基于横纵多尺度灰度差异加权双边滤波的弱小目标检测

为了有效地检测复杂背景下的红外弱小目标,提出了一种基于横纵多尺度灰度差（HV-MSGD）的方法来增强弱目标,并通过距离和像素差异来实现对背景强边的抑制。目标区域与周围区域之间存在不连续性,为了加强它们的差异,HV-MSGD与双边滤波（BF）相结合,可以在抑制背景的同时提高目标强度。进一步通过自适应局部阈值分割和全局阈值分割来提取候选目标。为了进一步验证对单帧检测的影响,将上述单帧检测算法与改进的无迹卡尔曼粒子滤波器（UPF）相结合,实现轨迹检测。实验结果表明,该方法在弱信噪比（SNR）下优于其他方法,在抑制背景的同时可以增强目标,增强效果是其他方法的6-30倍。在实验中,输入信噪比分别为2.78,1.77,1.79,1.13和1.16。图像处理后,背景抑制因子（BSF）分别为13.48,21.33,11.73,20.63和121.92,信噪比增益（GSNRs）分别为40.09,71.37,27.53,12.65和131。该方法的检测概率（Pd）也优于其他算法。当误报率（FAR）为, , , 和,计算五组真实序列图像的Pd为94.4％,92.2％,91.3％,95.6％和96.7％。     

双模型空中目标红外谱段的联合SNCR评估方法

在天基平台下实现对空中飞机目标的探测,存在距离远、目标信号弱、背景杂波复杂和探测器噪声等的影响,因此,要获取目标的最强信号,确定在探测过程中的谱段至关重要。为此系统性地建立了飞机羽流的梯形羽流和锥形羽流仿真模型,并提出了利用信噪比（SNR）和信杂比（SCR）联合的SNCR方法对空中目标的探测谱段进行确定。实验结果表明：针对空中目标,不同目标SNCR值不同,但峰值区域不变,由此方法可以确定探测谱段,并最终确定探测的谱段分别为：中波波段为,波段间隔在0.3以上;长波波段为,波段间隔在0.35以上。