基于分数阶微分的图像增强与红外运动目标检测研究

本书主要在以下几个方面进行了深入研究:

(1)研究基于分数阶微分的红外图像增强。

图像增强的方法分为两大类:基于空间域处理的方法和基于变换域处理的方法。尝试在空间域内采用Caputo 与Riemann-Liouville 分数阶微分方法对图像实现增强。通过采用图像增强处理技术，达到突出图像目标，抑制噪声的目的。空间域图像增强的关键就在于滤波器的设计，滤波器性能的优越与否直接关系到图像滤波或图像增强结果的好坏。利用Caputo 与Riemann-Liouville 分数阶微分构建空间差分离散表达式，并据此构建空间滤波器。通过该滤波器卷积图像，最终获得增强图像。

(2)研究基于变分与非线性扩散的红外图像增强。

偏微分方程中的非线性扩散具有各向异性的特性，它根据图像局部结构特征控制扩散情况，可以起到保护边缘、抑制噪声的作用。变分泛函通过采用能量最小化逼近图像真实结果。融合两种方法的优点，构建一种保持图像形状的变分偏微分模型，实现红外图像的增强。该模型的关键在于数据项与正则项的合理设计，使得在突出目标形状的同时，又能抑制噪声。

(3)研究融合灰度变换和空间滤波的形态学红外图像增强。

采用局部灰度拉伸与利用数学形态学简化图像数据，保持目标基本形状的特性，并去除不相干的结构，提出了一种结合局部线性变换和空间滤波的数学形态学的方法增强红外图像中的目标，以提高图像的对比度和信噪比，有利于后续的图像分割。

(4)研究基于熵流与局部熵的红外运动目标检测。

针对强杂波背景下的红外图像，背景运动与变化对目标检测会产生漏检或误检现象。分析熵流背景运动，确定熵流背景运动补偿，消除背景干扰。构建残余图像，运用滤波器消除残余图像中噪声对运动目标的干扰，分割与提取运动目标，以期得到真实运动目标。

(5)研究基于熵流与边缘算子的红外运动目标检测。(www.xing528.com)

针对强杂波背景下的红外图像，熵流是一种表征图像运动的描述符。通过熵流的引入，确定图像的运动区域，但是该运动区域包含背景区域与目标区域。通过边缘算子的引入，联合熵流信息，构建区域生长约束条件，精确检测与定位运动目标。

(6)研究基于变分熵流的红外运动目标检测。

针对强杂波背景下的红外图像，运动估计的精准度直接关系到运动目标的检测准确度。构建变分熵流模型，通过能量最小化求解熵流，以期得到无限逼近图像真实运动场。构建背景运动补偿准则，消除背景运动对熵流估计的干扰。运用时空特性的滤波器对差分图像滤波，抑制噪声干扰，实现运动目标的检测。

(7)研究基于新的加权局部图像熵的小目标红外图像处理。

为有效处理低信噪比复杂背景下的小目标红外图像，提出一种基于新的加权局部图像熵的小目标红外图像处理方法。首先构建红外图像的多尺度灰度差异图和局部图像熵图，能剔除大量的噪声干扰;其次通过多尺度灰度差异图与局部图像熵图的点积运算获得加权局部图像熵图，所得到的加权局部图像熵图具有很高的信噪比增益，能有效地抑制背景和噪声;然后利用自适应阈值检测目标，避免复杂背景条件下的图像处理不稳定和自适应性等问题。

(8)研究基于改进的光流法和均值漂移的红外目标检测。

采用改进的光流法和均值漂移方法检测红外运动目标，通过研究Horn 全局约束算法的基本原理和Schunck 提出的全局平滑约束条件，对亮度守恒约束条件的权函数加以改进，从而提高光流估计的精确性和自适应性。为了进一步降低虚警率，对光流场进行阈值分割，辅以数学形态学滤波等方法，检测区域中的目标，再对处理后的图像采用均值平移图像分割方法实现运动目标的精确检测，保证了运动目标检测的准确性。

(9)研究基于水平集与时空信息的红外小目标检测。

针对红外运动小目标检测过程中C-V 水平集方法演化速度慢的不足，提出了基于改进水平集和目标时空信息分析的红外运动小目标检测算法。先通过基于局部二值拟合模型的水平集方法得到目标的空域信息;后通过目标时空信息分析的方法，对水平集检测中的错误的非运动目标进行剔除，从而获得红外运动小目标。