В связи с проблемами низкой интенсивности сигнала цели, малого размера, подверженности шумовым помехам и сложностям фоновых помех в изображениях слабых инфракрасных целей, в данной статье предложен метод обнаружения слабых инфракрасных целей, объединяющий новый морфологический оператор Top-hat и вейвлет-преобразование. Во-первых, используется усовершенствованная морфологическая фильтрация для первоначительного подавления фона инфракрасного изображения с целью уменьшения влияния облаков, рельефа местности и локальных сильных помех на обнаружение целей. Во-вторых, после предварительной обработки изображения выполняется вейвлет-декомпозиция, при этом для низкочастотных компонентов используется алгоритм локального градиента и локальной интенсивности для подавления фона и усиления цели, а три высокочастотных компонента суммируются для дальнейшего усиления характеристик целевых точек. Усиленная высокочастотная информация объединяется с низкочастотной, реализуя многомасштабное и многочастотное совместное усиление. Наконец, слабые инфракрасные цели извлекаются с помощью метода сегментации с адаптивным порогом. Экспериментальные результаты показывают, что предложенный метод достигает оптимального прироста коэффициента сигнала к шуму (SCRG) и уступает в коэффициенте подавления фона (BSF) только алгоритму PTCTV, а общая производительность превосходит другие сравниваемые методы. В последовательности Seq6 значения SCRG и BSF составили 14,16 и 82,49 соответственно. На кривой ROC производительность метода в Seq3, Seq5 и Seq6 превышает 95%, что подтверждает эффективность алгоритма в подавлении фона и шума в сложных сценах при высокой стабильности и робастности.

Обнаружение слабых инфракрасных целей; подавление фона; вейвлет-преобразование; локальный градиент и локальная интенсивность; сегментация с адаптивным порогом