针对复杂场景下存在背景变化剧烈、杂波较多、信噪比低而造成红外弱小目标检测准确率低、虚警率高的问题,提出利用图像全局信息与局部对比度结合的红外弱小目标检测算法。算法利用方差和信杂比对图像的所有像素点统计分析,将图像做全局...针对复杂场景下存在背景变化剧烈、杂波较多、信噪比低而造成红外弱小目标检测准确率低、虚警率高的问题,提出利用图像全局信息与局部对比度结合的红外弱小目标检测算法。算法利用方差和信杂比对图像的所有像素点统计分析,将图像做全局处理得到特征图,以适应灰度变化剧烈的复杂背景,同时抑制大量平缓背景杂波,提高目标的信杂比。针对特征图中主要存在的强背景边缘噪声和高亮像素点噪声,采用加权绝对方向平均差(weighted absolute directional mean difference,WADMD)算法,将目标与背景的强度差异作为加权系数,计算目标与各方向背景的绝对平均差,并使用判断门限抑制负对比度,抑制高亮度噪声的同时,提高目标的显著性。实验表明,与对比算法相比,本文算法能够适应多变的复杂背景,对目标信杂比提升更明显,鲁棒性更好。展开更多
文摘针对复杂场景下存在背景变化剧烈、杂波较多、信噪比低而造成红外弱小目标检测准确率低、虚警率高的问题,提出利用图像全局信息与局部对比度结合的红外弱小目标检测算法。算法利用方差和信杂比对图像的所有像素点统计分析,将图像做全局处理得到特征图,以适应灰度变化剧烈的复杂背景,同时抑制大量平缓背景杂波,提高目标的信杂比。针对特征图中主要存在的强背景边缘噪声和高亮像素点噪声,采用加权绝对方向平均差(weighted absolute directional mean difference,WADMD)算法,将目标与背景的强度差异作为加权系数,计算目标与各方向背景的绝对平均差,并使用判断门限抑制负对比度,抑制高亮度噪声的同时,提高目标的显著性。实验表明,与对比算法相比,本文算法能够适应多变的复杂背景,对目标信杂比提升更明显,鲁棒性更好。
