基于时空高阶累积量与各向异性背景抑制的红外弱小目标检测算法

为了改善弱小目标的检测准确度,设计了时空高阶累积量耦合各向异性背景抑制的红外弱小目标检测算法。首先,根据红外图像的边缘停止函数,考虑弱小目标与背景的差异,构建各向异性背景抑制方案,以弱化背景干扰;随后,基于传统的高阶累积量,考虑空域特性,利用弱小目标的运动能量来建立一种时空高阶累积量方案,对背景抑制结果中的候选目标进行增强处理;最后,引入尺度空间理论,计算弱小目标的直径,以此改进了管道滤波方案,以充分消除伪目标,从而准确检测弱小目标。测试数据表明,相对于已有的红外目标检测方案,在噪声与杂波环境下,所提方案可以准确地识别出真实目标,具有更高的信杂比增益与背景抑制因子,呈现出更好的ROC曲线。

基于差异结构描述符与自适应侧抑制的红外弱小目标检测算法

为了提高复杂背景下的弱小目标的检测精度,提出了基于差异结构描述符与自适应侧抑制的红外弱小目标检测技术。首先,引入非局部均值滤波,对红外图像进行预处理,降低噪声的干扰;随后,计算输入滤波红外图像的梯度值,引入奇异值分解方法,在梯度域内获取特征信息,从而确定主方向;为了能够根据红外图像的信息变化来自适应增强弱小目标与抑制背景,利用奇异值分解获取的主方向来计算侧抑制系数;并利用特征信息,构建差异结构描述符,联合改进的侧抑制系数,形成了一个自适应侧抑制滤波器,降低其对噪声的敏感性,以更好地对红外图像中的每个像素进行处理;最后,定义像素灰度补偿函数,完成弱小目标检测。实验结果显示:与当前红外弱小目标检测技术相比,在噪声与复杂背景情况下,所提算法能够准确完整地检测出弱小目标,具有更高的信杂比增益与背景抑制因子,呈现出更理想的ROC曲线。