无人机在复杂飞行过程中, 因大气气流及光学设备成像等影响造成采集到的红外图像分辨率过低; 另外, 因各帧图像分辨率不同, 基于固定层数分解的金字塔模型在同一区域下的显著图提取结果存在差异, 无法借助视觉技术实现无人机目标定位及自主导航。提出一种改进Itti模型下的红外图像感兴趣区域提取及SR重建算法。算法首先引入多特征对红外图像序列进行金字塔动态分层模型构建; 然后, 针对不同分辨率下的多帧红外图像进行感兴趣区域的动态提取来克服传统Itti算法的不足; 最后, 提出基于共轭梯度法的目标函数最小化红外图像超分辨率重建算法, 对感兴趣区域进行空间SR重建, 提高感兴趣区域目标的空间分辨率。实验验证了提出算法的有效性及准确性。

针对用前视红外(FLIR)目标法识别复杂地面时, 存在无直接可用基准图、背景干扰严重、目标与背景灰度差异小等问题, 提出了一种基于区域模糊阈值的目标识别方法。首先, 在建立多尺度空间的基础上, 设计多阈值算法, 生成显著图; 其次, 引入基于图像模糊率的区域模糊阈值方法, 改进Itti模型, 构建候选目标筛选模型; 最后, 对检测结果运用积分归一化积相关(Nprod)算法进行精匹配, 确定识别目标。实验结果表明, 与Hausdorff距离算法相比, 该识别算法匹配率提高了近20%, 花费时间缩短了3/4; 与积分Nprod算法相比, 提出的算法匹配率提高了近40%, 时间缩短了1/2。结果显示, 对于复杂背景的前视红外目标, 该方法具有匹配率高、速度快、精度高等优点。