基于局部行像素对比度的红外弱小目标检测

发布时间：2019-10-13 12:46

【摘要】：针对天空背景下云层对弱小目标的干扰,以及靶场实验中观测设备所产生的拖影现象对目标检测所带来的干扰等问题,提出了一种基于局部行像素对比度的空中红外弱小目标检测算法,用于检测低信噪比条件下的空中红外弱小目标。该方法利用中值滤波和形态滤波获取滤波图像,结合目标区域像素特点提取滤波图像中感兴趣区域,然后利用局部行像素对比度的方法检测目标位置,极大提高了检测效率,缩短了检测时间。从理论上介绍和分析了该算法对红外弱小目标图像检测算法的有效性,并通过Matlab仿真实验与其他检测算法进行了对比。实验结果表明,所提算法能够在低信噪比条件下更加有效地检测出空中红外弱小目标,检测精度更高、效果更好。
【图文】：

枷窠鈉写?理，提高图像的信噪比，然后利用本文提出的局部行像素对比度方法对目标进行检测，这样可以通过单帧图像检测出红外弱小目标，，最后结合Kalman滤波预估计位置信息的方法，进行位置目标位置估计，为下一帧目标检测缩小范围，提高检测效率。2本文算法的相关知识由CHEN等人提出的局部对比度策略是一种基于像素级信息进行的目标检测算法，其基本思路是通过计算每个像素点所在区域与周围区域的差异来突出弱小目标，并抑制背景［14］。文献［14］中对局部对比度检测模型进行了详细介绍，这里简要概括如下。如图1所示，局部对比度检测是通过一个滑动窗口Q模板对每帧图像E中的像素进行检测处理，R表示当前帧图像中目标所在区域，该方法通过不断移动模板窗口，使其遍历整幅图像后确定出目标位置。图2表示模板Q内部分割处理方式。模板Q将其所在区域分割为如图2所示的9个不同单元，这9个单元大小相同，中心位置被记作“0”号单元。图1局部对比检测窗口图2模板Q内部分割Fig．1LocalcontrastFig．2InternalsegmentationdetectionwindowoftemplateQ检测步骤如下所述。1)“0”号单元最大像素值为Ln=maxI0jj=1，2，…，N0(1)式中:I0j代表“0”号单元中第j个像素点的灰度值;N0表示每个单元中所含像素总数。2)1～8号单元内平均灰度值为mi=1NiΣiIijj=1，2，…，Ni，i=1，2，…，8(2)式中:Iij表示第i个单元中第j个像素的灰度值;Ni表示第i个单元中所含像素总数;i表示1～8的单元序列号。3)局部对比度值Cn为Cn=mini(L2n/mi)i=1，2，…，8。(3)4)将步骤3)中计算的局部对比度值Cn代替“0”6电光与控制第23卷

恢媚勘晡恢霉兰疲嚅

本文编号：2548673