论文部分内容阅读
红外技术的发展促使其应用领域覆盖到军事、医疗、通信等方面。由于红外图像成像易受雨、雾、霾等恶劣天气的影响,红外目标在图像上面积小,缺乏纹理信息。因此,复杂背景条件下红外弱小目标检测一直是图像领域的研究热点和难点。为了实现目标的精确检测,本文基于人眼视觉注意机制,深入研究目标与背景的差异,利用目标的信息熵、灰度、梯度、频域等多方面信息,提取目标的显著性特征,并提出了三种针对复杂背景下红外弱小目标的检测算法。本文的主要工作和成果如下:1.红外背景占据着红外图像除目标外的所有面积,有效地抑制背景可以提高目标检测的准确度。论文提出一种基于背景抑制与多尺度局部熵的显著性检测算法。算法首次将导向图滤波器用于红外背景预测,预测图像能够很好地保留图像的纹理特征,与原图差分之后就可以得到背景抑制后的图像。其次,研究了红外目标的信息熵特征,由于传统的局部熵计算方式只利用了图像的灰度分布特性,并没有利用到目标的灰度空间分布特性,论文提出了一种新的局部熵计算方式,并与多尺度理论相结合,能更好的增强目标显著性。然后,结合红外目标的灰度分布特征,改进了SUSAN滤波器,使得算法的稳健性进一步提升。最后,用不同背景的红外图像进行仿真实验,并与多种算法进行对比分析,证明了该算法的稳健性。2.红外图像为单通道图像,目标最直接的信息就是灰度信息。目标在空间上类高斯分布,具有各向同性的特征,背景则是各向异性。利用这个差异,论文提出一种基于多通道改进DoG滤波的显著性检测算法。算法针对传统DoG滤波器缺乏方向滤波能力的问题,通过加入角度信息改进滤波算子,改进后的滤波算子具有局部方向性。再进行多通道多方向的滤波,能够很好地抑制各类背景。同时,针对目标呈高斯分布而背景杂波呈条带状分布的特征,提出一种通过计算灰度均值和方差就可以增强目标显著性的方法。通过实验分析,证明该算法具有良好的鲁棒性和可靠性。3.基于人眼视觉注意机制,目标的显著性就是目标与背景的差异性。采用单一特征对目标进行检测容易造成漏检和虚警,因此,论文提出一种基于多特征融合的显著性检测算法。算法深入研究了目标在灰度、梯度、频域等方面的特征,并将提取的特征显著图进行融合,再通过PCT变换,进行目标检测。通过实验对比,证明该算法具有检测准确度高,原理简单,运算快等优点。