面向自动目标跟踪红外图像序列复杂度度量

红外图像复杂度度量是自动目标识别及其跟踪性能评估的重要组成部分。传统的度量指标如统计方差、信杂比等针对的皆是单帧图像,而对于图像序列复杂度度量的研究寥寥无几。针对该问题,提出一种面向自动目标跟踪的红外图像序列复杂度度量方法。首先,对影响目标识别及其跟踪因素进行分析,明确了红外图像序列中影响目标识别及其跟踪的具体原因,以此为依据构建基于特征空间的目标混淆度和目标遮隐度指标;其次,通过灰色关联法优化特征空间,使目标混淆度和目标遮隐度指标更加合理;最后,结合识别与跟踪的特点,选择合适的加权平均函数和非线性变换函数,实现图像序列复杂度度量。实验表明,与图像序列评价指标如序列相关度、帧间目标变化度相比,文中提出的评价指标与跟踪误差的单调关系更好,是一种有效的图像序列复杂度评价标准。

一种新的红外目标图像质量评价方法

目标混淆度(DTC)和目标遮隐度(DTS)是两个有效的红外小目标图像质量评价指标,然而它们不能够评价大目标图像的质量。针对该问题,对两个指标的定义进行了拓展,实现了对红外小目标图像质量和红外大目标图像质量的统一描述。对于小目标图像,修正了两个指标原有的计算方法,分别体现了背景噪声引入虚警的能力和背景区域遮隐目标的能力;对于大目标图像,提出了该图像条件下两个指标的计算方法,分别体现了背景区域与目标区域的相似程度以及图像中目标信息与已知信息相比偏离的程度。理论分析和实验证明,与传统的图像质量评价标准如信噪比、杂波尺度等相比,本文方法在红外自动目标识别中的应用更为有效,其评价结果与实际情况更加吻合。