值的像素法耗時；最后，緣等）周圍環(huán)，采用多尺寸分像素點占舍棄，不再進除疑似目標(biāo)。像記為I，通過區(qū)域v，再將該內(nèi)所有像素點h1時繼續(xù)步k1×I均值；I為5。u為中心的中心子塊u的,,,wv()()()Nijcfijij值化處理后(i,點個數(shù)。閾值Th2時繼

楸旰盼?0，，7，8，平均8，標(biāo)號為0的最大值為L代中心子塊u視覺對比機制的(3)2分其2＝景的oG亮度點尺效地聲干有方緣效下的處理。亮度度值增強體原區(qū)域其均灰的n。的(4)歷整先，算法標(biāo)為框選所占背景多尺小會處理耗時法的均波器ML圖像先，耗時的紅外弱小目標(biāo)最后按照從整幅圖像，閾LCM算法逐個像素計法耗時較長；為右側(cè)框選區(qū)選區(qū)域中的無占像素較少的景下LCM算Fig.3Fig.4考慮到上述尺度計算方式會導(dǎo)致算法耗理并劃分子塊時；Qin等[11（novellocal均值和方差；器增強高頻LCM（multis像。本文提出了由于LCM時較長，因此標(biāo)檢測從左到右、從閾值分割后即法具有方向性計算并比較8其次，如圖區(qū)域中的建筑無人機，結(jié)果的高亮邊緣，算法實際處理圖3滑動窗口Slidingwindow圖4LCM算LCMalgorith述LCM算法式提高算法準(zhǔn)耗時較長；H塊的計算方式1]提出了一種contrastmethShi等[12]先頻信號并抑制scalelocalco了一種改進的M算法逐個像此理論上移動從上到下的順即可得到結(jié)果性，但其仍有個方向的對圖4所示，算筑邊緣，而真果顯示對相較在高疑似目理效果并不理口v及其子塊wvanditssub-算法處理結(jié)果hmprocessingr法不足之處，準(zhǔn)確率，但不an等[10]通過式降低虛警種新型的局部hod,NLCM）先通過一種改制低頻信號，ontrastmeasu的基于局部對像素點移動窗動步長大于1Vol.42NoJune205順序逐個像素果。有一定缺陷。對比度信息導(dǎo)算

【參考文獻】：
期刊論文
[1]背景自適應(yīng)的多特征融合的弱小目標(biāo)檢測[J]. 陸福星,陳忻,陳桂林,饒鵬.  紅外與激光工程. 2019(03)
[2]基于加權(quán)LoG算子的紅外弱小目標(biāo)檢測方法研究[J]. 周苑,張健民,林曉.  應(yīng)用光學(xué). 2017(01)

博士論文
[1]基于人類視覺特性的復(fù)雜背景紅外小目標(biāo)檢測研究[D]. 韓金輝.華中科技大學(xué) 2016

碩士論文
[1]基于OpenCV的運動目標(biāo)檢測與跟蹤算法的研究[D]. 王艷紅.杭州電子科技大學(xué) 2014



本文編號：3095801