复杂背景下红外目标检测方法研究+文献综述(5)
1.3.5 时空域滤波
空域滤波器是一种图像预处理算法，这类算法是根据弱小目标区域特点构造滤波器对图像进行滤波，使图像中弱小目标区域得到加强，背景区域得到削弱，再分割滤波后图像实现弱小目标检测。高通滤波是一种典型的空域滤波器，将图像中弱小目标区域看为图像的高频部分，背景区域为图像的低频部分，构造了空域滤波器，经过滤波器处理过的图像，高频部分得到了加强，低频部分得到了抑制，从而提高了图像的信噪比，再分割该图像就得到了检测结果。除了高通滤波器外，还有中值滤波，匹配滤波，组合滤波等弱小目标图像预处理方法。
1.3.6 图像分割
这类方法是直接从图像灰度出发，利用弱小目标灰度与背景灰度的差异进行分割，从而得到检测结果。对于复杂背景的弱小目标检测问题，仅仅从全局角度出发得到分割门限进行图像地分割其效果是不理想的，由于复杂背景区域很难用一个模型去描述，因此要得到理想的检测结果是比较困难的。
1.3.7 管道滤波
管道滤波是一种多帧确认目标的方法，将图像序列看为一个三文的空间，弱小目标的运动可以转换为在三文空间的运动，若目标的运动速度已知，则可以预先给目标设定一个运动的管道，目标的运动将在这个管道中进行，通过对管道区域的累加值的计算来确认目标。算法需要已知或估计目标的运动速度，利用运动速度对图像中每个点从多帧角度出发构成一个管道，对管道中的区域进行累加，若累加值过门限认为目标确认。
1.3.8 动态规划
动态规划方法是将弱小目标的检测问题转换为目标轨迹搜索问题。该方法利用动态规划理论中的分段优化思想，将目标轨迹搜索问题分解为分级优化问题，依据航迹判断的准则，设定一个评价函数，利用评价函数进行一定阶段递归计算后，找到所有可能轨迹的轨迹片断，然后逆向反推得到所有可能的目标运动轨迹。动态规划方法使用的一个缺点是计算量较大，需要对所有的航迹进行计算。
1.3.9 航迹信息
弱小目标在运动时会产生航迹，航迹方法正是根据单帧弱小目标图像的目标提取结果，结合多帧信息，通过对航迹的检测确认目标，上文提到的动态规划方法实质上是一种利用航迹确认目标方法。基于航迹信息的检测算法，很多可以和跟踪算法融合在一起，由于弱小目标的灰度、结构、面积均不稳定，最稳定的是其运动时产生的航迹，因此，要实现对目标的稳定跟踪，必须利用航迹信息。
1.3.10 基于熵的弱小目标检测方法
熵是信息论中一种表达信号含信息量大小的度量，在图像领域中区域信息熵体现了一个区域灰度变化的剧烈程度。图像中有不同的类别区域，每个类别区域从信息论的角度来讲所含有的信息量是不同的，于是在不同区域就有不同信息熵的数值。在弱小目标区域由于弱小目标与背景存在着较大的差异，因此，在该区域中含有的信息量较多其图像信息熵也较大，可利用这个特点实现弱小目标检测。
1.3.11 小波变换
红外弱小目标图像中背景区域在红外辐射的强度上呈渐变过渡状态，这使得图像往往呈现大面积的连续分布状态，从而使得它们的图像在灰度分布上具有较大的相关性，这就构成了一种缓慢变化且非平稳的二文随机过程。目标的红外辐射强度与它周围自然背景的辐射强度无关，且一般高于背景的辐射强度。于是，可以认为图像中背景区域处于图像信号的低频部分，而目标区域处于图像的高频部分，通过小波变换将红外图像进行低频部分和高频部分的分离，然后对各高频分量进行分析，实现对目标的检测。