论文部分内容阅读
红外小目标检测技术作为红外成像系统中的核心技术之一,其算法性能在军事领域有着重要的意义和价值。红外小目标图像中目标特性与背景特性有着显著的差异,这是背景抑制技术的基本条件。从这一角度出发,论文介绍了几种背景抑制技术。论文详细介绍了一种新型的top-hat变换技术,它与经典top-hat变换技术的不同之处在于它是选取两个不同但紧密相关的结构元素,充分利用了目标区域与其周围背景区域的差异,与经典的top-hat变换相比,它能较好的抑制背景。基于形态学的top-hat变换技术的关键是结构元素的选取,结构元素的不同会得到差异很大的效果,其缺点是需要较好的先验知识,另外当图像信噪比较低时,仅靠单帧的top-hat变换技术很难检测出目标。论文提出了一种新的基于背景重建的背景抑制技术,它具有自动实现无需任何先验知识约束的优点。从像素邻域出发,首先对任意相邻两帧图像f1和f2分别做分块处理,对f1中的某像素块,从f2中搜索其最近邻的k个像素块,然后在满足最小重建误差的条件下,用这k个像素块重建该像素块,对f1中的每个像素块做相同的处理,最后得到重建的背景图像。此时背景可以很好的重建,而目标重建的误差较大,这样就可以去除绝大部分背景的干扰,使目标凸显出来。该方法适用于背景起伏不是很强烈,场景中目标较小的情况。论文还提出了一种新的图像分割的方法——最小非均衡图切割的方法,该方法从切割能量的角度出发,寻求最优的切割阈值,分割精度较高。针对序列图像中稳定存在的虚假目标干扰,提出采用adaboost学习的方法来区分真正的目标和虚假目标,实现红外小目标的低虚警率检测,这种方法能够得到较好的求精结果。由于该方法需要事先选取样本,提取样本的运动信息进行训练,所以该方法实时性不好。