紅外制導(dǎo)技術(shù)的核心任務(wù)是將視場中的目標(biāo)提取出來,然而受多種因素的影響,紅外成像呈現(xiàn)出信噪比低,對比度不強(qiáng)的特點。為有效檢測出紅外目標(biāo),首先分析紅外圖像梯度信息并進(jìn)行直方圖統(tǒng)計,發(fā)現(xiàn)其值只占據(jù)窄小的區(qū)間,借鑒直方圖均衡化思想,對梯度直方圖進(jìn)行拉伸,并與原圖進(jìn)行加權(quán)融合,增強(qiáng)圖像對比度的同時增大信噪比,然后采用改進(jìn)的SUSAN算法對圖像進(jìn)行處理,可較好的提取出紅外目標(biāo)。仿真實驗結(jié)果表明,與傳統(tǒng)算法相比,文中算法計算量小、運行時間短,可有效檢測出目標(biāo),有利于工程實現(xiàn)。 

【文章來源】：光電技術(shù)應(yīng)用. 2020,35(01)

【文章頁數(shù)】：4 頁

【部分圖文】：

紅外圖像及其梯度直方圖

與傳統(tǒng)濾波模板不同，SUSAN算子采用近似圓形的模板，參照模板中心像素灰度值，將模板內(nèi)每一點像素值與中心像素值進(jìn)行比較，若其差值小于設(shè)定閾值，則認(rèn)為該點與中心像素具有相同的像素屬性,如圖2所示。滿足上述條件的像素即構(gòu)成吸收核同區(qū)（USAN）。可以看出，圓形模板所處位置不同，得到的USAN區(qū)大小也不一樣，當(dāng)圓形模板完全在背景中或完全在目標(biāo)中時，USAN區(qū)面積最大；當(dāng)模板移向目標(biāo)邊緣時，其USAN區(qū)面積逐漸減��；當(dāng)圓心處在目標(biāo)邊緣時，USAN區(qū)很�。划�(dāng)圓形在目標(biāo)角點處時，USAN區(qū)最小。用SUSAN算子的圓形模板遍歷整幅圖像，按照算法進(jìn)行像素灰度值的比較，然后按照設(shè)定閾值確定模板內(nèi)的像素是否屬于USAN區(qū)域，具體判斷如下

為驗證文中算法的有效性，采用Windows7系統(tǒng)（64位），16G內(nèi)存，在MATLAB2014b平臺，對仿真生成的天空背景紅外目標(biāo)圖像進(jìn)行處理，其中加入高斯白噪聲，同時采用形態(tài)學(xué)算法及聚類屬性直方圖算法進(jìn)行檢測，并對不同算法結(jié)果進(jìn)行比較，結(jié)果如圖3所示。其中圖3a為原始紅外圖像；圖3b聚類屬性直方圖處理結(jié)果；圖3c為形態(tài)學(xué)算法處理結(jié)果；圖3d為文中算法檢測結(jié)果。從處理結(jié)果可以看出，聚類屬性集檢測算法對圖像中的大片區(qū)域進(jìn)行了正確識別，沒有受到云層的干擾，但是在提取目標(biāo)飛機(jī)時，由于目標(biāo)自身灰度分布不均勻，產(chǎn)生了割裂效應(yīng)，將完整的飛機(jī)目標(biāo)識別為兩部分；形態(tài)學(xué)算法由于過于依賴結(jié)構(gòu)元，檢測結(jié)果存在“光暈”效應(yīng)，對于背景的抑制效果不理想，對目標(biāo)的檢測產(chǎn)生形狀輪廓的失真；文中算法在抑制背景噪聲的同時，完整地提取出飛機(jī)目標(biāo)，且運行時間短，有利于工程實現(xiàn)。不同算法運行時間如表1所示。

【參考文獻(xiàn)】：
期刊論文
[1]紅外圖像校正與增強(qiáng)技術(shù)研究現(xiàn)狀[J]. 張寶輝,姚立斌,張巍偉,陳瑩妍,王潤宇.  紅外技術(shù). 2017(06)
[2]氣溶膠及能見度變化對標(biāo)準(zhǔn)大氣中遠(yuǎn)紅外傳輸?shù)挠绊懛治鯷J]. 張芳,齊琳琳,葛杰,王舉,吉微,黃泓.  紅外技術(shù). 2016(12)
[3]基于自適應(yīng)尺度因子的Retinex紅外圖像增強(qiáng)算法[J]. 郝宇,王新賽,張彥波,路建方,賀菁,劉雨.  紅外技術(shù). 2016(10)
[4]紅外成像制導(dǎo)末端局部圖像識別跟蹤研究[J]. 李成,李建勛,童中翔,賈林通,張志波.  兵工學(xué)報. 2015(07)
[5]二維信息熵的紅外圖像分割算法[J]. 王瑩瑩,何蘋,魏彤,李珊珊.  空軍工程大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[6]影響紅外目標(biāo)探測亮度的因素[J]. 易亞星,姚梅,吳軍輝,樂開端.  紅外與激光工程. 2014(01)
[7]近紅外多視場白天測星分析[J]. 韓艷麗,王鐸,張健,樊利恒,孫騰飛.  紅外與激光工程. 2013(08)
[8]基于小波變換與圖像增強(qiáng)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)
[9]一種改進(jìn)型圖像降噪方法[J]. 胡宏偉,趙建,曾明.  光電技術(shù)應(yīng)用. 2012(05)
[10]基于復(fù)雜度和方向梯度的紅外弱小目標(biāo)檢測方法[J]. 王田,劉偉寧,孫海江,韓廣良.  液晶與顯示. 2012(05)



本文編號：3219415