论文部分内容阅读
目前,复杂背景下低信噪比实时鲁棒的红外弱小目标检测算法及满足实时性要求的实现技术仍是一个重大的挑战。难点主要表现在背景复杂多变,图像信噪比低;目标小且淹没在背景中;图像序列帧率高,图像分辨率高,且需要满足实时处理的要求。尤其是当图像序列有高帧率,图像有高分辨率时,传统算法还难以同时满足系统实时性、准确性、稳定性及鲁棒性的要求。在本文中,我们探讨了数字形态学中的Top-hat变换的性质,讨论了作者Bai等提出的引入一个确定判定值t的方法来区分经过Top-hat变换后的图像fT中的真实目标和虚假目标。最后,提出一个简单而有效的目标增强方法,即改进膨胀变换算法。在改进的膨胀变换算法中,首先,利用红外小目标图像中背景和小目标的特征,构造出环形的结构元素;然后用构造的结构元素与图像做膨胀算法,得到膨胀后的图像;接着引入一个确定判定值t来进一步增强目标。最后,分别从定性和定量两个方面验证了基于WDA算子的红外小目标检测算法。实验证明,该算法能够快速有效的检测出红外图像中复杂背景下的弱小目标。与大多数小目标检测算法相比,本节提出的算法在时间消耗上比经典Top-hat将近快1倍。另外,本文在邓鹤等提出的局部熵概念的基础上,提出了局部直方图熵(localhistogramentropymap-LHEM)的概念。接着,讨论了LHEM的边缘检测性能,并与canny算子、sobel算子、roberts算子等边缘检测算子进行比较,实验证明,局部直方图熵具有优越的边缘检测效果。最后,把局部直方图熵运用到红外图像序列的小目标检测中,通过实验可得,LHEM无论在天空背景下还是海面背景下,都能达到增强目标的效果,有较强的鲁棒性。