基于稀疏分解的紅外小目標背景抑制算法研究.pdf

1、紅外小目標檢測被應(yīng)用于多領(lǐng)域當中，隨著科技的不斷進步，紅外技術(shù)的發(fā)展對于天空預(yù)警系統(tǒng)、跟蹤系統(tǒng)、視頻監(jiān)控等領(lǐng)域有著重要的意義。紅外目標圖像主要特點是：隱蔽性強、成像質(zhì)量高。遠距離的紅外成像目標通常隱藏在結(jié)構(gòu)化的背景雜波中，目標距離較遠、噪聲影響且圖像信噪比低，紅外圖像無法表征場景的細節(jié)信息，導(dǎo)致目標和邊界模糊不清，后續(xù)紅外小目標的檢測技術(shù)面臨著較大的困難。近年來稀疏分解理論得到廣泛應(yīng)用，但是還面臨著進一步的探索，而基于濾波的目標檢測方法

2、不能準確的從背景雜波中分離目標，源圖像中小目標占用的像素點少，但是紅外成像過程中噪聲較多、雜波干擾嚴重、對比度低、目標信號強度相對較弱、易被強度較強的雜波所影響，可以利用的細節(jié)特征較少。針對紅外小目標圖像的特點、特性分析，其背景特征較多，受噪聲雜波滋擾嚴重導(dǎo)致目標辨認精度低等問題，為了加強主成分分析對稀疏噪聲的魯棒性，本文提出了關(guān)于紅外小目標圖像背景抑制算法，研究基于低秩稀疏分解和調(diào)諧引導(dǎo)濾波的背景預(yù)測模型，更加高效的抑制噪聲雜波干擾、

3、提高目標圖像的對比度。
　　本文提出的背景抑制算法：1.運用稀疏分解理論對紅外小目標圖像進行分解，得到低秩成分和稀疏成分。因為紅外目標點的周圍的像素點與其它背景區(qū)域部分的像素點灰度值之間關(guān)聯(lián)性差，在圖像的整體特征中呈現(xiàn)為孤立點，稀疏分解利用這一特性，實現(xiàn)背景與目標的完整分化。2.采用引導(dǎo)濾波算法增強目標區(qū)域邊緣紋理信息，平滑雜波抑制噪聲。采用閾值算法對預(yù)處理后的圖像，提取目標信號且增強紅外圖像的檢測性能。3.基于稀疏分解和濾波增強

4、算法建立紅外圖像背景預(yù)測模型，利用噪聲的稀疏性最大化分離噪聲，減少強噪聲滋擾導(dǎo)致的目標點誤判，抑制背景雜波及噪聲。4.根據(jù)紅外圖像的背景統(tǒng)計特性建立適應(yīng)背景變化的調(diào)諧保邊模型，提高背景預(yù)測精度。
　　本文提出的背景抑制算法方案可有效提高紅外目標檢測的魯棒性和精準度，為紅外預(yù)警偵察系統(tǒng)提供準確的檢測手段，對提高紅外圖像的檢測概率、檢測范圍和監(jiān)測效果具有重大現(xiàn)實意義。通過實驗驗證，本文選取的方案對紅外小目標圖像具有較好的背景抑制效果。