В связи с проблемами слабой интенсивности сигнала цели, мелких размеров, чувствительности к шуму и сложным фоновым помехам на изображениях инфракрасных слабых малых целей, в данной статье предложен метод обнаружения инфракрасных слабых малых целей, комбинирующий новый морфологический оператор Top-hat и вейвлет-преобразование. Сначала применяется улучшенная морфологическая фильтрация для предварительного подавления фона инфракрасного изображения с целью уменьшения воздействия облаков, рельефных неровностей и локальных сильных помех на обнаружение целей. Затем обработанное изображение подвергается вейвлет-разложению, и для низкочастотных компонентов используется алгоритм локального градиента и локальной интенсивности для подавления фона и усиления целей, одновременно три высокочастотных компонента суммируются для дальнейшего усиления характеристик целевых точек, после чего усиленная высокочастотная информация объединяется с низкочастотной для реализации совместного многоуровневого и многодиапазонного усиления. Наконец, с помощью метода сегментации с адаптивным порогом извлекаются инфракрасные слабые малые цели. Экспериментальные результаты показывают, что предложенный метод достигает оптимального коэффициента усиления отношения сигнал-шум (SCRG) и занимает второе место по коэффициенту подавления фона (BSF) после алгоритма PTCTV, при этом общая производительность превосходит другие методы сравнения. На последовательности Seq6 SCRG и BSF составили 14,16 и 82,49 соответственно. На кривых ROC метод обеспечил производительность выше 95% на последовательностях Seq3, Seq5 и Seq6, что полностью подтверждает способность алгоритма эффективно подавлять фон и шум в сложных сценах, обладая высокой стабильностью и робастностью.

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