Debido a problemas presentes en imágenes de objetivos débiles y pequeños en infrarrojo, como baja intensidad de señal, tamaño pequeño, susceptibilidad al ruido y complejidad del ruido de fondo, este artículo propone un método de detección de objetivos débiles pequeños en infrarrojo que combina el nuevo operador morfológico Top-hat con la transformada wavelet. Primero, se utiliza un filtrado morfológico mejorado para la supresión preliminar del fondo en imágenes infrarrojas, con el fin de reducir la interferencia de nubes, relieve del terreno y ruido local fuerte en la detección de objetivos. Luego, la imagen preprocesada se somete a una descomposición wavelet; para los componentes de baja frecuencia se utiliza un algoritmo de gradiente local e intensidad local para la supresión de fondo y el realce del objetivo, mientras que los tres componentes de alta frecuencia se suman para realzar aún más la información característica de los puntos objetivos; a continuación, se fusionan las informaciones de alta y baja frecuencia reforzadas para lograr un realce conjunto multiescala y multifrecuencia. Finalmente, se extraen los objetivos débiles pequeños infrarrojos mediante un método de segmentación de umbral adaptativo. Los resultados experimentales muestran que el método propuesto alcanza una ganancia óptima en la relación señal-a-ruido (SCRG) y se sitúa en segundo lugar en el coeficiente de supresión de fondo (BSF) solo por detrás del algoritmo PTCTV, superando en general a otros métodos comparativos. En la secuencia Seq6, SCRG y BSF son 14.16 y 82.49 respectivamente. En la curva ROC, el método alcanzó un rendimiento superior al 95% en las secuencias Seq3, Seq5 y Seq6, lo que valida plenamente que este algoritmo puede suprimir eficazmente el fondo y el ruido en escenarios complejos, con gran estabilidad y robustez.

Detección de objetivos débiles pequeños en infrarrojo; supresión de fondo; transformada wavelet; gradiente local e intensidad local; segmentación de umbral adaptativo