红外背景抑制与小目标分割检测

图12　原始图像

图13　自适应法处理结果

　　图13的实验结果表明，若m0选取得大于目标面积，则有部分背景和少量噪声会同目标一样残留在图中.m0越大，残留的背景和噪声越多.若m0选取得小于目标面积，则有部分目标像素会被当作背景像素而抑制掉，使分割和检测出的目标变小.但从分割检测出目标的实时性和可靠性考虑，m0应选取得略小于目标面积.这样虽会使目标面积减小，但却提高了对目标的分割速度和增强了对背景的抑制，因而是实际应用中所期望的.在实际应用中，可通过仿真试验确定合适的m0值.在我们的实验中，比较图13的结果可见，选取m0=100或更小是合适的.经过自适应法处理后，目标不仅被较好地保留下来，而且灰度不变.而背景灰度绝大部分变得均匀，与目标对比度显著增大，取得了较好的效果.
　　根据目标特点，对于流水线检测，我们选择下列流水线结构参数：①检测管道长度：n′=5帧；②窗口尺寸：l=m=5；③门限：T=(l×m×n′)/2.对经过上述分割后的二值图象进行检测的结果.得到在云层中飞行的小目标轨迹如图14所示，表明该方法取得了较好的效果.

图14　流水线法检测到的目标轨迹

六、结　　论
　　为了实现背景抑制而分割出小目标，可用高通滤波器抑制大片背景面保留小目标和部分高频噪声.然后再从高频噪声中把小目标检测出来，完成弱目标检测.在比较分析了六种频域和空域高通滤波器之后，为了提高抑制背景而分割出候选小目标集合的效率，提出了自适应门限分割法.门限的确定是基于统计参数的自适应计算，该方法比传统的频域和空域高通滤波器具有速度快、效果好、可适应图象的变化等优点.比传统的门限分割法有更好的自适应性，取得了较好的实验结果.对于分割后的图象考虑到目标运动的连续性，在连续多帧图象的三维时空管道中，对窗口子管道采用基于流水线结构的目标检测方法，从而检测出目标的运动轨迹.实验证明，取得了较好的检测效果.