为了提高复杂背景下红外小目标的检测能力,提出了一种改进加权增强局部对比算法(weighted strengthened local contrast measure,WSLCM)的红外小目标检测方法。在WSLCM的预处理阶段采用自适应曲率滤波在多尺度下对图像进行处理,抑制背...为了提高复杂背景下红外小目标的检测能力,提出了一种改进加权增强局部对比算法(weighted strengthened local contrast measure,WSLCM)的红外小目标检测方法。在WSLCM的预处理阶段采用自适应曲率滤波在多尺度下对图像进行处理,抑制背景过程中保持真实目标不被淹没。在背景抑制计算中选取背景块中的灰度最大值作为背景估计,降低虚警率。同时引入目标增强因子与背景抑制因子,加强算法鲁棒性,消除背景噪声影响,增强对红外小目标的检测能力;通过嵌入式ZYNQ平台进行算法IP核定制,采用软硬件协同方式实现算法对特定场景下小目标的识别检测。实验表明,相比于传统WSLCM算法BSF和SCRG指标都有明显提高,连续帧检测率为93.2%,嵌入式平台检测效率比PC端提升17.6%,验证了算法和嵌入式系统的有效性。展开更多
文摘为了提高复杂背景下红外小目标的检测能力,提出了一种改进加权增强局部对比算法(weighted strengthened local contrast measure,WSLCM)的红外小目标检测方法。在WSLCM的预处理阶段采用自适应曲率滤波在多尺度下对图像进行处理,抑制背景过程中保持真实目标不被淹没。在背景抑制计算中选取背景块中的灰度最大值作为背景估计,降低虚警率。同时引入目标增强因子与背景抑制因子,加强算法鲁棒性,消除背景噪声影响,增强对红外小目标的检测能力;通过嵌入式ZYNQ平台进行算法IP核定制,采用软硬件协同方式实现算法对特定场景下小目标的识别检测。实验表明,相比于传统WSLCM算法BSF和SCRG指标都有明显提高,连续帧检测率为93.2%,嵌入式平台检测效率比PC端提升17.6%,验证了算法和嵌入式系统的有效性。
