基于权重强化局部方差对比的红外小目标检测*

张国峰，马洪兵，艾斯卡尔·艾木都拉

(1.新疆大学 信息科学与工程学院，乌鲁木齐 830046；2.清华大学 电子工程系，北京 100084；3.昌吉职业技术学院 机电工程分院，新疆 昌吉8311003)

0 引 言

红外小目标检测在红外成像系统中有着广泛的应用，特别是在遥感和预警监视领域。红外小目标通常在图像中占据几个像素，缺乏结构纹理等信息。成像距离的变化导致目标尺度的差异，周围环境与目标状态的改变，也增加了检测的难度。通常在低对比度的红外图像序列中，小目标很容易陷入复杂的背景中。在过去的几十年里，学者们提出了各种各样的方法准确有效地检测到了小目标。现有的算法大致可以分为两类。第一类由基于背景的估计方法组成，这些方法是对背景的预测或建模，比如形态学滤波中利用顶帽变换等算法计算原始图像与估计背景之间的差异来检测潜在的目标；Bai[1]和Zhou[2]使用新的顶帽变换、形态学滤波、最大中值或最大均值滤波器和贝叶斯估计消除了背景。这些方法都是基于背景对噪声或结构组件的形状和尺寸不敏感。第二类是目标聚焦方法，该方法聚焦于目标特征，并将小目标从红外背景中分离出来。频域内的高通滤波已经被应用于目标检测。Wang等人[3]利用最小二乘支持向量机为检测任务开发了两个方向的高通滤波模板。Kim[4]将高斯滤波器的拉普拉斯变换分解为4个滤波器，应用最小滤波器得到最终的空间滤波图像。这些方法侧重于去除低频杂波，基于最大极值点更多可能是目标的思想，但未能滤除高频分量中的噪声和强杂波，而且他们的方法忽略了目标形状的变化。……