復(fù)雜背景下的紅外弱小目標(biāo)檢測算法.pdf

1、紅外探測技術(shù)利用目標(biāo)和背景之間的紅外輻射差異來進(jìn)行目標(biāo)探測，具有全天時工作、隱蔽性強(qiáng)和抗干擾性好等優(yōu)點，因而得到了廣泛的應(yīng)用。然而，遠(yuǎn)距離下目標(biāo)成像面積非常小，同時成像目標(biāo)的輻射強(qiáng)度也相對較弱，特別是當(dāng)目標(biāo)處于復(fù)雜的背景環(huán)境中，目標(biāo)甚至可能被復(fù)雜的背景所淹沒，信雜比更低，使得紅外弱小目標(biāo)檢測的難度極大地提高。因此，對復(fù)雜背景下的紅外弱小目標(biāo)檢測技術(shù)進(jìn)行深入研究，有著極為重要的理論意義和實際的工程應(yīng)用價值。
　　本文首先對紅外圖像中

2、的目標(biāo)和背景的輻射特性進(jìn)行了分析，并運用多尺度幾何分析的方法研究了目標(biāo)與背景在不同尺度和不同方向的表現(xiàn)形式，為后面提出新的目標(biāo)檢測算法提供理論支持。
　　其次，介紹了偏微分方程理論在圖像與信號處理中的應(yīng)用，由于其中的各向異性擴(kuò)散方程具有顯著的各向異性，可以將其進(jìn)行離散化處理，運用到濾波中，本文對擴(kuò)散系數(shù)進(jìn)行修正，并通過與原始圖像作差得到一種改進(jìn)的各向異性擴(kuò)散差分濾波。
　　然后，將非下采樣Contourlet變換與奇異值分解

3、引入到紅外弱小目標(biāo)檢測中，提出了一種基于非下采樣Contourlet變換與奇異值分解的紅外弱小目標(biāo)檢測算法。該算法首先將原始圖像進(jìn)行奇異值分解，選取適當(dāng)數(shù)目的奇異值重構(gòu)背景信息；再通過與原始圖像的差分運算來抑制背景；然后進(jìn)行非下采樣Contourlet變換，在變換域中再次利用奇異值分解來保存目標(biāo)信息、抑制背景和濾除噪聲；最終經(jīng)過非下采樣Contourlet反變換即可實現(xiàn)復(fù)雜背景下的紅外弱小目標(biāo)檢測。采用真實的紅外圖像進(jìn)行了仿真實驗，結(jié)果

4、表明了該算法的有效性。
　　最后，研究了Surfacelet變換，提出了一種基于Surfacelet變換與各向異性擴(kuò)散方程的紅外弱小目標(biāo)檢測算法。該算法首先利用Surfacelet變換對原始圖像進(jìn)行分解，得到一系列的高頻方向子帶和低頻子帶；然后分別采用各向異性擴(kuò)散差分濾波和局部去均值濾波對高頻方向子帶和低頻子帶進(jìn)行處理，以此來突顯目標(biāo)和抑制背景，最終實現(xiàn)復(fù)雜背景下的紅外弱小目標(biāo)檢測。采用真實的紅外圖像進(jìn)行了仿真實驗，實驗結(jié)果表明該