首页 理论教育 红外小目标滤波性能及检测方法比较

红外小目标滤波性能及检测方法比较

时间:2023-06-20 理论教育 版权反馈
【摘要】:实验环境是IntelCorei3 -2310 CPU @2.10GHz Processor、250G HD、2.00G RAM,仿真软件为Matlab 7.12.0.635。SNR 的表达式参考式(8.6),SNRG 的表达式为其中,SNRI和SNRO 分别为单帧图像背景抑制前后图像的信噪比。针对四组小目标红外图像序列,基于本章方法、LMWIE、AGADM、MBPM 和Top-Hat 方法滤波后的SNR 和SNRG 如表8.1 所列,其中符号“-”表示该值为负数。从表8.1 中可以看出,采用本文方法滤波后的SNG 和SNRG 都有很大程度地提高,其性能明显优于LMWIE、AGADM、MBPM 和Top-Hat 方法。表8.2不同小目标检测方法的检测率和虚警率比较

红外小目标滤波性能及检测方法比较

本章采用大量真实的小目标红外图像来验证本章方法的有效性和实用性,并通过与现有小目标红外图像处理技术的比较,如最大背景预测模型方法(Maximum Background Prediction Model,MBPM)[144]、顶帽算子(Top-Hat)方法[141]、AGADM(Average Gray Absolute Difference Maximum Map)方法[1 52]以及LMWIE 方法[148],进一步论证本文方法的性能。实验环境是Intel(R)Core(TM)i3 -2310 CPU @2.10GHz Processor、250G HD、2.00G RAM,仿真软件为Matlab 7.12.0.635。

(1)背景抑制。

我们采用四组实际的小目标红外图像序列(Real Sequence 1 ~Real Sequence 4)来验证本文方法的性能,如图8.2 所示。Real Sequence 1 是海空背景下的小目标图像序列(单帧图像尺寸为196 ×320),目标位置不随帧数的变化而发生改变,此外,海、空的交界面及海面的杂波对红外图像的处理性能有较大影响;Real Sequence 2 是天空背景下的小目标图像序列(单帧图像尺寸为200 ×256),目标位置也不随帧数的变化而发生改变,然而该序列中的噪声较强,会产生较多的虚假目标;Real Sequence 3 是天空背景下的小目标图像序列(云层背景叠加在均匀天空背景上,单帧图像尺寸为200 ×256),目标位置随帧数的变化而发生改变,由于云层与天空的交界区域具有目标类似的红外特性,此区域会对红外图像的处理性能有较大影响;Real Sequence 4 是天空背景下的小目标图像序列(单帧图像尺寸为200×256),其中弱小目标嵌入在同质背景中,且目标位置也随帧数的变化而发生改变。四组小目标红外图像序列的图片格式均为uint8,无任何预处理操作。

基于本文方法、LMWIE、AGADM、MBPM 和Top-hat 方法的滤波结果分别如图8.2(b)~(f)所示。从图8.2 中可以看出,本文方法可以很好地抑制4 组小目标红外图像的背景,同时目标也得到较好地增强。本文方法可以消除Real Sequence 3中的海空背景,但LMWIE、AGADM、MBPM 和Top -hat 方法的滤波结果中存在较多的残留杂波;对于Real Sequence 1,LMWIE、AGADM、MBPM 和Top -hat 方法在一定程度上增强目标,但背景抑制性能不佳;对于Real Sequence 2,目标淹没在基于LMWIE、AGADM、MBPM 和Top-hat 方法的滤波结果中,增加了后续目标检测的难度;尽管五种方法可以很好地增强Real Sequence 4 中的目标,但残余背景纹理和目标的尺寸不同。

图8.2 小目标检测对比图

(a)弱小目标红外图像,(b)本文方法的滤波结果,(c)LMWIE 滤波结果,(d)AGADM 滤波结果,(e)MBPM 滤波结果,(f)Top-Hat 滤波结果

图8.2 的结果可以定性地凸显出不同算法的优劣性。我们采用定量指标——信噪比(SNR)和信噪比增益(SNR Gain,SNRG)进一步从定量的角度论证本文方法的性能。SNR 的表达式参考式(8.6),SNRG 的表达式为

其中,SNRI和SNRO 分别为单帧图像背景抑制前后图像的信噪比。SNR 和SNRG 的值越大,表示滤波性能越好。(www.xing528.com)

针对四组小目标红外图像序列,基于本章方法、LMWIE、AGADM、MBPM 和Top-Hat 方法滤波后的SNR 和SNRG 如表8.1 所列,其中符号“-”表示该值为负数。从表8.1 中可以看出,采用本文方法滤波后的SNG 和SNRG 都有很大程度地提高,其性能明显优于LMWIE、AGADM、MBPM 和Top-Hat 方法。

表8.1 不同滤波方法的SNR 和SNRG 比较

(2)检测率和虚警率。

通常,有两种方法可以评估不同小目标检测算法的性能[1 53],一是在标准图像库上比较它们的检测结果,另一种方法是比较它们的检测率(Pdetec t)和虚警率(Ffalse)。本文采用第二种方法,且Pdetect和虚警率Ffalse分别为

其中,N 是正确检测出的真实目标的个数,Ntotal是真实目标的个数;M 是检测出的虚假目标的个数,Mtotal是图像序列总的帧数。

Real Sequence 1 和2 中的目标位置不随帧数的变化而变化,变化的是图像;而在Real Sequence 3 和4 中,目标位置和背景均随帧数的变化而变化。针对上述四组小目标红外图像序列,采用本章方法、LMWIE、AGADM、MBPM 和Top-Hat 方法的检测率和虚警率分别如表8.2 所列。从表8.2 可以看出,本章方法的检测率高于其他方法,且虚警率更低。因此,本章所提方法可以取得较高的检测率和较低的虚警率。

表8.2 不同小目标检测方法的检测率和虚警率比较

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