基于改进加权核范数的红外弱小目标检测

针对传统基于鲁棒主成分分析(RPCA)的红外弱小目标检测算法对噪声不敏感,算法运行时间长,鲁棒性不强的问题,提出一种重加权红外小目标图像模型,并用非精确增广拉格朗日乘子法(AIALM)求解。该方法首先将原始红外图像转化为红外块图像模型,然后采用重加权核范数对背景块图像进行约束,较好地保留了背景边缘。针对单纯使用l1范数不能抑制某些噪声或杂波的问题,引入了加权l1范数,进一步增强了目标图像的稀疏性。最后,将红外块图像模型转化为重加权RPCA问题,并用AIALM求解。通过大量实验表明:该算法在抑制背景杂波以及目标检测性能方面要优于其他传统算法。     

基于DMD红外视景图像自适应增强算法研究

针对数字微镜阵列DMD(Digital Mirror Device)红外视景图像存在对比度低、非均匀性等问题,提出了一种基于调制传递函数MTF(Modulation Transfer Function)的自适应增强算法,首先通过检测图像线性边缘和提取最佳区域获取线扩展函数,然后利用线扩展函数与MTF间的关系完成MTF的自动检测,最后运用维纳滤波完成图像复原增强处理。仿真实验表明,该算法能有效提高对比度和降低图像的非均匀。