1 北京邮电大学 电子工程学院，北京 100876
2 中国电波传播研究所 第三研究部，山东 青岛 266108
针对小目标在整幅图像中占比很低，且目标周围存在大量杂波，提出了一种基于联合方向梯度（Associated Directional Gradient，ADG）和均值对比度（Mean Contrast，MC）的红外弱小目标检测算法。该算法由两个模块组成：ADG利用红外弱小目标的高斯分布模型，将单一方向的梯度与一个相邻方向上的梯度相加组成新的联合梯度特征，增强真实目标、抑制背景杂波的同时能够消除高亮边缘对目标检测效果的影响；MC融入方向信息来计算目标的多方向对比度，选用多方向对比度的最小值抑制结构噪声，并将均值滤波的思想引入对比度的计算，抑制背景中的孤立噪声，进一步降低检测的虚警率。在实际红外图像上的实验结果表明，该算法在增强目标信噪比和抑制背景噪声方面，能够取得较好效果。
红外图像 目标检测 联合方向梯度 均值对比度 infrared image target detection associated directional gradient mean contrast
通过分析由于红外目标的出现引起的红外图像局部区域在灰度均值、方差、三维图形上的变化,分别提出了三种不同的红外目标增强方法.在此基础上,通过搜索局部能量极大值点,确定目标的最大可能位置作为种子点,利用种子区域生长算法,实现目标和背景的分离,最终将目标从背景中提取出来.对大量海空背景下的点、斑点目标图像进行了实验,取得了较好的效果.
红外目标检测 局部均值 局部均值对比度 局部方差 局部区域形态 Infrared target detection Local mean Degree of local mean contrast Local variance Local region morphology
