基于区域生长与区域覆盖比的红外弱小目标检测

为了提高复杂背景下红外弱小目标的检测能力,提出了一种基于区域生长与区域覆盖比的新方法。本文中主要针对目标的三个特征:1)目标的最大灰度值与邻域背景之间存在较为明显的灰度间隙;2)目标在局部范围内具有较高的灰度值;3)目标像素分布较为紧凑,建立了一种新的小目标检测算法。首先,对原始图像计算局部对比度并筛选出候选种子点。其次,对每个候选种子点在原始图像上进行阈值区域生长算法并计算得到区域覆盖比(RCR)。然后,使用自适应尺寸的三层窗口计算得到自适应灰度差(AGVD)。最后,采用阈值分割方法分离出真实目标。通过在真实测试数据集上的实验表明,与现有算法相比,所提出的算法具有较高的检测精度和较低的虚警率。

基于改进加权增强局部对比度测量的红外小目标检测方法

红外弱小目标检测技术是红外搜索与跟踪系统的重要组成部分(IRST)。一般来说,在复杂背景环境下,红外弱小目标检测往往会有高虚警率和低检测率的问题。为了解决这一问题,提出一个改进的加权增强局部对比度测量(IWELCM)检测框架,具有重要意义。首先,通过将局部对比度机制与信杂比(SCR)的计算相结合,提出一个增强的局部对比度测量方法,在增强图像中疑似红外弱小目标区域的同时也提高图像的SCR。其次,通过利用红外图像中弱小目标的特性,以及目标与周围背景的统计差异,提出一个改进的加权函数来进一步增强目标和抑制背景。最后,采用一个自适应阈值分割的方法去获取检测的目标。在不同场景的数据集上的对比实验表明,与七种现有流行的方法相比,提出方法在复杂背景下能够有效地从干扰对象中提取真实的红外弱小目标,具有更好的检测性能。