基于Top-hat变换的PM模型弱小目标检测

陆福星, 李夜金, 陈 忻, 陈桂林, 饶 鹏

(1.中国科学院上海技术物理研究所, 上海 200083; 2.中国科学院红外探测与成像技术重点实验室, 上海 200083; 3.中国科学院大学, 北京 100049)

0 引 言

近年来,红外弱小目标的检测是国内外红外数字图像信息处理领域研究的热点。目标因红外探测距离较远、成像面积小而缺乏形状和几何结构特征,红外图像背景复杂而呈现低信噪比(signal-to-noise ratio, SNR)、低对比度等特点,使得红外弱小目标的检测和跟踪十分困难[1]。

为了提高红外探测系统的目标检测能力,国内外学者提出了许多方法[2-4]。常用的方法包括空域和频域滤波[5-8]、双边滤波[9]、小波域滤波[5,10-12]、Perona-Malik (PM)模型滤波[1,13-15]、数学形态滤波[1]等方法,这些方法都有各自的特点,能实现一定程度的背景抑制(background suppression, BS)。一般的空域和频域滤波能够实现简单的BS,但当红外图像中背景起伏剧烈且噪声突出导致目标被淹没时,目标可能当作背景噪声被滤除,或者背景边缘被当作目标保留;多尺度多分辨率小波变换滤波能取得较好的滤波效果,但算法较为复杂,耗时较长因而不能满足实时性的要求;单一的PM模型滤波和数学形态滤波等在抑制背景和噪声的同时也会弱化目标的强度,因而降低图像的对比度,导致后续目标检测侯选的目标点过多,产生较大的误检概率。

因此本文提出了一种将PM和 Top-hat相结合的红外图像BS算法。首先通过形态学滤波中的 Top-hat变换对红外图像进行非线性增强,以提高目标与目标周围背景的对比度,然后再利用改进的PM模型滤波达到BS的目的。……