西安电子科技大学 物理与光电工程学院， 西安 710071
为了从全向红外搜索和跟踪系统采集的海量大视场高分辨率红外图像中快速准确地检测出红外弱小目标，本文提出了一种基于由粗到细的分阶段检测策略和时空域特征融合的红外弱小目标检测算法.首先，通过引入基于频域的快速显著性检测算法预先检测出目标可能存在的候选区域; 其次，对候选区域进行角点检测以判定是否存在候选目标; 最后，通过结合帧间时空域特征对候选目标进行进一步判定，以提取真实目标、删除虚假目标.多种实际场景的实验结果表明，该目标检测算法不仅运算量小而且探测概率高、虚警率低，是一种工程实用性能很好的红外弱小目标检测算法.
红外夜视技术 目标检测 多特征 图像处理 弱小目标 显著性检测 角点检测 Infrared night vision technique Target detection Multi-feature Image processing Dim and small target detection Saliency detection Corner detection
1 西安电子科技大学 物理与光电工程学院, 西安 710071
2 桂林电子科技大学 生命与环境科学学院, 广西 桂林 541004
3 上海卫星工程研究所, 上海 200240
针对复杂背景下红外弱小目标检测效果不佳的问题, 结合多尺度分析法和各向异性扩散方程, 利用图像尺度和方向信息, 提出一种新的红外弱小目标检测算法.首先, 采用Surfacelet变换对图像进行多尺度、多方向分解, 得到不同尺度下高频子带系数和低频子带系数；其次根据不同频带的特点, 分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理；最后, 采用逆Surfacelet变换重构处理后的子带系数, 并采用自适应阈值分割对重构的图像进行分割, 以实现目标检测.采用多组红外图像进行试验, 并与小波滤波以及各向异性扩散滤波进行比较, 实验结果显示, 该算法能有效抑制背景及其边缘, 可以获得比另外两种算法更好的红外弱小目标检测效果.
红外与夜视技术 目标检测 多尺度分析 图像处理 弱小目标 图像滤波 各向异性扩散方程 阈值分割 Infrared night vision technique Target detection Multiscale analysis Image processing Dim and small target Image filtering Anisotropic diffusion equation Threshold segmentation
