提出了一种基于最小一乘估计和混沌遗传算法进行背景预测检测红外小目标的方法.在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,利用混沌序列内在的伪随机性,将混沌引入到遗传算法得到混沌遗传优化算法,以此解决最小一乘估计中极值的选取问题.将原始图像与预测图像相减得到预测残差图像后,利用基于二维指数熵的图像阈值选取快速算法进行分割.给出了实验结果与分析,并与基于遗传算法的最小一乘预测、最小二乘背景预测的检测算法作了比较.实验结果表明,提出的算法具有更高的检测概率和更好的检测结果.

本文指出了现有二维直方图区域直分法中存在明显的错分,提出了二维直方图区域斜分方法,即通过与主对角线平行的四条斜线将直方图分成内点区、边界点区和噪声点区,并按灰度级与邻域平均灰度级之和的大小进行分割。该方法可以运用于所有的基于二维直方图的阈值分割。文中导出了基于二维直方图区域斜分的Tsallis–Havrda–Charvát熵阈值选取公式及其快速递推算法,给出了分割结果和运行时间。与基于二维直方图直分的Tsallis–Havrda–Charvát熵原始算法相比,本文提出的基于二维直方图斜分的Tsallis–Havrda–Charvát熵阈值分割算法,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性,其运行时间减少了五个数量级。

介绍了存在背景干扰和噪声情况下的红外图像中弱小目标的检测问题,提出一种基于Contourlet变换的检测算法.首先对图像进行Contourlet变换.利用Contourlet分解后子图像的特性抑制背景和去噪声,最终实现对目标的检测.通过在含有随机目标的红外序列图像中的实验,并与小波变换进行比较.证明了算法的有效性.