利用相邻相关像素进行噪音抑制的模糊小目标检测算法.pdfVIP

第4l卷第5期 光子学报 Vol_41No．5 2012年5月 ACTA SINICA Mav2012 PHoTONlCA doi：10．3788／gzx0596 利用相邻相关像素进行噪音抑制的模糊 小目标检测算法 黄鹤汶，金韬 (浙江大学信息与电子工程学系．杭州3l0027) 摘要：提出了一种利用相邻相关像素对红外数字图像中的可疑小目标进行检测的算法．该算法 首先利用自适应全局阈值检测图像中的亮像素，并借助相邻相关像素信息滤除结果中的亮噪音点； 然后依据亮像素的相关性，对剩余的亮像素进行加强，并再次抑制噪音，获得可观的信噪比增益．相 对于传统的Top—Hat变换，该算法能够在有效提高待检测目标信号强度的同时很好地抑制噪音， 有效地保留了目标图像的边缘细节． 关键词：小目标检测；相邻相关像素；噪音抑制 中图分类号：TP751．1 文献标识码：A 波的对称性、正交性和高阶消失性等特性，可以借助 O 引言 目标的边缘特征进行检测[I“． 红外数字图像的小目标检测算法极大地影响着 与上述方法不同，本文总结了小目标成像的特 红外监控设备的检测性能，因此一直是许多监控应 点，利用相邻相关像素信息，在有效抑制噪音的同 用中的关键技术．然而，红外小目标检测在实际应用 时，加强了目标信号强度．实验表明，该方法计算量 时面临着许多的困难．目标常常隐藏在复杂的背景 小，效果明显，能有效凸显模糊小目标，并保留其边 中，其形状、大小和纹理信息都未知，且图像经常受 缘细节． 噪音干扰，令检测的难度变得更大． 1红外小目标的特性研究 在以往的研究中，基于数字图像形态学的检测 算法最为流行．数字图像的形态学处理现已成为数 红外图像中模糊小目标的外形和大小变化不 字图像处理领域的一个重要分支，在小目标检测领 定，往往难以检测，传统的基于滤波模板的检测方法 域，主要采用的是Top—Hat变换．Top—Hat变换具鲁棒性较差．然而对人类视觉系统来说，在信号微弱 有优异的性能，但只有与结构元素外形相近的目标 的图像中发现目标并不困难。即使是短短的几秒时 才能被很好地检测出来．许多学者对它进行了改进． 间，也足够让肉眼识别出可疑的目标点．这是因为视 Bai等人交换了Top—Hat变换中腐蚀和膨胀操作的觉系统并不单纯依靠外形和大小来识别目标． 顺序，并使用了两个不同的结构元素来加强检测效 图1是一幅红外图像，其中存在可疑目标的区 果Ⅲ．基于神经网络和基因算法，可以通过不断学习 和迭代，得到最优结构元素[21]． 除了形态学处理外，还有许多研究致力于减少 背景杂波．基于图像序列检测的有三维匹配滤波 法[5。、光流法n。、对称差分法口3等．信息熵的概念被 引入图像处理后，Deng等人指出可以利用小目标对 图像局部熵的影响来进行检测¨。9j．针对实际应用中 目标大小难以确定的问题，多尺度滤波法正得到越 来越多的应用¨…．另外，作为图像处理中新兴的重 图1 一幅红外图像。存在目标的区域已放大 Infraredwith regionz∞medin 要技术，小波变换得到越来越广泛的应用．利用多小 Fig．1 imageta疆et 基金璜目：国家高技术研究发展计翅(No．2009…-