红外与激光工程
2022, 51(4): 20220171
红外小目标检测一直是图像处理研究的热点和难点, 由于受到多种因素的影响, 红外小目标图像存在信噪比低、对比度差的问题, 目标容易被背景所覆盖。研究天空背景红外图像特征, 针对图像场景各部分的特点, 采用形态学算法对原始图像进行预处理, 剔除噪声的影响, 然后利用图像像素间的相关性, 即若同为目标像元, 则在水平和垂直方向上, 灰度变化一般较为平缓, 据此利用对角线邻域像素差值信息, 对噪声抑制后的图像进行红外小目标检测。仿真实验结果表明, 该算法计算简单方便, 能够较为有效地提取出目标。
形态学 邻域差值 小目标 信噪比 morphological neighbor information small target signal to noise ratio (SNR)
1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院 研究生院,北京 100039
光电跟踪测量设备电视系统受到自然条件的影响,往往捕获不到清晰的画面,很容易出现对比度极低的图像。针对此种情况,提出了一种用邻域差值来确定分段点的灰度变换法。通过计算像素5×5邻域的灰度差值,取最小的12个值之和ND。在大量实验的基础上确定合适的阈值T,与ND相比较,确定出图像边缘像素的灰度值范围,据此确定分段灰度变换公式的分段点。实验结果表明,在原图像对比度为1.19%的基础上,通过该算法处理后图像的对比度是原图像的18.79倍,是直方图均衡化后图像的6.97倍,是直方图规定化后图像的41.41倍,图像对比度达到了22.36%,图像的直方图也由单峰突出变为比较均衡的状态。该算法无论在数据上还是在视觉上都取得了很好的效果,满足了电视系统的跟踪要求,已经应用在光电跟踪测量设备上,有较好的实用价值。
低对比度 灰度变换 邻域差值 直方图 分段点 图像增强 low contrast gray-scale transform neighbor difference histogram segment point image enhancement