基于背景估计的红外图像杂波抑制方法研究

红外小目标检测中的Bayes估计器背景抑制方法陈峰;邓剑;毛剑英【期刊名称】《光电技术应用》【年(卷),期】2014(000)002【摘要】针对红外小目标检测中的背景抑制问题，提出一种新的方法。

利用分布图法和Bayes估计器根据有限帧图像估计出当前取景框的“纯背景”，将各图与背景图运算得到只含有目标和少数噪声点的图像，对图像进行分割和目标判别，可有效抑制图像中的起伏背景，降低后期处理的错误率。

实验验证了该方法的有效性。

%According to the background suppression issue in infrared small target detection, a new method is put forward. The pure background of current viewing frame is estimated through the methods of distribution image and Bayes estimator based on the finite frame image. The images only containing targets and a few noise points are obtained through calculating each image and background images. The images are segmented and distinguished to suppress effectively the fluctuation background in images so that the error rate of post-processing is reduced. The ef-fectiveness of the method is proved by experiments.【总页数】3页(P10-12)【作者】陈峰;邓剑;毛剑英【作者单位】中国电子科技集团公司光电研究院，天津 300000;中国电子科技集团公司光电研究院，天津 300000;哈尔滨飞行学院航理系，黑龙江哈尔滨150000【正文语种】中文【中图分类】TN219【相关文献】1.基于背景抑制的改进Top-Hat红外小目标检测方法 [J], 吴健;陆书文;芮大庆;缪欣;张俊举2.海天背景下红外小目标检测的背景抑制及海天线检测方法 [J], 杨俊彦;逄浩君;曹耀心;宋敏敏3.一种基于自适应背景抑制的红外小目标检测方法 [J], 聂洪山;李飚;沈振康4.一种基于时间Kalman估计器的红外小目标检测方法 [J], 聂洪山;沈振康5.基于背景抑制的红外小目标检测方法 [J], 刘伟;杨万海因版权原因，仅展示原文概要，查看原文内容请购买。

