1 上海航天控制技术研究所，上海 201109
2 中国航天科技集团公司红外探测技术研发中心，上海 201109
针对天地复杂背景下红外弱小目标的检测，提出了一种融合 top-hat变换、边缘检测的新方法。首先将改进的 top-hat变换应用于红外弱小目标图像，将图像中与目标特性相似的像素进行增强，并去除云层背景对目标的干扰，得到若干疑似目标的增强结果，并结合阈值分割方法对增强结果进行筛选，剔除大部分不符合弱小红外目标特性的背景干扰点。然后采用基于 Canny算子的边缘提取方法对原始图像中的天地线进行检测，并以天地分割线作为先验知识，去除形态学滤波后所增强的地物背景中的疑似目标，得到最终的真实目标的检测结果。通过实验得出，本文所提出的方法对于天地背景下的弱小红外目标具有良好的检测效果。
红外弱小目标 复杂场景 形态学滤波 Canny算子 边缘检测 infrared dim small target complex scenes morphology filter Canny operator edge detection
中国科学院上海技术物理研究所, 上海 200083
复杂场景下由背景物体产生的虚警是红外小目标检测中的难点, 在目标信号微弱时问题尤为突出。为了抑制虚警, 提出一种基于局部对比度特征的小目标检测算法。首先, 利用一种新型 Top Hat变换检测出图像中的潜在目标区域; 然后分析潜在目标区域及其邻域特性, 计算本文提出的局部对比度特征; 最后基于此特征提取目标区域。对合成图像和实际红外图像的实验表明, 本算法能有效地抑制背景景物造成的虚警, 取得很高的检测率, 并且对目标强度的变化以及目标所在背景的变化均具有一定的适应性。
小目标检测 红外图像 新型 Top Hat变换 局部对比度 复杂场景 small target detection infrared image new top hat transform local contrast complex scenes
电子工程学院 安徽省红外与低温等离子体重点实验室，合肥 230037
综合应用多传感器图像灰度分布特征和分形维数特征进行目标检测、应用动态边缘演化提取目标轮廓，有效解决了复杂场景多目标分割的难题。首先根据图像的内在属性应用指定直方图进行图像增强，随后分别对可见光图像应用分形维数特征、对红外图像应用最大熵法、对激光雷达图像应用局部阈值法进行兴趣区域提取；再将各传感器图像获得的兴趣区域进行交叉验证，进一步排除背景干扰；最后把经过综合处理的目标轮廓估计作为初始生长曲线应用动态边缘演化技术最终确定目标边缘。对大量的复杂场景多传感器图像测试表明，本文提出的方法较好地保留了目标的形状特征，是一种有效的多目标分割技术。
多传感器 多目标分割 分形特征 动态边缘演化 复杂场景 multi-sensor multi-target segmentation fractal feature active contour evolution complex scenes
