结合统计分布和非下采样Contourlet变换的红外小目标检测

在分析存在背景和噪声干扰下的红外小目标检测方法的基础上,提出了一种时空结合的红外小目标检测算法。首先,基于相邻帧背景图像灰度值变化的特点,提出了基于三阶中心矩统计分布确定小目标区域方法,接着对图像进行非下采样Contourlet变换(NSCT),定义子带的能量系数,并结合各个子带的能量系数得到各点的能量值,进而得到一个基于各点能量值的图像。最后,根据能量图像中小目标、背景及噪声的不同分布特点,利用阈值分割得到要检测的小目标。仿真实验结果表明,该方法能较精确地检测出红外小目标,具有较高的检测率和较小的平均虚警数;对单一背景和运动背景下的红外小目标进行检测,其检测率分别达到了98%和97%,平均虚警数仅为0.05和0.17,并且在小目标出现快速以及不规则运动时仍能进行有效检测。