【摘要】：針對天空背景下云層對弱小目標的干擾,以及靶場實驗中觀測設備所產生的拖影現(xiàn)象對目標檢測所帶來的干擾等問題,提出了一種基于局部行像素對比度的空中紅外弱小目標檢測算法,用于檢測低信噪比條件下的空中紅外弱小目標。該方法利用中值濾波和形態(tài)濾波獲取濾波圖像,結合目標區(qū)域像素特點提取濾波圖像中感興趣區(qū)域,然后利用局部行像素對比度的方法檢測目標位置,極大提高了檢測效率,縮短了檢測時間。從理論上介紹和分析了該算法對紅外弱小目標圖像檢測算法的有效性,并通過Matlab仿真實驗與其他檢測算法進行了對比。實驗結果表明,所提算法能夠在低信噪比條件下更加有效地檢測出空中紅外弱小目標,檢測精度更高、效果更好。
【圖文】：

枷窠鈉寫?理，提高圖像的信噪比，然后利用本文提出的局部行像素對比度方法對目標進行檢測，這樣可以通過單幀圖像檢測出紅外弱小目標，，最后結合Kalman濾波預估計位置信息的方法，進行位置目標位置估計，為下一幀目標檢測縮小范圍，提高檢測效率。2本文算法的相關知識由CHEN等人提出的局部對比度策略是一種基于像素級信息進行的目標檢測算法，其基本思路是通過計算每個像素點所在區(qū)域與周圍區(qū)域的差異來突出弱小目標，并抑制背景［14］。文獻［14］中對局部對比度檢測模型進行了詳細介紹，這里簡要概括如下。如圖1所示，局部對比度檢測是通過一個滑動窗口Q模板對每幀圖像E中的像素進行檢測處理，R表示當前幀圖像中目標所在區(qū)域，該方法通過不斷移動模板窗口，使其遍歷整幅圖像后確定出目標位置。圖2表示模板Q內部分割處理方式。模板Q將其所在區(qū)域分割為如圖2所示的9個不同單元，這9個單元大小相同，中心位置被記作“0”號單元。圖1局部對比檢測窗口圖2模板Q內部分割Fig．1LocalcontrastFig．2InternalsegmentationdetectionwindowoftemplateQ檢測步驟如下所述。1)“0”號單元最大像素值為Ln=maxI0jj=1，2，…，N0(1)式中:I0j代表“0”號單元中第j個像素點的灰度值;N0表示每個單元中所含像素總數。2)1～8號單元內平均灰度值為mi=1NiΣiIijj=1，2，…，Ni，i=1，2，…，8(2)式中:Iij表示第i個單元中第j個像素的灰度值;Ni表示第i個單元中所含像素總數;i表示1～8的單元序列號。3)局部對比度值Cn為Cn=mini(L2n/mi)i=1，2，…，8。(3)4)將步驟3)中計算的局部對比度值Cn代替“0”6電光與控制第23卷

恢媚勘晡恢霉蘭疲嚅

本文編號：2548673