基于横纵多尺度灰度差异加权双边滤波的弱小目标检测

为了有效地检测复杂背景下的红外弱小目标,提出了一种基于横纵多尺度灰度差(HV-MSGD)的方法来增强弱目标,并通过距离和像素差异来实现对背景强边的抑制。目标区域与周围区域之间存在不连续性,为了加强它们的差异,HV-MSGD与双边滤波(BF)相结合,可以在抑制背景的同时提高目标强度。进一步通过自适应局部阈值分割和全局阈值分割来提取候选目标。为了进一步验证对单帧检测的影响,将上述单帧检测算法与改进的无迹卡尔曼粒子滤波器(UPF)相结合,实现轨迹检测。实验结果表明,该方法在弱信噪比(SNR)下优于其他方法,在抑制背景的同时可以增强目标,增强效果是其他方法的6-30倍。在实验中,输入信噪比分别为2.78,1.77,1.79,1.13和1.16。图像处理后,背景抑制因子(BSFs)分别为13.48,21.33,11.73,20.63和121.92,信噪比增益(GSNRs)分别为40.09,71.37,27.53,12.65和131。该方法的检测概率(Pd)也优于其他算法。当误报率(FARs)为5×10^-4,1×10^-3,1×10^-3,1×10^-5和7×10^-6,计算五组真实序列图像的Pd为94.4%,92.2%,91.3%,95.6%和96.7%。

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明:该方法适应性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。