论文部分内容阅读
红外小目标检测已广泛应用在精确制导和远程的早期预警等多个领域。然而,由于红外小目标具有尺寸小、信号弱、背景复杂等特点,在红外成像制导系统中,小目标不仅容易受到图像本身的背景、建筑物等干扰,而且在获取或者传输的过程中,受到无法避免的一些噪声的严重干扰,因此给目标检测与跟踪带来了难度。而在对目标进行监测和跟踪前,需要对红外成像制导系统中获取的每一帧图像进行预处理,即对其背景、建筑物、云层、噪声等干扰物做一个去噪处理。红外图像去噪在数字图像处理中一个重要的研究内容。是否能有效地去除红外图像中的噪声,将直接影响着小目标检测跟踪的有效性,所以采取适合的方法进行去噪是一个非常重要的预处理步骤。国内外专家学者们对这些难点进行研究,并相继提出一些具有创新性、鲁棒性和引导性的红外小目标检测与跟踪算法。本人在深入研究关于小目标跟踪前的预处理及检测算法基础上,提出来两种基于图像去噪技术的红外小目标的检测算法,主要工作如下:(1)文中提出了一种基于边缘检测图像去噪的红外小目标检测算法,旨在克服小波去噪方法中缺乏保护图像细节的缺陷。因此我们充分考虑了高斯白噪声的分布特征及噪声特点,是一种频域和空域相结合的去噪方法,其性能的优劣主要取决于小波系数的噪声标准差估计的准确程度以及阈值去噪函数的性能。该算法首先通过边缘检测估计出图像的噪声方差;接着采用多项式阈值函数进行去噪,其中多项式阈值函数的选取对于保护细节特征的同时衰减噪声极其关键;最后,采用简单的全局阈值对去噪后的小波重构图像进行分割,完成红外小目标的检测。实验结果表明,所提出算法在去除噪声的同时保护红外图像的小目标的灰度,使得有效准确的检测出红外小目标,是一种性能良好的基于图像去噪技术的红外小目标检测算法。(2)本文提出了一种基于小波变换的自适应多模去噪红外小目标检测方法。该算法可以根据不同尺度和方向上噪声的分布调整阈值,有效地提高了复杂背景下红外小目标检测的准确性和鲁棒性。首先,将红外图像进行二层离散小波变换,可以看出,第一层三个方向上高斯噪声的小波系数较小,第二层比第一层包含更多的红外小目标信息和较少的噪声,但噪声的小波系数较大;其次,根据噪声的分布特点,第一层采用空间自适应Bayes Shrink阈值进行一次去噪,第二层采用广义交叉验证(GCV)阈值进行二次去噪,并将近似子带的小波系数置零,接着进行小波重构;最后使用简单的全局阈值进行图像分割,完成红外小目标的检测。