一种新的红外复杂背景自适应抑制算法

为了解决低信噪比非平稳复杂云层背景下红外弱小目标检测问题,提出了一种新的基于Facet模型的正则化双向扩散滤波算法.该算法采用Facet模型拟合图像曲面,并设计了平均方向导数梯度算子描述拟合图像曲面的多向梯度特征,以准确识别目标和背景的特征差别.结合平均方向导数梯度算子,设计了一种新的正则化双向扩散背景抑制技术.与传统算法相比,这种算法能够依据目标和背景的特征差别自适应地在前向扩散(目标增强)和后向扩散(背景抑制)之间切换,以实现在抑制背景杂波的同时增强目标.理论分析和实验结果表明,这种算法对包含强纹理结构的非平稳复杂云层背景杂波具有良好的抑制作用,并且算法结构简单,运算量小,易于硬件实时实现.

基于复杂背景的红外弱小目标识别

为了降低红外图像中弱小目标检测的虚警率,提升图像边缘处理效果,提出一种基于局部对比度联合facet小面模型的红外弱小目标检测改进算法。首先采用高斯滤波去除图像中高斯噪声。然后,利用改进算法进行图像子块遍历,去除图像中可疑的弱小目标。最后,利用facet模型方向导数特征得到不同方向的弱小目标梯度分布,使算法具有良好的边缘处理特性,从而获得待处理图像中真实的弱小目标。实验结果表明,与传统算法相比,改进算法的虚警率最低,大大提高了图像边缘处理效果。