復(fù)雜背景下低信噪比實(shí)時(shí)魯棒的弱小目標(biāo)自動(dòng)檢測技術(shù).pdf

1、目前,復(fù)雜背景下低信噪比實(shí)時(shí)魯棒的紅外弱小目標(biāo)檢測算法及滿足實(shí)時(shí)性要求的實(shí)現(xiàn)技術(shù)仍是一個(gè)重大的挑戰(zhàn)。難點(diǎn)主要表現(xiàn)在背景復(fù)雜多變,圖像信噪比低;目標(biāo)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(shí)時(shí)處理的要求。尤其是當(dāng)圖像序列有高幀率,圖像有高分辨率時(shí),傳統(tǒng)算法還難以同時(shí)滿足系統(tǒng)實(shí)時(shí)性、準(zhǔn)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(xué)中的Top-hat變換的性質(zhì),討論了作者Bai等提出的引入一個(gè)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(shí)目標(biāo)和虛假目標(biāo)。最后,提出一個(gè)簡單而有效的目標(biāo)增強(qiáng)方法,即改進(jìn)膨脹變換算法。在改進(jìn)的膨脹變換算法中,首先,利用紅外小目標(biāo)圖像中背景和小目標(biāo)的特征,構(gòu)造出環(huán)形的結(jié)構(gòu)元素;然后用構(gòu)造的結(jié)構(gòu)元素與圖像做膨脹算法,得到膨脹后的圖像;接著引入一個(gè)確定判定值t來進(jìn)一步增強(qiáng)目標(biāo)。最后,分別從定性和定量兩個(gè)方面驗(yàn)證了基于WDA算子的紅外小目標(biāo)檢測算法。實(shí)驗(yàn)證明,該算法能夠快速有效的檢測出紅外圖像

3、中復(fù)雜背景下的弱小目標(biāo)。與大多數(shù)小目標(biāo)檢測算法相比,本節(jié)提出的算法在時(shí)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(chǔ)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(jìn)行比較,實(shí)驗(yàn)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