現(xiàn)有的紅外小目標自動檢測方法存在著抗復(fù)雜背景能力差、誤檢率高的缺陷,為了解決上述問題,提出復(fù)雜環(huán)境下弱信號中的紅外小目標自動檢測方法研究。根據(jù)設(shè)計的紅外小目標自動檢測方法框架圖,采用形態(tài)學(xué)處理方法抑制紅外圖像背景,并運用contrast box算法分割紅外圖像,得到二值化紅外圖像。以得到的二值化紅外圖像為依據(jù),結(jié)合計算得到的信號增量自動搜索小目標紅外圖像序列。以小目標紅外圖像序列為基礎(chǔ),通過數(shù)學(xué)模型實現(xiàn)紅外小目標的自動檢測。通過仿真實驗結(jié)果顯示,與現(xiàn)有紅外小目標自動檢測方法相比較,提出的紅外小目標自動檢測方法極大的提升了抗復(fù)雜背景能力,降低了誤檢率,充分說明提出的紅外小目標自動檢測方法具備更好的檢測效果。 

【文章來源】：激光雜志. 2020,41(10)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

紅外小目標自動檢測方法框架圖

根據(jù)公式(5)得到的結(jié)果設(shè)置“回”形窗口，如圖2所示。如圖2所示，設(shè)置的“回”形窗口外窗比內(nèi)窗大2h個像元。由于光學(xué)系統(tǒng)的像差效應(yīng)，獲取的紅外圖像通常情況下是彌散的，因此，根據(jù)可知彌散斑理論計算得到的“回”形窗口外窗比內(nèi)窗大2～3個像元，則h取值為2或者3[13]，為紅外圖像平均灰度差值的計算提供窗口支撐[14]。設(shè)置Tgt W=2w,Tgt H=2h，紅外圖像像素點為f(x,y)，內(nèi)、外窗口灰度值之和分別為:

以得到的二值化紅外圖像為依據(jù)，通過計算得到相應(yīng)的信號量，以相鄰步長幀之間信號量的增量為基礎(chǔ)，自動搜索小目標紅外圖像序列[17]。具體紅外小目標序列自動搜索過程如下圖3所示。以上述得到的二值紅外圖像為基礎(chǔ)，統(tǒng)計其中灰度值為1的像素點個數(shù)，將該值作為計算信號量。則第n幀紅外圖像信號量表示為:

【參考文獻】：
期刊論文
[1]基于Contourlet及目標特性分析的弱小紅外目標檢測[J]. 王華兵,萬爛軍.  電子測量與儀器學(xué)報. 2019(03)
[2]基于時空非局部相似性的海上紅外弱小目標檢測[J]. 張素,安博文,潘勝達.  光子學(xué)報. 2018(11)
[3]基于統(tǒng)計特征和橋梁方法的紅外弱小目標檢測算法[J]. 韓志華,劉晶紅,徐芳.  激光與光電子學(xué)進展. 2019(06)
[4]基于自適應(yīng)Gabor濾波的紅外弱小目標檢測[J]. 史漫麗,凌龍,吳南,原娜.  紅外技術(shù). 2018(07)
[5]目標運動軌跡匹配式的紅外-可見光視頻自動配準[J]. 王洪慶,許廷發(fā),孫興龍,李相民,劉太輝.  光學(xué)精密工程. 2018(06)
[6]基于融合顯著圖和高效子窗口搜索的紅外目標分割[J]. 劉松濤,劉振興,姜寧.  自動化學(xué)報. 2018(12)
[7]基于引導(dǎo)濾波和模糊算法的紅外背景抑制算法[J]. 郭佩瑜,張寶華.  激光技術(shù). 2018(06)
[8]基于人類視覺機制的紅外目標檢測方法[J]. 王瑞,朱志宇,張冰.  火力與指揮控制. 2017(10)
[9]旋轉(zhuǎn)復(fù)雜背景中紅外運動小目標實時檢測[J]. 閆鈞華,段賀,艾淑芳,李大雷,許倩倩.  電子科技大學(xué)學(xué)報. 2017(05)
[10]基于改進LCM的紅外小目標檢測算法[J]. 張祥越,丁慶海,羅海波,惠斌,常錚,張俊超.  紅外與激光工程. 2017(07)



本文編號：3126719