發(fā)布時間：2022-10-11 19:44

　　雙樹復(fù)小波分析是一種有效的圖像處理方法,但是將其直接應(yīng)用于紅外小目標(biāo)檢測時,由于其對圖像中的高頻信息特別敏感,無法在保留目標(biāo)的同時有效地濾除噪聲。論文充分利用雙樹復(fù)小波方法方向性好的優(yōu)點,并針對其高頻敏感問題,提出了一種基于雙樹復(fù)小波變換與圖像熵的紅外小目標(biāo)檢測算法,從而能夠有效去除圖像中的雜波,同時凸顯出小目標(biāo)。該算法首先對原始圖像進行雙樹復(fù)小波分解,將其低頻子帶置零,并利用高頻子帶進行雙樹復(fù)小波重構(gòu);接著,對重構(gòu)后的圖像進行二次雙樹復(fù)小波分解,并采用改進的Top-Hat算子對分解后的低頻子帶進行濾波,同時保留分解后±15°方向的子帶,并通過高通濾波對其進行處理;之后,將濾波后的低頻子帶圖像與原低頻子帶圖像進行差分,得到低頻差分圖像;最后,利用低頻差分圖像與濾波后的高頻子帶圖像進行紅外圖像重構(gòu),并通過局部圖像熵進行加權(quán),從而提取出紅外小目標(biāo)。實驗結(jié)果表明,與對比算法相比,本文算法在BSF與SCRG方面表現(xiàn)優(yōu)越,可以有效抑制背景中的雜波并提高小目標(biāo)的信雜比。 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引 言
2 紅外小目標(biāo)檢測算法
    2.1 雙樹復(fù)小波變換
    2.2 改進Top-Hat
    2.3 局部圖像熵
    2.4 算法實現(xiàn)步驟
3 實驗結(jié)果及分析
4 結(jié) 語


【參考文獻】：
期刊論文
[1]基于最大中值濾波和K-means聚類紅外弱小目標(biāo)檢測[J]. 岳付昌.  光電技術(shù)應(yīng)用. 2018(05)
[2]基于自適應(yīng)TDLMS算法的弱小目標(biāo)檢測算法[J]. 王喜軍.  電光與控制. 2018(03)
[3]基于小波變換和改進Top-Hat濾波的紅外小目標(biāo)檢測[J]. 張寧,辛云宏.  激光與紅外. 2016(11)
[4]基于剪切波變換和鄰域差分的小目標(biāo)檢測算法[J]. 熊上導(dǎo),易凡,何超,嚴(yán)趙軍.  紅外技術(shù). 2015(01)
[5]基于改進的剪切波變換和引導(dǎo)濾波的紅外弱小目標(biāo)背景抑制方法[J]. 榮生輝,劉剛,周慧鑫,秦翰林,錢琨,延翔,趙東.  光子學(xué)報. 2015(02)
[6]基于小波變換與圖像增強技術(shù)的紅外小目標(biāo)檢測[J]. 侯潔,辛云宏.  激光與紅外. 2013(06)
[7]基于曲面波變換的紅外弱小目標(biāo)背景抑制[J]. 秦翰林,梁宇恒,周慧鑫,賴睿,劉上乾.  系統(tǒng)工程與電子技術(shù). 2011(10)
[8]利用小波變換與Gabor濾波檢測紅外小目標(biāo)[J]. 羅曉清,吳小俊.  紅外與激光工程. 2011(09)
[9]基于無下采樣Contourlet變換和獨立分量分析的紅外弱小目標(biāo)檢測[J]. 吳一全,紀(jì)守新,占必超.  光學(xué)學(xué)報. 2011(05)
[10]基于非下采樣Contourlet變換的紅外小目標(biāo)檢測方法[J]. 劉興淼,王仕成,趙靜,劉志國,劉太陽.  紅外. 2011(01)



本文編號：3691176