为了解决密集多目标检测中易造成的漏检问题, 提出一种基于双邻域对比度的红外小目标检测算法。首先利用峰值搜索算法筛选出候选目标; 再通过单尺度3层双邻域窗口遍历候选目标;最后利用双邻域对比度模型计算候选目标区域的最小灰度对比度, 并用对角梯度因子增强对比度和抑制杂波。结果表明, 与5种对比方法相比, 该方法的背景抑制因子和对比度增益分别平均提高4.7倍和1.8倍, 有效地抑制了杂波, 增强了目标。该研究能够准确地检测到相互接近的多个目标, 对提高复杂背景下的多目标检测精度是有帮助的。

针对传统Criminisi算法中优先权值很快趋于零,且修复时间较长等缺点,提出一种改进的基于信息熵和梯度因子的图像修复算法。首先,将图像信息熵与梯度因子拟合为权重因子,采用优化优先权的计算方式找到最优修复块;其次,利用可度量像素块复杂度的信息熵对匹配块的搜索区域进行调整,建立搜索区域的动态法则;然后,借助于梯度因子建立匹配块模板尺寸的自适应模型,完善最优匹配块搜索策略;最后,引入序贯相似性检测算法从源区域中选取最优匹配块,实现图像的修复。实验结果表明,与传统Criminisi算法相比,所提算法无论在客观方面还是在主观方面都获得了较满意的图像修复结果,修复效果更加真实,修复图像具有更好的视觉效果。