王 鹤,辛云宏

(陕西师范大学物理学与信息技术学院,陕西 西安 710119)

1 引 言

红外成像技术通过几十年的发展,被广泛应用于各个领域。但由于目标受长距离,复杂背景,太阳辐射和不确定噪声等因素的影响,导致红外图像信噪比低,且红外小目标没有特定的形状和纹理,边缘模糊,因此红外小目标检测仍然是一个需要继续研究的课题。

一般来说提高红外小目标的检测能力,需要对背景噪声和杂波进行抑制,同时增强红外小目标的信噪比。目前有许多经典的基于图像滤波的红外小目标检测算法,如最大均值(Max-mean)和最大中值(Max-median)滤波[1-2],二维最小均方(Two Dimensional Least Mean Square,TDLMS)滤波[3-4],双边滤波[5-6]和形态学滤波[7]等。经典的滤波算法计算量少,复杂度低,但在复杂背景下,其检测结果准确率低。其次还有基于变换域滤波的检测算法,其通过相应的变换,将图像的高低频分离,分别对高低频进行滤波处理,从而实现小目标的检测。基于变换域的滤波算法有基于小波变换的滤波检测[8-10],基于曲波变换的背景抑制检测[11-12],基于Contourlet变换的检测[13-14],基于Shearlet变换的检测[15-16]等。基于变换域的滤波算法相较于传统滤波,在可靠性上有所提升。近几年一些基于图像数据结构的算法被提出。如利用小目标和周围背景信息不连续的特点,做局部对比,来增强小目标并提高图像的信噪比。如基于局部对比度测量(LCM)[17]和基于多尺度灰度差分的检测算法[18]。该类算法在杂波和噪声严重时,检测效果一般。后来有人提出基于低秩红外模型(Infrared Patch Image,IPI)[19-20],将图像进行低秩稀疏分解,来实现小目标的检测。……