改进的膨胀算法在红外图像弱小目标检测中的应用.docVIP

  改进的膨胀算法在红外图像弱小目标检测 中的应用 * 5 10  摘要：本文针对红外序列图像中弱小目标的检测问题，提出一种基于数学形态学膨胀算法的 小目标检测方法。首先，利用弱小目标区域的不连续性，构造环形结构元素；然后用构造 的结构元素与图像做膨胀算法，得到膨胀后的图像；最后将膨胀后的图像与原图像做比 对，得到差值图像，进而检测出小目标。通过 MATLAB 仿真得出，该方法能适用于不同的 场景中，具有较低的时间复杂度，且具有一定的鲁棒性。 关键词：模式识别与智能系统；膨胀算法；环形结构元素；小目标检测 中图分类号：TP391 15 Infrared small target enhancement and detection based on modified dilation algorithm GU Wenwen1,2, LIU Jianguo1,2 (1. Science and Technology on Muti-spectral Information Processing Laboratory; 20 25 2. Institute for Pattern Recognition and Artificial Intelligence, Huazhong University of Science and Technology, WuHan 430074) Abstract: A new algorithm to enhance dim small target through modified dilation algorithm is proposed in this paper. Firstly, a ring structure element is formed using the property of small target region. Secondly, a dilated image is obtained using the ring structure elment. Finaly, the expanded image and the original image is compared to obtain a difference image. Experimental results verified that the modified dilation algorithm for target enhancement under the conditions of heavy clutter and dim target intensity was efficient, effective and robust. Key words: pattern recognition and intelligent systems; dilation algorithm; ring structure elment; small target detection 30 0 引言 红外小目标检测在红外报警和提高国防警觉性方面中起着至关重要的作用，它不仅要求 检测算法有良好的精度，实时性及鲁棒性。由于红外探测器与目标距离远，目标在红外图像 中往往是以点目标的形态出现，一般只是单个像素点或者几个像素点。另外，图像背景复杂 35 40 多变，目标的信噪比很低，甚至淹没在背景中，因此红外目标的检测一直是一个技术难题。 现在已经有很多算法在增强复杂背景下的目标上有显著的效果。如最大均值滤波[1]、中 值滤波、最大中值滤波、核平滑方法[2]、基于小波的算法[3]、整流滤波器[4]，三维方向滤波 器[5]，TTF[6]和二维自适应格算法[7]。然而，中值滤波器，最大平均滤波器，最大的中值滤 波器，内核平滑方法，基于小波的算法和整流滤波器对强杂波和敏感目标特征的变化非常敏 感。三维定向过滤器需要几个连续的图像与目标运动特性，但图像是不容易的获得。虽然 TTF 是不是很敏感的不断发展的云数据，但优化选择参数是困难的。二维自适应格型算法可 -1-   以使用的杂波抑制的效果，但算法是复杂且耗时的。由于实时并行的特征和容易实施硬件系 统，基于数学形态学算法，特别是在顶帽变换[8-9]被广泛用于增强复杂背景下的小目标。然 而，由于强杂波和形态学算子在图像平滑操作中的特征，顶帽算法对背景的变化非常敏感， 45 50 在增强复杂背景下的小目标上未能取得满意的效果。 针对单帧检测时间复杂度大的问题，本文提出的改进的膨胀算法基础上的小目标检测算 法，此算法具有较高的鲁棒性，和时效性。首先，根据图像中弱小目标区域的特征，用改进 后的结构元素与图像做膨胀算法，得到膨胀后的图像；然后将膨胀后