紅外圖像處理及弱小目標(biāo)檢測方法研究.pdf

1、紅外成像技術(shù)以其特有的優(yōu)勢在精確制導(dǎo)武器系統(tǒng)中得到廣泛應(yīng)用，研究紅外圖像處理及弱小目標(biāo)檢測技術(shù)對提高紅外成像制導(dǎo)系統(tǒng)的性能具有重要意義。本文圍繞紅外圖像的增強(qiáng)、分割、融合及弱小目標(biāo)檢測方法進(jìn)行了研究，主要工作如下：
　　1、研究了基于Contourlet變換和混沌粒子群優(yōu)化(PSO)的紅外圖像增強(qiáng)方法。利用混沌PSO算法尋找Contourlet變換后低頻和高頻子帶增強(qiáng)函數(shù)中的最優(yōu)參數(shù)，實現(xiàn)了紅外圖像的自適應(yīng)增強(qiáng)。實驗表明，該方法能

2、有效地增強(qiáng)圖像細(xì)節(jié)，抑制噪聲，并明顯改善圖像的整體視覺效果。
　　2、提出了基于混沌PSO和基于分解的兩種二維最小誤差紅外圖像分割方法。前者利用混沌PSO算法搜尋二維最小誤差法的最佳分割閾值，大大減少了冗余計算；后者則將二維最小誤差法的運算轉(zhuǎn)換到兩個一維空間上，計算復(fù)雜度由O(L2)進(jìn)一步降為O(L)。大量實驗結(jié)果表明，兩種方法能夠在分割效果達(dá)到或優(yōu)于現(xiàn)有二維最小誤差法的同時，運行時間大大減少。
　　3、實現(xiàn)了基于循環(huán)平移的

3、復(fù)Contourlet域紅外與可見光圖像融合方法。在利用復(fù)Contourlet變換進(jìn)行圖像融合時，引入循環(huán)平移的思想，有效克服了圖像變換帶來的偽吉布斯現(xiàn)象。與基于小波和Contourlet變換的方法相比，所得圖像的信息量更為豐富。
　　4、給出了基于雙樹復(fù)小波變換(DT-CWT)和核主成分分析(KPCA)的紅外弱小目標(biāo)檢測方法。首先對紅外序列圖像進(jìn)行核主成分分析，將背景從圖像中分離出來；然后將原始圖像與背景圖像相減，對去背景后的圖

4、像進(jìn)行雙樹復(fù)小波變換閾值去噪；最后利用所提出的Tsallis交叉熵法分割出小目標(biāo)。該方法能較好抑制紅外圖像中的背景和噪聲，得到較高的檢測概率。
　　5、探討了基于鄰域灰度熵和分類的紅外弱小目標(biāo)檢測方法。首先對紅外小目標(biāo)圖像進(jìn)行復(fù)Contourlet去噪，在此基礎(chǔ)上，設(shè)計一個滑動窗口并使其掃描整幅圖像，將滑動窗口內(nèi)的像素分為目標(biāo)和背景兩類，利用兩類的灰度均值差及窗口中心像素的鄰域灰度熵進(jìn)行背景抑制，最后采用指數(shù)交叉熵閾值法將小目標(biāo)分