基于自适应形态学Top_Hat滤波器的红外弱小目标检测方法

摘要:针对传统基于人类视觉系统的检测方法在复杂背景下容易造成检测虚警的问题,提出一种基于双层局部对比度的红外弱小目标检测方法.首先,通过双层对角灰度差对比度分析

针对红外搜索跟踪设备对云背景下红外弱小目标的检测问题，提出了一种新的综合滤波算法。在对图像进行对比度增强的基础上，采用高通滤波去除大面积云背景，并利用中值滤波孤立图像点噪声，而后使用全局阈值分割法分割目标和残余噪点，从而实现小目标的检测。通过图像质量评价方法对原图像和处理后图像进行计算分析表明，背景抑制图像的信噪比和对比度得到有效提高，能够清晰检测出云背景下的红外弱小目标。实验数据有效证明了综合滤波算法的合理性和可行性。

对基于中值相减滤波、最大中值相减滤波、最大均值相减滤波和推广的结构张量的红外弱小目标检测算法的性能进行了评估。针对传统评估方法的不足，提出了一种基于支持向量回归的红外弱小目标检测算法性能评估方法。利用该方法分别从图像背景特性和目标特性2方面对4种检测算法性能的影响进行定量分析和比较。实验结果表明，图像背景特性和目标特性对4种算法的检测性能都有较大的影响，而目标特性与4种算法的检测性能的依赖关系更明显；在4种评估算法中，基于推广的结构张量算法比其他3种传统红外弱小目标检测算法具有更好的鲁棒性。

针对复杂背景下红外图像中低信噪比弱小目标实时检测问题，提出一种基于相关滤波器的红外弱小目标检测算法。该算法将红外目标检测转化为模式分类问题，在离线训练阶段，利用二维高斯模型构造红外小目标训练集，在此基础上训练得到对目标背景具有区分能力的相关滤波器，在线检测阶段，利用滤波器对图像分块进行滤波操作，目标和背景的滤波响应有着显著的差异，最后生成整幅图像的滤波响应置信图以此来判断图像中是否包含目标及其具体位置。在单帧单目标图像、序列图像多目标检测实验结果表明，与经典检测算法相比，所提方法不仅具有更高检测性能，有效降低了虚警概率，而且具有较好的实时性，适用于复杂背景条件下弱小目标的实时检测。

这个是基于图像块的红外弱小目标检测，使用的是IPI的方法，检测效果十分的好，自带n张红外小目标的图像

2021年IEEE GEOSCIENCE AND REMOTE SENSING LETTERS 期刊最新的红外弱小目标检测论文《Robust Infrared Small Target Detection via Multidirectional Derivative-Based Weighted Contrast Measure》的论文原文和源代码。希望对各位有所帮助。

一种非常快速和稳定的天空背景下红外弱小目标检测方法，执行速度远超目前的state-of-the-art方法。内含代码和示例，只需修改路径即可使用

本文首先对红外图像中的目标和背景的辐射特性进行了分析，并运用多尺度几何 分析的方法研究了目标与背景在不同尺度和不同方向的表现形式，为后面提出新的目 标检测算法提供理论支持。

为了更有效地检测出红外弱小目标，通过分析红外图像中弱小目标与其邻域背景的特征差异性，提出了一种基于统计特征和桥梁方法的红外小目标检测算法。在滑动窗口范围内提取像素值的均值、方差等特征，根据这些统计特征和桥梁方法判断该窗口范围内有无红外小目标；如果存在小目标，记录下其位置；对小目标区域进行二次筛选。研究结果表明，所提算法相对于较经典算法，虚警率降低了58%以上。