Ante los problemas de baja intensidad de la señal del objetivo, tamaño pequeño, fácil interferencia por ruido y complejidad del ruido de fondo en imágenes de objetivos débiles en infrarrojo, este artículo propone un método de detección de objetivos débiles en infrarrojo que combina un nuevo operador morfológico Top-hat y la transformada wavelet. Primero, se utiliza un filtrado morfológico mejorado para la supresión preliminar del fondo en la imagen infrarroja, con el fin de reducir la interferencia de nubes, el relieve del terreno y el ruido local fuerte en la detección de objetivos. Luego, la imagen preprocesada se descompone con wavelet, y las componentes de baja frecuencia utilizan un algoritmo de gradiente local y fuerza local para la supresión del fondo y el aumento del objetivo, mientras que las 3 componentes de alta frecuencia se acumulan para mejorar aún más la información característica de los puntos objetivo. La información de alta frecuencia mejorada se fusiona con la de baja frecuencia para lograr un aumento conjunto multiescala y multidominio en frecuencia. Finalmente, se extraen los objetivos débiles en infrarrojo utilizando un método de segmentación por umbral adaptativo. Los resultados experimentales demuestran que el método propuesto alcanza la mejor ganancia en la relación señal a ruido (SCRG) y es superado en el coeficiente de supresión de fondo (BSF) solo por el algoritmo PTCTV, con un rendimiento general superior a otros métodos comparados. En la secuencia Seq6, SCRG y BSF son 14,16 y 82,49 respectivamente. En la curva ROC, el método de este artículo supera el 95% en Seq3, Seq5 y Seq6, lo que demuestra completamente que este algoritmo puede suprimir eficazmente el fondo y el ruido en escenarios complejos, con alta estabilidad y robustez.

Detección de objetivos débiles en infrarrojo; supresión de fondo; transformada wavelet; gradiente local y fuerza local; segmentación por umbral adaptativo