復雜背景下低信噪比實時魯棒的弱小目標自動檢測技術.pdf

1、目前,復雜背景下低信噪比實時魯棒的紅外弱小目標檢測算法及滿足實時性要求的實現(xiàn)技術仍是一個重大的挑戰(zhàn)。難點主要表現(xiàn)在背景復雜多變,圖像信噪比低;目標小且淹沒在背景中;圖像序列幀率高,圖像分辨率高,且需要滿足實時處理的要求。尤其是當圖像序列有高幀率,圖像有高分辨率時,傳統(tǒng)算法還難以同時滿足系統(tǒng)實時性、準確性、穩(wěn)定性及魯棒性的要求。
　　在本文中,我們探討了數(shù)字形態(tài)學中的Top-hat變換的性質(zhì),討論了作者Bai等提出的引入一個確定判定

2、值t的方法來區(qū)分經(jīng)過Top-hat變換后的圖像fT中的真實目標和虛假目標。最后,提出一個簡單而有效的目標增強方法,即改進膨脹變換算法。在改進的膨脹變換算法中,首先,利用紅外小目標圖像中背景和小目標的特征,構造出環(huán)形的結構元素;然后用構造的結構元素與圖像做膨脹算法,得到膨脹后的圖像;接著引入一個確定判定值t來進一步增強目標。最后,分別從定性和定量兩個方面驗證了基于WDA算子的紅外小目標檢測算法。實驗證明,該算法能夠快速有效的檢測出紅外圖像

3、中復雜背景下的弱小目標。與大多數(shù)小目標檢測算法相比,本節(jié)提出的算法在時間消耗上比經(jīng)典Top-hat將近快1倍。
　　另外,本文在鄧鶴等提出的局部熵概念的基礎上,提出了局部直方圖熵(local histogram entropy map-LHEM)的概念。接著,討論了LHEM的邊緣檢測性能,并與canny算子、sobel算子、roberts算子等邊緣檢測算子進行比較,實驗證明,局部直方圖熵具有優(yōu)越的邊緣檢測效果。最后,把局部直方圖熵