·130 智能系统学报 第6卷 测方法的结果，(c)组图像中小目标的对比度提高 熵二维直方图斜分方法对残差图像进行分割行之有 了很多.即本文方法不仅抑制了背景还增强了目标， 效，可以正确快速地将小目标分割检测出来.与现有 使得后续的小目标分割检测更加容易.图1(d)是 的基于LS-SVM背景预测的检测方法相比，本文提 用LS-SVM背景预测分割方法分割(b)组图像所得 出的方法具有更高的检测概率，检测性能更为优越 的分割图像，其中的第46帧可以分割检测出小目 标，而第86帧由于小目标的对比度太低，无法将小 参考文献： 目标检测出来.图1(e)是本文方法所得的分割图 [l]秦瀚林，刘上乾，周慧鑫，等.采用Gabor核非局部均值的 像，2帧图像都能将小目标分割出来，而且比较清 弱小目标背景抑制[J刀.红外与激光工程，2009,38(4)： 晰. 737-741. 进一步采用信噪比、信噪比增益对上述诸方法 QIN Hanlin,LIU Shangqian,ZHOU Huixin,et al.Back- ground suppression for din small target with Gabor kernel 的处理性能进行定量评价.这里的信噪比和信噪比 non-local means [J].Infrared and Laser Engineering, 增益定义如下 2009,38(4):737-741. 信噪比： [2]WU Wei,PENG Jiaxiong.Algorithm of infrared background SNR=(G,-G6)/o6: suppression and small target detection[J].Infrared Laser 式中：G,表示目标的灰度均值，G。表示背景的灰度 Engineering(s1007-2276),2003,32(2):148-152. 均值，σ。表示背景均方差， [3]汪大宝，刘上乾，寇小明，等.基于MRF的自适应正则化 信噪比增益： 红外背景杂波抑制算法[J].红外与毫米波学报，2009 GSNR-SNRO/SNRI. 28(6):440444 SNRO为处理后输出图像的信噪比，SNRI为原 WANG Dabao,LIU Shangqian,KOU Xiaoming,et al.In- frared background clutter suppression algorithm of adaptive 输入图像的信噪比.当SNRI为负值的情况下，采用 regularization based on MRF[J].J Infrared and Millimeter 如下统计公式： Waves,2009,28(6):440-444. GSNR =(SNRO +I SNRII)/I SNRII. [4]李凡，刘上乾，洪鸣，等.基于背景预测的红外弱小目标 上述2种方法的输出信噪比及信噪比增益数据 检测新算法[J刀.西安电子科技大学学报：自然科学版， 列于表1中. 2009,36(6):1075-1078. 表12种方法的性能对比 LI Fan,LIU Shangqian,HONG Ming,et al.Dim infrared Table 1 Comparison of the two methods targets detection based on background prediction[J].Jour- 红外图像 选用方法 SNRI SNRO GSNR nal of Xidian University:Natural science Edition,2009,36 LS-SVM方法 3.09717.2976 (6):1075-1078. 第46帧 0.4244 本文方法 [5]SONI T,ZEIDLER J R,KU W H.Performance evaluation 169.5024399.3930 LS-SVM方法 0.97713.2473 of 2-D adaptive prediction filters for detection of small ob- 第86帧 0.3009 本文方法 108.8897361.8800 jects in image data[J].IEEE Transactions on Image Pro- cessing,1993,2(3):327-340. 从实验结果可以看出，本文方法具有很好的检 [6]MICHIELSEN K,De R H.Integral-geometry morphological 测性能，目标检测概率非常高.利用灰色预测模型预 image analysis[J].Physics Reports,2001,347:461-538. 测红外图像背景，得到的残差图像大大抑制了背景， [7]吴一全，罗子娟.基于最小一乘背景预测的红外小目标 增强了目标对比度，再利用混沌粒子群优化的模糊 检测算法[J刀.光电工程，2008,35(4)：12-16. 最大嫡二维直方图斜分方法分割残差图像，能准确 WU Yiquan,LUO Zijuan.Method of target detection inin- 检测出真实的小目标.从表1也可以看到，本文方法 frared image sequences based on the least absolute deviation 可以大大提高信噪比，检测性能更佳， background prediction J].Opto-Electronic Engineering, 2008,35(4):12-16. 4结束语 [8]彭罡，张启衡，刘泽金，等.一种强光背景下小目标图像 文中分析了红外小目标图像的特征，采用灰色 的增强方法[J].光电工程，2007,34(12)：8792. PENG Gang,ZHANG Qiheng,LIU Zejin,et al.Image en- 系统理论中的GM(1,1)模型对红外图像中的背景 hancement method of small target in strong light level back- 进行时域预测，预测结果准确；用实际图像诚去预测 ground[J].Opto-Electronic Engineering,2007,34 (12): 图像得到残差图像，大大抑制了背景杂波并且有效 87-92. 地提高了目标对比度；混沌粒子群优化的模糊最大 [9]李天钢，王素品，秦辰.基于信息熵窗的小波低频子带弱