基于人類視覺特性的復(fù)雜背景紅外小目標(biāo)檢測研究.pdf

1、復(fù)雜背景下的紅外小目標(biāo)檢測是當(dāng)前紅外圖像處理領(lǐng)域的研究難題之一，由于原始圖像中的高亮背景區(qū)域和普通背景邊緣會對目標(biāo)檢測造成嚴(yán)重干擾，使得在復(fù)雜背景下實現(xiàn)高檢測率、低虛警率、高實時性的檢測變得非常困難?；谌祟愐曈X特性的紅外小目標(biāo)檢測方法通過模擬人眼對視場信息的處理機制，以局部對比度信息作為檢測依據(jù)，可以較好地消除圖像中亮度雖高、對比度卻一般較弱的高亮背景區(qū)域。但是，普通背景邊緣所在的位置也存在一定的局部對比度，其與真實目標(biāo)的差別僅在于方

2、向性不同?，F(xiàn)有基于人類視覺特性的檢測算法在計算局部對比度信息時，有些未考慮方向性，無法正確區(qū)分真實目標(biāo)與普通背景邊緣，導(dǎo)致較高的虛警率；另一些算法雖然考慮了方向性，可以較好地抑制普通背景邊緣，但卻由于需要對圖像中的每個像素點分別進(jìn)行多個方向的計算，導(dǎo)致算法計算量大，實時性較差。
　　針對復(fù)雜背景下紅外小目標(biāo)檢測面臨的難題，文章從人類視覺特性出發(fā)，以方向性局部對比度信息作為目標(biāo)檢測依據(jù)，既利用對比度信息消除高亮背景區(qū)域，又利用對比度

3、的方向性抑制普通背景邊緣，以提高檢測率、降低虛警率；同時，為解決現(xiàn)有采用方向性局部對比度信息的檢測算法所存在的計算量大、實時性差等缺陷，文章采用多級聯(lián)合的方式，將單幀檢測算法劃分為子塊級快速搜索環(huán)節(jié)與像素級準(zhǔn)確檢測環(huán)節(jié)，利用搜索環(huán)節(jié)中的子塊劃分與可疑目標(biāo)區(qū)域篩選降低算法計算量，達(dá)到提高算法實時性的目的。
　　在快速搜索環(huán)節(jié)，文章將原始圖像劃分為若干子塊，并使用一種新型子塊級方向性局部對比度信息計算算法，對各子塊分別計算其方向性局部

4、對比度，從中篩選出若干可疑目標(biāo)區(qū)域。該環(huán)節(jié)繼承了現(xiàn)有采用方向性局部對比度信息的檢測算法對高亮背景區(qū)域和普通背景邊緣的抑制能力，有助于提高檢測率、降低虛警率；同時，子塊的劃分與可疑目標(biāo)區(qū)域的篩選降低了算法的計算量，可以有效提高算法實時性。
　　在準(zhǔn)確檢測環(huán)節(jié)，文章針對可疑目標(biāo)區(qū)域進(jìn)行像素級方向濾波，計算各像素點的方向性局部對比度，從中得到真實目標(biāo)的準(zhǔn)確位置。然而，現(xiàn)有的像素級濾波模板通常缺乏方向性，無法正確區(qū)分真實目標(biāo)與普通背景邊緣

5、。文章通過使用一種帶方向性的半橢圓形濾波模板組，可以實現(xiàn)對真實目標(biāo)與普通背景邊緣的區(qū)分，從而進(jìn)一步排除搜索環(huán)節(jié)殘留的復(fù)雜背景，提高算法的檢測率、降低虛警率。
　　通過采用若干紅外序列對文章算法進(jìn)行實驗驗證，并與其它幾種現(xiàn)有算法進(jìn)行對比表明，當(dāng)目標(biāo)微弱、背景復(fù)雜時，使用該算法在同樣檢測率下可以取得最低的虛警率。在五個典型場景紅外序列中，該算法均可以取得檢測率大于95％、虛警率小于0.3%的檢測效果，每幀的平均假目標(biāo)數(shù)最高僅有約0.7