一种由粗到精的大视场弱小目标检测方法

大视场的红外图像,由于分辨率高,对图像实现像素级处理很难满足实时性要求。针对大视场特定背景下的低空目标,提出一种由粗到精的检测方法。先将图像分块,计算分块图像熵值,组成熵值矩阵进行熵值分割,区分背景区域,得到所需求的目标可能出现的区域,完成粗检测;然后用Top-hat形态滤波法对所得区域进行精检测,得到检测目标。实测数据证明,该方法能在检测弱小目标的同时大大减少计算量,较好地满足了大视场下弱小目标的实时检测、处理需求。     

基于双核判决的红外小目标检测方法

复杂背景下红外小目标检测与跟踪是红外目标探测系统的核心技术之一。为了准确检测与跟踪空中多个小目标,针对复杂背景下单帧检测虚警率偏高,导致帧间检测计算量大的问题,提出了一种基于双核判决的小目标检测算法。首先根据目标、背景及噪声的不同灰度特性,利用Robinson滤波器结构,设定背景区域和小目标区域,更为真实的表现背景与小目标的区域分布;然后计算外核目标与背景在四个方向上的对比度及内核目标区域内的相似度,若双核度量同时达到设定阈值条件,则判定为真实目标点,这样消除背景边缘及噪声的影响,减少目标检测虚警。实测数据表明,与传统的高通滤波法、Top-hat算法相比,该算法能在单帧检测上更有效检测出小目标,抑制背景边缘和噪声点,提高抗噪能力,降低虚警率,增强帧间目标的检测识别率,能大大减少序列图像间目标检测与跟踪的计算量。