低信噪比单帧图像中的小目标检测方法研究

摘要

随着现代战争技术的发展，远距离侦察和远程精确打击已成为现代战争的重要手段。由于光学传感器为被动传感器，其作用距离较短。当目标距离它较远时，成像为低信噪比小目标，若能尽早发现并捕获目标，将在战争中占据优势地位。因此，研究低信噪比图像中小目标的实时检测算法，具有重要意义。 为克服弱小目标检测的难点并满足算法的实时性，可以采用单帧图像的检测方法。先对图像进行滤波，抑制背景噪声，提高图像信噪比，再用分割算法将小目标与复杂背景分离，实现目标检测定位。本课题受江西省研究生创新专项基金和南昌航空大学研究生创新基金资助，致力于研究基于单帧图像的低信噪比小目标检测算法，主要的研究工作和取得的成果如下： （1）研究了低信噪比图像的滤波方法，利用小波变换具有良好的时频局部化特性，能在保护信号局部特征和抑制噪声之间达到较好平衡的优点，将小波变换应用到对低信噪比小目标图像的去噪问题上。区别于传统的小波幅值去噪法，提出一种基于小波相位的噪声抑制算法，利用噪声点相位的突变性以及与邻近像素点相位的不连续性，将点相位系数与窗相位系数之差和阈值做比较，实现噪声抑制。为解决小波相位随分解层数增加而产生移位失真的问题，对同一尺度内的相位系数做处理。实验结果表明该算法具有良好的去噪效果，不仅能较大幅度地提高图像信噪比，而且较完整地保留了图像边缘和细节信息，适合对低信噪比小目标图像去噪。 （2）研究了弱小目标图像的阈值分割方法，利用遗传算法具有简单、鲁棒性好和本质并行性等优点，将它应用于对分割阈值的确定，提出一种基于遗传算法的双参量弱小目标分割算法。该算法结合最大类间方差法和最小误差法的阈值选取准则并引入视觉非线性特性的数学模型，构造了一个新的适应度函数，用改进的遗传操作策略对灰度参量和目标面积比例参量进行优化计算，大大提高了算法的收敛速度和避免了局部早熟问题。该算法解决了最小误差法需要人为给定目标面积比例的限制，使算法能自适应地完成目标分割。与传统单参量分割方法的对比实验结果表明，该算法能有效对各种低信噪比小目标图像进行分割，抗噪声性能好，并且能较准确地提取小目标区域的形状特征，实现对弱小目标的检测定位。