基于双门滤波的红外点目标检测方法

讨论了红外图像点目标的检测问题。针对红外点目标无形状特征、SNR很低的特点,分析常用的最大中值滤波的优缺点,提出了改进的双门滤波器,并用之来对图像进行目标检测。该算法通过选取合适的目标窗和背景框的大小,分别计算窗、框内的平均值和方差来决定滤波器的输出,在目标窗与背景框间加缓冲带从而降低了目标与背景的误分辨。经过大量实验验证表明,该方法能够较大程度提高目标图像的信噪比,有效地检测出小目标。

强噪声背景下红外弱小目标的快速检测方法

提出了一种强噪声背景下弱小目标的快速检测方法,解决了在此背景下存在厚云层和大运动杂波的问题。在分析了强噪声背景图像之后,提出了采用矩形结构元的形态滤波算子进行背景抑制,对处理后的图像进行双门滤波,实验结果令人满意,易于硬件实现。

起伏背景的小目标快速检测算法

分析了双门滤波算法抑制噪声能力强的特性,针对其在计算目标门和背景门均值和方差时计算量大的缺点,提出了一种快速双门滤波算法,该方法利用两个与图像一样大的二维数组来保存中间结果,这两个数组的元素值分别代表图像左上角所有像素的和与平方和,则计算目标门和背景门的均值和方差时可将M×N次加法和一次除法简化为两次减法、一次加法和一次除法运算,从而大大减少运算量,本算法的计算量从理论上讲仅为传统双门滤波运算量的3/M×N,且计算量不会随目标门、背景门尺寸的增加而增加(M、N分别代表背景门的高度和宽度)。运用快速双门滤波抑制背景和噪声,初步检测出目标,然后再利用目标运动的连续性剔除虚假目标,实现运动目标的最终检测。试验结果表明:该算法能够对小目标进行有效的检测。