为解决基于传统时域高通滤波红外图像非均匀性校正算法存在“鬼影”现象以及固定图案噪声去除不彻底的问题, 提出了一种加权引导滤波和改进时域高通滤波相结合的非均匀性校正算法。首先, 利用加权引导滤波准确分离红外图像中的空域高频成分; 然后, 计算红外图像中像素点灰度值变化幅度; 最后, 在进行时域高通滤波时对红外图像中的运动区域和静止区域使用不同时间常数进行校正。采用两组真实红外图像序列进行实验, 并与经典的双边滤波时域高通, 均值滤波时域高通非均匀性校正算法进行比较。实验结果表明: 文中所提算法在主观视觉和客观评价指标方面优于其他两种算法, 有效降低了红外图像的非均匀性, 不会产生“鬼影”, 取得了较好的非均匀性校正效果。

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标, 从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因, 引入高斯曲率滤波, 提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理, 在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声, 从而获得准确的红外弱小目标置信图, 利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验, 并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明, 算法在主观视觉和客观评价指标方面均优于其他三种算法, 具有更高的目标跟踪精度与较好的实时性, 可以实现对复杂天空背景下红外弱小目标的有效跟踪。