基于多结构元素的云杂波背景小目标检测算法

背景抑制是小目标检测的基础。传统的形态学单一结构元素,对云杂波背景滤波常留下强云层边缘,增加了后续处理的复杂程度。针对这一问题,在分析云层边缘形状和结构元素选择方法的基础上,构造与云层边缘相关的多结构元素。并用基于多结构元素的小目标检测算法,对云杂波背景图像仿真,仿真结果表明,该算法对云杂波背景抑制效果好,提高图像的信噪比,有效检测出小目标。

基于多结构元素的云杂波背景抑制算法

在分析小目标与背景特性的基础上,根据云层边缘几何形状,构造出灰度形态学多结构元素。用多结构形态开运算对含有小目标的云杂波背景图像进行背景抑制,然后利用全局阈值分割方法将背景抑制后的图像转化为二值图像,提取图像中的小目标。仿真试验表明,该算法对两种云杂波背景均能有效抑制,提高图像的信噪比,减轻后续运算的复杂性。

基于时域廓线的云杂波背景下红外弱小目标检测

根据目标和背景时域特性,建立了目标、云杂波边缘、干净天空背景以及云内部四种像素点的时域模型。并以这四种时域模型为基础,提出了一种云杂波背景下基于时域廓线的弱小目标的检测方法。检测前利用最大中值滤波器进行空域处理,去除了大部分云边缘虚警点。理论分析和实验结果表明,该算法能有效检测出云杂波背景下的小目标。

云杂波成像背景的时序多帧投影抑制

为提高空间目标天基实时监视能力,对美国在空间中段实验卫星上搭载的空间目标在轨检测与跟踪信号处理器采用的基于时序多帧投影策略的MTI(Moving Target Indicator)算法进行了深入研究,并提出了一种基于时序差分标准化最大值投影的云杂波背景抑制算法。系统地阐述了时序多帧投影算法的思想与典型投影算子的设计方法;针对云杂波成像场景,对MTI算子提出了两点改进方法,即引入相邻帧差分算子与次序统计量中值估计算子来提高对云杂波成像背景的抑制能力,增强背景抑制算法的稳健性;最后,利用实际获取的云层背景图像数据库,仿真比较了不同投影算法的性能差异及影响算法性能的主要因素。仿真实验结果表明:对于输入信杂比小于2.0的弱小目标图像,本文算法的输出信杂比达到5.8以上,比MTI算法平均提高了1.0左右,有效解决了云杂波成像背景的弱小目标检测问题。

基于背景抑制的4种红外小目标检测算法比较

背景抑制是红外小目标检测的关键技术。对空域高通滤波、最大中值滤波、单一结构元素形态学和多结构元素形态学的背景抑制原理进行分析,并在云杂波背景条件下对4种算法进行仿真并作比较。仿真结果表明多结构元素形态学算法性能最好,最大中值滤波算法次之,单一结构元素形态学算法稍差些,高通滤波算法最差。

基于形态学的多级滤波背景抑制算法

传统的形态学单一结构元素,对云杂波背景滤波常留下强云层边缘及类似于目标的噪声,增加了后续处理的复杂程度。针对这一问题,提出了一种多级滤波思想。采用不同方向的线性结构元素进行形态学滤波,通过滤波尽可能准确地保留图像背景,然后与原图差分,将得到的图像再用矩形结构元素进行形态学开运算。仿真结果表明,该算法对云杂波背景抑制效果好,提高了图像的信噪比。

基于背景抑制的4种红外小目标检测算法比较

背景抑制是红外小目标检测的关键技术。对空域高通滤波、最大中值滤波、单一结构元素形态学和多结构元素形态学的背景抑制原理进行分析，并在云杂波背景条件下对4种算法进行仿真并作比较。仿真结果表明多结构元素形态学算法性能最好．最大中值滤波算法次之，单一结构元素形态学算法稍差些，高通滤波算法最差。