自动检测和跟踪红外图像中的弱小目标在现代预警和探测系统中非常重要。针对现有的检测方法因受到复杂云层和地面自然背景的干扰, 导致系统虚警率较高和探测概率较低的问题, 提出了一种基于多尺度广义模糊算子的红外图像复杂背景抑制方法。首先利用非下采样轮廓波变换方法将图像进行分解, 获取不同尺度和方向的包含小目标和背景杂波的子带图像。然后, 通过应用模糊非线性背景抑制算子将红外图像中小目标和背景杂波系数差值拉大, 同时将相关性较强的杂波系数做平滑处理以达到抑制背景和增强小目标的目的。多组包含真实和模拟图像序列的实验表明所提方法优于其他方法, 特别是对于包含云层和地面复杂背景的红外图像。

在红外成像探测系统中, 对红外图像背景进行有效的抑制是准确检测出弱小目标的前提条件。基于目标在空域局部灰度稳定和时域运动连续的约束, 提出了一种基于时空域滤波的红外弱小目标背景抑制新方法。首先, 利用引导滤波保存图像细节和时域偏微分方程提取图像中突变区域的优势, 实现对图像空域与时域中平稳和强起伏不同特征复杂背景进行抑制处理; 然后, 将时空域背景抑制结果利用相与操作算子处理完成对高度类似弱小目标信号的剔除; 最后, 为恢复前期抑制结果中丢失的目标信息, 利用时空域融合结果作为引导图像进行进一步优化处理, 得到最终背景抑制结果。仿真实验采用两组低信杂比运动弱小目标红外图像序列进行方法验证, 并将该方法与几种背景抑制方法进行了比较, 实验结果表明: 该方法无论从主观视觉还是客观评价指标上均优于其他几种方法。

针对现有非均匀性校正方法中校正结果收敛速度慢、图像退化、存在“鬼影”现象等问题, 提出一种空域三边滤波与时域梯度加权均值滤波相结合的红外序列图像非均匀性校正方法.该方法首先利用三边滤波将图像分解为基本分量与细节分量; 然后对分离出的细节分量序列图像的时域曲线进行梯度加权均值滤波, 从而分离出细节分量中非均匀性和场景细节; 最后用原图减去非均匀性, 得到校正结果.实验结果表明, 该方法能有效地抑制“鬼影”并改善图像退化现象, 校正结果无论主观视觉还是客观评价指标均明显优于时域高通与神经网络校正方法.