复杂环境下弱信号中的红外小目标自动检测

发布时间：2021-04-09 02:19

　　现有的红外小目标自动检测方法存在着抗复杂背景能力差、误检率高的缺陷,为了解决上述问题,提出复杂环境下弱信号中的红外小目标自动检测方法研究。根据设计的红外小目标自动检测方法框架图,采用形态学处理方法抑制红外图像背景,并运用contrast box算法分割红外图像,得到二值化红外图像。以得到的二值化红外图像为依据,结合计算得到的信号增量自动搜索小目标红外图像序列。以小目标红外图像序列为基础,通过数学模型实现红外小目标的自动检测。通过仿真实验结果显示,与现有红外小目标自动检测方法相比较,提出的红外小目标自动检测方法极大的提升了抗复杂背景能力,降低了误检率,充分说明提出的红外小目标自动检测方法具备更好的检测效果。 

【文章来源】：激光杂志. 2020,41(10)北大核心

【文章页数】：5 页

【部分图文】：

红外小目标自动检测方法框架图

根据公式(5)得到的结果设置“回”形窗口，如图2所示。如图2所示，设置的“回”形窗口外窗比内窗大2h个像元。由于光学系统的像差效应，获取的红外图像通常情况下是弥散的，因此，根据可知弥散斑理论计算得到的“回”形窗口外窗比内窗大2～3个像元，则h取值为2或者3[13]，为红外图像平均灰度差值的计算提供窗口支撑[14]。设置Tgt W=2w,Tgt H=2h，红外图像像素点为f(x,y)，内、外窗口灰度值之和分别为:

以得到的二值化红外图像为依据，通过计算得到相应的信号量，以相邻步长帧之间信号量的增量为基础，自动搜索小目标红外图像序列[17]。具体红外小目标序列自动搜索过程如下图3所示。以上述得到的二值红外图像为基础，统计其中灰度值为1的像素点个数，将该值作为计算信号量。则第n帧红外图像信号量表示为:

【参考文献】：
期刊论文
[1]基于Contourlet及目标特性分析的弱小红外目标检测[J]. 王华兵,万烂军.  电子测量与仪器学报. 2019(03)
[2]基于时空非局部相似性的海上红外弱小目标检测[J]. 张素,安博文,潘胜达.  光子学报. 2018(11)
[3]基于统计特征和桥梁方法的红外弱小目标检测算法[J]. 韩志华,刘晶红,徐芳.  激光与光电子学进展. 2019(06)
[4]基于自适应Gabor滤波的红外弱小目标检测[J]. 史漫丽,凌龙,吴南,原娜.  红外技术. 2018(07)
[5]目标运动轨迹匹配式的红外-可见光视频自动配准[J]. 王洪庆,许廷发,孙兴龙,李相民,刘太辉.  光学精密工程. 2018(06)
[6]基于融合显著图和高效子窗口搜索的红外目标分割[J]. 刘松涛,刘振兴,姜宁.  自动化学报. 2018(12)
[7]基于引导滤波和模糊算法的红外背景抑制算法[J]. 郭佩瑜,张宝华.  激光技术. 2018(06)
[8]基于人类视觉机制的红外目标检测方法[J]. 王瑞,朱志宇,张冰.  火力与指挥控制. 2017(10)
[9]旋转复杂背景中红外运动小目标实时检测[J]. 闫钧华,段贺,艾淑芳,李大雷,许倩倩.  电子科技大学学报. 2017(05)
[10]基于改进LCM的红外小目标检测算法[J]. 张祥越,丁庆海,罗海波,惠斌,常铮,张俊超.  红外与激光工程. 2017(07)



本文编号：3126719