论文部分内容阅读
红外小目标检测是精确制导武器的关键技术之一。如何快速、准确地实现复杂背景下红外小目标的检测具有重要的理论意义和实际应用价值。本文在介绍当前国内外小目标检测技术发展现状的基础上,研究了基于多分辨分析和独立分量分析的红外小目标检测方法,主要工作如下:1、提出了基于提升小波变换/双树复小波变换和形态学的红外小目标检测方法。该方法将提升小波变换/双树复小波变换取代小波变换,并结合形态Top-hat算子,实现了红外小目标图像背景抑制,增强了目标和背景的对比度。实验结果表明,该方法能较精确地检测出红外小目标,检测效果优于基于小波变换和形态学的检测方法。2、针对存在背景干扰和噪声情况下的红外小目标检测问题,提出了基于双树复小波和独立分量分析的红外小目标检测方法。原始图像减去通过独立分量分析分离出来的背景得到了运动小目标。再结合双树复小波变换,实现了红外小目标的快速检测。该方法检测概率高,优于基于快速独立分量分析的检测方法。3、实现了基于无下采样Contourlet变换(NSCT)和独立分量分析的红外小目标检测方法。首先基于无下采样Contourlet变换和独立分量分析对红外图像作预处理,然后采用基于类内方差及背景与目标面积差的阈值选取方法来分割预处理图像。与基于NSCT的红外目标检测方法该相比,该方法的检测性能更为优越。4、介绍了基于复Contourlet变换和主分量分析的红外小目标检测方法。首先原始图像减去通过主分量分析分离出的背景图像,再用复Contourlet变换去噪,接着利用Top-hat算子进行滤波得到预处理图像,最后采用模糊Renyi熵的阈值选取方法来分割预处理图像,实现了红外小目标的快速检测。5、提出了基于非负矩阵分解和独立分量分析的红外小目标检测方法。通过非负矩阵分解和独立分量分析分别抑制原始图像的背景,得到不同的小目标残差图像;接着采用复Contourlet变换对残差图像进行去噪;再对上述去噪后的小目标残差图像求和,得到了预处理图像。然后提出基于模糊灰度熵阈值选取方法分割预处理图像,从而实现了复杂背景下的红外弱小目标检测。实验结果表明,该方法能有效地检测和分割出低信噪比等复杂背景红外图像中的目标。6、实现了基于二维对称交叉熵的红外图像阈值分割方法。首先导出了一维阈值选取公式,然后推广到二维,给出了二维直方图斜分阈值及二维直方图斜分的简化阈值选取方法,抗噪性能明显改善。与基于二维斜分的最大熵、Otsu及非对称交叉熵等三种阈值选取方法进行了比较,该方法在小目标分割效果上具有明显的优势。