《复杂背景条件下的红外小目标检测与跟踪算法研究》篇一一、引言随着红外技术的不断发展，红外小目标检测与跟踪技术在军事、安防、交通等领域的应用越来越广泛。

然而，由于复杂背景条件的干扰，红外小目标的检测与跟踪仍然是一个具有挑战性的问题。

本文旨在研究复杂背景条件下的红外小目标检测与跟踪算法，以提高红外小目标的检测精度和跟踪稳定性。

二、红外小目标检测算法研究2.1 背景抑制技术在复杂背景条件下，背景噪声对红外小目标的检测造成了很大的干扰。

因此，需要采用有效的背景抑制技术来降低背景噪声的影响。

常用的背景抑制技术包括帧间差分法、高斯滤波法等。

这些方法可以有效地消除静态背景和动态干扰，突出小目标。

2.2 目标提取与分割在背景抑制的基础上，需要采用合适的方法提取和分割红外小目标。

常用的方法包括阈值分割法、区域生长法等。

这些方法可以根据目标的灰度、纹理等特征进行提取和分割，得到较为准确的目标轮廓。

2.3 算法优化与改进针对复杂背景条件下的红外小目标检测问题，还需要对现有算法进行优化和改进。

例如，可以采用多尺度滤波器、多特征融合等方法提高算法的鲁棒性和准确性。

此外，还可以通过引入机器学习和深度学习等方法，进一步提高算法的智能化程度。

三、红外小目标跟踪算法研究3.1 基于特征匹配的跟踪算法基于特征匹配的跟踪算法是红外小目标跟踪的常用方法之一。

该方法通过提取目标的特征信息，在后续帧中寻找与目标特征相似的区域作为跟踪目标。

常用的特征包括颜色、纹理、形状等。

3.2 基于模型驱动的跟踪算法基于模型驱动的跟踪算法通过建立目标的数学模型，根据目标的运动规律进行跟踪。

该方法可以有效地处理目标的形变和旋转等问题，提高跟踪的稳定性。

常用的模型包括几何模型、物理模型等。

3.3 算法融合与优化为了进一步提高红外小目标的跟踪精度和稳定性，可以将多种跟踪算法进行融合和优化。

例如，可以将基于特征匹配的跟踪算法和基于模型驱动的跟踪算法进行融合，充分发挥各自的优势。

红外图像处理中的噪声抑制算法红外图像处理是近年来快速发展的技术领域之一。

在许多领域如医学、军事、航空航天等都有广泛的应用。

然而，在红外图像处理中，图像噪声问题一直是令人头疼的难题。

噪声会干扰图像的质量和准确性，给图像分析和识别带来极大的困扰。

因此，噪声抑制问题的解决对于优化红外图像处理算法和提高图像识别准确率至关重要。

本文将着重探讨红外图像处理中常用的噪声抑制算法，并通过对比其优缺点，分析各算法的适用情况。

一、红外图像噪声种类及特点红外图像的噪声可以分为几类，例如热噪声、读出噪声、暗电流噪声、白噪声等。

各种噪声的产生和特点不同，因此需要采用不同的算法进行抑制。

其中，热噪声是指探测器自身的噪声，产生原因是探测器在工作时产生的内部能耗。

读出噪声指的是图像信号倍增器（或前置放大器）的电路噪声和电源噪声产生的影响。

暗电流噪声是指探测器在不接收红外光的情况下，仍会产生的噪声。

白噪声是指信号本身携带的噪声。

不同类型的噪声在红外图像中的体现形式各不相同，有些表现为图像中的均匀噪声，有些呈现为斑点噪声或者梯度噪声。

因此，针对不同类型的噪声需要采用不同的抑制算法。

二、常用噪声抑制算法1. 中值滤波算法中值滤波是一种经典的非线性滤波算法。

其原理是选取邻域内的中值来代替中心像素值。

在图像噪声较弱且呈现均匀分布时，该算法效果较好。

它不仅可以平滑图像、消除斑点噪声，还可以保留图像边缘的细节信息。

该算法的缺点是处理时间复杂度较高，因为每个像素都需要在邻域内进行排序。

2. 小波变换小波变换是一种基于滤波器组和逆滤波器组的线性滤波算法。

小波变换通过将原始信号分解成多个尺度和方向的子带进行分析和处理，可以有效地消除噪声，同时保留图像细节和边缘信息。

其优点是可以处理任意类型的噪声，尤其是对于梯度噪声和斑点噪声效果明显，而缺点是处理时间较长。

3. 非局部均值降噪算法该算法是最新的一种噪声抑制方法。

它基于局部图像块之间的相似性进行降噪处理。

基于区域背景预测的红外小目标检测摘要:提出了一种基于变化区域的背景预测算法,用于红外弱小目标检测,来减小背景起伏对背景预测的影响,达到提高弱小目标检测性能的目的。

实验结果表明该算法抗噪能力强,能检测出强对比度云层的空中背景中的红外小目标,是背景预测算法的一个重要扩展。

通过实际红外图像的实验表明,算法是有效的,具有很好的提取能力。

关键词:背景预测弱小目标目标检测引言实际应用中,红外成像都对应某种背景,可将成像背景分为地面背景、天空背景、海天背景以及太空背景,各种背景在通常情况下均可能存在各种干扰。

在天空背景下,干扰主要是天空中的云层杂波等,即所谓的“背景起伏”。

当目标距离红外探测器较远时,目标往往呈现为点或斑点状,面积小、形态特征弱,细节特征大部分丧失,只有灰度信息,因此对红外弱小目标的检测是比较困难的。

为了检测红外图像中的弱小目标,人们从背景出发提出基于背景预测的红外弱小目标的检测方法,这一方法具有较好的检测性能和易实现性等优点,但是当背景起伏较大时,这一算法的检测性能就会受到影响。

因此本文针对这个问题,提出了“变化区域的局部背景预测的检测方法”,来减小背景起伏对背景预测的影响,使基于背景预测的红外弱小目标的检测方法的检测性能大大提高。

1 空中红外目标、背景的特性分析本文研究对象为远距离的空中目标,它主要包括飞机和飞行器。

此时目标在红外图像上呈现为一个小弱亮点或亮团,边缘模糊,只在其邻域内存在较高的对比度和信噪比。

天空与大部分云层构成了天空背景下的红外图像的主体,一般情况下它们的温度较低、亮度弱,有时也有较亮的云团,但其内部分布较为均匀,通常也将云层杂波的大部分归为背景,占据了红外图像的低频部分,但有时云层边缘起伏比较剧烈往往属于高频区域,容易给检测带来干扰,产生虚假目标,提高了虚警概率。

噪声主要与成像系统内部有关,其中主要是探测器产生的噪声,在图像中噪声之间在同一帧内和帧间没有相关性,表现为孤立点,其与背景也往往不相关,但是在单帧内可能与小目标有相似的特征,如高频,较小等。

基于小波域HMT的图像杂波抑制方法赖宗英;艾斯卡尔·艾木都拉【期刊名称】《计算机工程》【年(卷),期】2011(037)002【摘要】针对复杂背景下红外微弱点状运动目标的检测,提出一种基于小波域HMT模型的图像杂波抑制方法.对图像小波系数低频部分建立隐马尔可夫树模型,使用Bayesian准则估计图像背景小波系数,参照杂波抑制模型,得到杂波抑制后图像的信号加噪声模型,并通过计算Kendall秩相关系数和Friedman统计量验证了该方法残留噪声的高斯性和独立性.%Aiming at the detection of infrared faint blob-shaped moving target under complicated background, this paper presents an image clutter suppression method based on wavelet domain Hidden Markov Tree(HMT). A wavelet-domain HMT model is used to accurately capture the dependencies across low frequency scales. It uses Bayesian criterion to estimate image background wavelet coefficients, refers to clutter suppression model to get clutter suppression image signal noise adding model. Gaussianity and independency of residual noise are also verified by using Kendall rank correlation coefficient and Friedman statistic.【总页数】3页(P215-217)【作者】赖宗英;艾斯卡尔·艾木都拉【作者单位】新疆大学信息科学与工程学院,乌鲁木齐,830046;新疆大学信息科学与工程学院,乌鲁木齐,830046【正文语种】中文【中图分类】TN911.23【相关文献】1.基于对偶树复小波域HMT模型的遥感图像融合 [J], 韩成海2.基于小波域HMT模型的图像去噪研究 [J], 李文鑫;陈静;范文兵3.基于小波域DCT变换的杂波抑制方法 [J], 周宁;李晓峰;李在铭4.基于双树复小波域HMT模型的煤燃烧火焰图像去噪 [J], 吴一全;宋昱5.基于小波域三状态HMT模型的含噪图像增强 [J], 常霞;焦李成;贾建华;辛芳芳;万红林因版权原因，仅展示原文概要，查看原文内容请购买。