周美亮， 安博文

(上海海事大学 信息工程学院，上海 201306)

0 引 言

由于红外面阵传感器成本低且结构简单，基于面阵传感器的小目标检测成为了红外搜索系统中的一项核心技术，在红外图像处理领域中起着极重要的作用。当目标与成像系统的相对位置较远时，目标在红外图像中表现为点目标，无结构和形状或特征不明显，在图像中的信噪比和分辨率都比较低，从而使检测变得很困难[1]。

本文根据先检测后跟踪(detect before tracking,DBT)的思想[2]，提出了一种基于小波提升框架的新型红外小目标的检测算法，算法不仅实现难度小，且复杂度也低，能达到实时处理的要求。

1 图像的背景抑制

1.1 小目标与噪声特性

包含有小目标的红外图像f(x,y)通常可被描述为

f(x,y)=fT(x,y)+fB(x,y)+n(x,y),

(1)

式中fT(x,y)为小目标的灰度图像，fB(x,y)为背景的灰度图像，n(x,y)为噪声的图像[3]。红外面阵传感器的成像系统噪声主要由两部分组成,一部分与红外成像系统的内部参数有关,另一部分与响应波段内背景的红外辐射亮度有关[4]。

1.2 基于中值滤波的最大中值滤波

中值滤波能较好地消除孤立的噪声点[5]，但因为其需要对窗口中所有像素的灰度值进行排序，故比一般卷积运算速度慢。而最大中值滤波是中值滤波的一个比较有效的改进方法[6]。它的运算基本原理是：先选择奇数大小的模板，再求经过中心像素点的行、列和对角线方向上的像素灰度中值，以该值代替中心像素值。根据实际图像的背景，本文采取的滤波窗口大小为3×3(如……