Face aux problèmes d'intensité faible du signal cible, de petite taille, de sensibilité au bruit et de complexité du bruit de fond dans les images des petites cibles infrarouges, cet article propose une méthode de détection des petites cibles infrarouges combinant un nouvel opérateur morphologique Top-hat et la transformation en ondelettes. Tout d'abord, un filtrage morphologique amélioré est utilisé pour une suppression préliminaire du fond sur l'image infrarouge afin de réduire les interférences de nuages, du relief du terrain et du bruit local fort lors de la détection des cibles. Ensuite, l'image prétraitée est décomposée par ondelettes, et les composantes basses fréquences sont traitées avec un algorithme de gradient local et d'intensité locale pour la suppression du fond et le renforcement de la cible, tandis que les trois composantes hautes fréquences sont additionnées pour renforcer davantage les caractéristiques des points cibles. Les informations des hautes fréquences renforcées sont fusionnées avec celles des basses fréquences pour réaliser un renforcement conjoint multi-échelle et multi-domaine fréquentiel. Enfin, l'extraction des petites cibles infrarouges est réalisée par une méthode de segmentation à seuil adaptatif. Les résultats expérimentaux montrent que la méthode proposée atteint les meilleurs gains de rapport signal sur bruit (SCRG), n'étant devancée dans le coefficient de suppression du fond (BSF) que par l'algorithme PTCTV, et que sa performance globale dépasse celle des autres méthodes comparées. Sur la séquence Seq6, SCRG et BSF sont respectivement de 14,16 et 82,49. Sur la courbe ROC, la méthode dépasse 95% de performance sur Seq3, Seq5 et Seq6, démontrant pleinement que cet algorithme peut efficacement supprimer le fond et le bruit dans des scénarios complexes, avec une bonne stabilité et robustesse.

Détection des petites cibles infrarouges; suppression du fond; transformation en ondelettes; gradient local et intensité locale; segmentation à seuil adaptatif