為了提高單幀紅外圖像的檢測概率,穩(wěn)定檢測到圖像序列中的弱小目標,基于改進的雙邊濾波與多項式擬合,提出了一種復雜天空背景下的紅外弱小目標檢測算法。在傳統(tǒng)雙邊濾波算法的權值系數(shù)中引入背景相關度因子,有效降低了背景抑制時目標點的影響,提高了目標區(qū)域的信噪比以及單幀圖像的檢測率。為了進一步剔除虛假目標,基于融合目標運動特征,對目標點進行多幀確認。針對序列檢測中目標閃爍造成的目標漏檢,引入多項式擬合算法對下一幀目標位置進行預測,有效避免了目標軌跡截斷的問題。實驗結果表明,在信噪比小于2的情況下,該算法能夠穩(wěn)定檢測到復雜天空背景下的弱小目標軌跡。 

【文章來源】：光學學報. 2020,40(05)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

目標軌跡檢測結果對比。

從(6)式可以看出,在預測中心像素(i,j)的灰度值時,其鄰域像素(p,q)的灰度與局部背景的平均灰度越接近時,背景相關度因子c越大,即(p,q)所占權重越大;當兩者的差值越大時,c越小,即(p,q)的權重變小。當中心像素移動到目標區(qū)域時,由于目標灰度值高于背景平均灰度且呈高斯分布,通過計算可知目標區(qū)域中心的背景相關度最小,并且向邊緣方向逐漸增大,如圖1所示。此時,通過背景相關度因子的調節(jié),鄰域像素的權重較傳統(tǒng)雙邊濾波算法有所降低,目標像素的灰度得到抑制。3 序列檢測算法

l max = f?v/u S 。 ??? (7)假設第k幀中的目標位置為xk,則相鄰兩幀間的目標點一定滿足條件|xk+1-xk|≤lmax。當目標作轉彎運動時,目標在連續(xù)三幀的位置如圖3所示,其中l(wèi)1=|xk-xk-1|,l2=|xk+1-xk|,l3=|xk+1-xk-1|,則轉彎角φ為

【參考文獻】：
期刊論文
[1]基于時域信噪比的紅外弱小目標檢測（英文）[J]. 劉炎,王濤,陳凡勝,蘇曉鋒.  太赫茲科學與電子信息學報. 2019(01)
[2]背景自適應的多特征融合的弱小目標檢測[J]. 陸福星,陳忻,陳桂林,饒鵬.  紅外與激光工程. 2019(03)
[3]基于時空非局部相似性的海上紅外弱小目標檢測[J]. 張素,安博文,潘勝達.  光子學報. 2018(11)
[4]基于RPCA的單幀紅外小目標檢測算法[J]. 樊俊良,高永明,吳止鍰,李磊.  兵器裝備工程學報. 2018(11)
[5]基于各向異性雙邊濾波紅外背景抑制方法研究[J]. 王濤,陳凡勝,蘇曉鋒.  湖南大學學報(自然科學版). 2018(02)
[6]滑動置信度約束的紅外弱小目標跟蹤算法研究[J]. 曾溢良,藍金輝,鄒金霖.  兵工學報. 2017(09)
[7]基于相關濾波器的紅外弱小目標檢測算法[J]. 何玉杰,李敏,張金利,邢宇航.  光學學報. 2016(05)
[8]魯棒的高斯和容積卡爾曼濾波紅外目標跟蹤算法[J]. 吳昊,陳樹新,楊賓峰,陳坤.  紅外與毫米波學報. 2016(01)
[9]基于改進的剪切波變換和引導濾波的紅外弱小目標背景抑制方法[J]. 榮生輝,劉剛,周慧鑫,秦翰林,錢琨,延翔,趙東.  光子學報. 2015(02)
[10]采用尺度空間理論的紅外弱小目標檢測方法[J]. 龔俊亮,何昕,魏仲慧,朱弘,郭立俊.  紅外與激光工程. 2013(09)

博士論文
[1]復雜空間環(huán)境下紅外弱小目標高可靠檢測方法研究[D]. 王濤.中國科學院大學(中國科學院上海技術物理研究所) 2017
[2]紅外序列圖像中運動弱小目標時域檢測方法[D]. 王博.西安電子科技大學 2010



本文編號：3603537