紅外目標(biāo)的探測(cè)背景具有復(fù)雜性和非平穩(wěn)性,為提高后續(xù)檢測(cè)性能,常常通過抑制背景來增強(qiáng)目標(biāo)能量。針對(duì)傳統(tǒng)背景抑制方法檢測(cè)率低、虛警率高的問題,提出一種基于改進(jìn)濾波器和圖像多尺度變換的復(fù)雜背景抑制算法。首先,對(duì)紅外圖像進(jìn)行改進(jìn)的濾波處理獲得預(yù)處理圖像。其次,通過高斯金字塔多分辨技術(shù),平滑圖像背景。然后,采用Cubic插值算法提高圖像的分辨率,得到背景估計(jì)圖像。最后,將預(yù)處理圖像和背景估計(jì)圖像差分,獲得背景抑制的結(jié)果。經(jīng)驗(yàn)證,該算法實(shí)時(shí)性相對(duì)傳統(tǒng)方法提高了19%,對(duì)于多種復(fù)雜的背景情況具有良好的適應(yīng)性。同時(shí),算法計(jì)算復(fù)雜度較低,有利于實(shí)現(xiàn)實(shí)時(shí)性工程應(yīng)用。 

【文章來源】：系統(tǒng)工程與電子技術(shù). 2020,42(08)北大核心EICSCD

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]A comparison of piecewise cubic Hermite interpolating polynomials,cubic splines and piecewise linear functions for the approximation of projectile aerodynamics[J]. C.A.Rabbath,D.Corriveau.  Defence Technology. 2019(05)
[2]基于視覺顯著性的空中目標(biāo)檢測(cè)算法[J]. 劉魯濤,王曉,李欣雨.  應(yīng)用科技. 2019(01)
[3]Convolutional Neural Network Based on Spatial Pyramid for Image Classification[J]. Gaihua Wang,Meng Lü,Tao Li,Guoliang Yuan,Wenzhou Liu.  Journal of Beijing Institute of Technology. 2018(04)
[4]A Parzen Window-based Approach to Detection of Infrared Dim Target Under Sea-sky Background[J]. He Deng,Huang Yao,Yan-Tao Wei,Ji-Dong Chen.  International Journal of Automation and Computing. 2016(05)
[5]一種改進(jìn)的低成本自適應(yīng)雙三次插值算法及VLSI實(shí)現(xiàn)[J]. 龐志勇,譚洪舟,陳弟虎.  自動(dòng)化學(xué)報(bào). 2013(04)
[6]紅外小目標(biāo)的分類背景預(yù)測(cè)與圖像分塊技術(shù)[J]. 郭張婷,辛云宏.  激光與紅外. 2012(05)
[7]基于紅外圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J]. 任章,李露,蔣宏.  紅外與激光工程. 2007(S2)
[8]一種基于多尺度距離像的紅外小目標(biāo)檢測(cè)方法[J]. 盛文,鄧斌,柳健.  電子學(xué)報(bào). 2002(01)



本文編號(hào)：3602077