基于双树复小波变换的红外小目标检测算法

发布时间：2022-10-11 19:44

　　双树复小波分析是一种有效的图像处理方法,但是将其直接应用于红外小目标检测时,由于其对图像中的高频信息特别敏感,无法在保留目标的同时有效地滤除噪声。论文充分利用双树复小波方法方向性好的优点,并针对其高频敏感问题,提出了一种基于双树复小波变换与图像熵的红外小目标检测算法,从而能够有效去除图像中的杂波,同时凸显出小目标。该算法首先对原始图像进行双树复小波分解,将其低频子带置零,并利用高频子带进行双树复小波重构;接着,对重构后的图像进行二次双树复小波分解,并采用改进的Top-Hat算子对分解后的低频子带进行滤波,同时保留分解后±15°方向的子带,并通过高通滤波对其进行处理;之后,将滤波后的低频子带图像与原低频子带图像进行差分,得到低频差分图像;最后,利用低频差分图像与滤波后的高频子带图像进行红外图像重构,并通过局部图像熵进行加权,从而提取出红外小目标。实验结果表明,与对比算法相比,本文算法在BSF与SCRG方面表现优越,可以有效抑制背景中的杂波并提高小目标的信杂比。 

【文章页数】：8 页

【文章目录】：
1 引 言
2 红外小目标检测算法
    2.1 双树复小波变换
    2.2 改进Top-Hat
    2.3 局部图像熵
    2.4 算法实现步骤
3 实验结果及分析
4 结 语


【参考文献】：
期刊论文
[1]基于最大中值滤波和K-means聚类红外弱小目标检测[J]. 岳付昌.  光电技术应用. 2018(05)
[2]基于自适应TDLMS算法的弱小目标检测算法[J]. 王喜军.  电光与控制. 2018(03)
[3]基于小波变换和改进Top-Hat滤波的红外小目标检测[J]. 张宁,辛云宏.  激光与红外. 2016(11)
[4]基于剪切波变换和邻域差分的小目标检测算法[J]. 熊上导,易凡,何超,严赵军.  红外技术. 2015(01)
[5]基于改进的剪切波变换和引导滤波的红外弱小目标背景抑制方法[J]. 荣生辉,刘刚,周慧鑫,秦翰林,钱琨,延翔,赵东.  光子学报. 2015(02)
[6]基于小波变换与图像增强技术的红外小目标检测[J]. 侯洁,辛云宏.  激光与红外. 2013(06)
[7]基于曲面波变换的红外弱小目标背景抑制[J]. 秦翰林,梁宇恒,周慧鑫,赖睿,刘上乾.  系统工程与电子技术. 2011(10)
[8]利用小波变换与Gabor滤波检测红外小目标[J]. 罗晓清,吴小俊.  红外与激光工程. 2011(09)
[9]基于无下采样Contourlet变换和独立分量分析的红外弱小目标检测[J]. 吴一全,纪守新,占必超.  光学学报. 2011(05)
[10]基于非下采样Contourlet变换的红外小目标检测方法[J]. 刘兴淼,王仕成,赵静,刘志国,刘太阳.  红外. 2011(01)



本文编号：3691176