标，然后对得到的图像进行门限分割，从而分离出目标。实验表明该算法对所要检测的边缘。基于边缘提取的局部对比红外弱小目标检测改进算法论文原稿。因此，为了计算最终的对比度图，需要计算不同大小尺度下的值。是目标可能的最大尺寸，从到计算每个尺度下的对比度图，则对于图像中的每点，对比度值为算法存在的缺点分析算法流程可以发现，经过计算得到局部对比度图，图像信噪比显著提高，周围背景得到抑制，能够较好的检测出目标。但是，仍然存在云层边缘虚警率较高等缺点。公式中的代表第像素块中的极值，如果像素点是灰度值较大的点，那么所有包含的，所求最大值基于边缘提取的局部对比红外弱小目标检测改进算法论文原稿检测的边缘提取之中，取得了良好的效果，为后续剔除虚警奠定了基础。最后，经对比剔除虚警的图像再进行门限分割。因此，为了计算最终的对比度图，需要计算不同大小尺度下的值。是目标可能的最大尺寸，从到计算每个尺度下的对比度图，则对于图像中的每点，对比度值为算法存在的缺点分析算法流程可以发现，经过计算得到局部对比度图，图像信噪比显著提高，周围背景得到抑制，能够较好的检测出目标。但是，仍然存在云层边缘虚警率较高等缺点。公式中的代表第像素块中的极值，如果像素点是灰度值较大的红外监视告警系统是现代战争防御系统的重要组成部分，它具有监视距离远，反应迅速等特点，已然成为大国之间军力竞争的重要砝码。由于探测距离远，导弹的成像在红外探测图像中显示为弱小目标。因此，对复杂背景条件下利用红外探测图像进行弱小目标的检测是红外导弹预警的关键技术之。由于太阳光反射和云层背景的存在，红外探测图像信噪比较低，目标容易淹没在背景摘要针对复杂背景下红外弱小目标检测中存在虚警率较高等问题，提出种基于局部对比度计算显著图结合边缘提取消除虚警的目标检测算法。该算法首先利用算法提取视觉显著区域，再利用算子提取云层边缘，将得到的视觉显著图与云层边缘进行对比，剔除掉虚警目标，然后对得到的图像进行门限分割，从而分离出目标。实验表明该算法对多云背景下红外弱小目标具有较好的检测效果，能够解决局部对比度算法存在的虚警率较高的问题。关键词弱小目标视觉显著性局部对比度算子中图分类号文献标识码，杨琳娜，安玮，林再平，等基于空间距离改进的视觉显著性弱小目标检测光学学报，感知能够引起视觉注意的有价值的信息。因此，视觉注意机制被广泛应用于图像处理医学及心理学等领域。在图像处理中，视觉注意机制被应用于目标的显著性检测上，即在显著性区域中检测出目标。对显著图的计算方法很多，等提出了种局部对比度算法，即通过滑动窗来遍历整幅图像，计算每个滑动窗的局部对比度，最后得到整幅图像的局部对比度图。基于边缘提取的局部对比红外弱小目标检测改进算法论文原稿。图为含有目标的红外探测图像，图为经过局部对比度算法处理后的图像，由上图可以看出经过局部对比度算，杨琳娜，安玮，林再平，等基于空间距离改进的视觉显著性弱小目标检测光学学报，信噪比对比但是在显著图中看到，云层边缘经过局部对比度算法处理之后存在大量的虚警目标，灰度值很高，对目标分割增加了难度。下面采用本文提出的算子提取边缘算法来提取红外探测图像的云层边缘。如图图表明，算子能够很好的提取出云层边缘，背景噪声的抑制效果良好。最后将得到的云层边缘与之前的图作对比，剔除掉虚警目标，然后进行阈值分割，得到最终的目标。如图。结语本文针对基于局部对比度算法的背景抑制算法存在大量虚警问题，提出将其与算子边缘检测算法相结合剔除基于边缘提取的局部对比红外弱小目标检测改进算法论文原稿，王植，贺赛先，种基于理论的自适应边缘检测方法中国图像图形学报，胡谋法，董文娟，王书宏，等奇异值分解带通滤波背景抑制和去噪电子学报，。制算法存在大量虚警问题，提出将其与算子边缘检测算法相结合剔除云层边缘虚警算法，能够较好的抑制背景杂波，剔除虚警，从而分离出目标。经过仿真实验可以看出，显著图中在云层边缘较亮部分明显存在大量的虚警，算子提取到的云层边缘与得到的虚警重合，然后将得到的显著图与算子提取到的边缘作对比，将处于云层边缘的虚警剔除掉，即得到图中的目标。结果表明本文所提算法能够抑制复杂背景，提高图像信噪比，并分割出目标。参考文献红外监视告警系统是现代战争防御系统的重要组成部分，它具有监视距离远，反应迅速等特点，已然成为大国之间军力竞争的重要砝码。由于探测距离远，导弹的成像在红外探测图像中显示为弱小目标。法，图像信噪比增强，背景得到抑制。下表为局部对比算法计算的显著图与原图的信噪比对比但是在显著图中看到，云层边缘经过局部对比度算法处理之后存在大量的虚警目标，灰度值很高，对目标分割增加了难度。下面采用本文提出的算子提取边缘算法来提取红外探测图像的云层边缘。如图图表明，算子能够很好的提取出云层边缘，背景噪声的抑制效果良好。最后将得到的云层边缘与之前的图作对比，剔除掉虚警目标，然后进行阈值分割，得到最终的目标。如图。结语本文针对基于局部对比度算法的背景，王植，贺赛先，种基于理论的自适应边缘检测方法中国图像图形学报，胡谋法，董文娟，王书宏，等奇异值分解带通滤波背景抑制和去噪电子学报，。算法计算显著图视觉注意机制在人类的视觉系统中占据重要地位。它能使我们在观察事物的过程中自动云层边缘虚警算法，能够较好的抑制背景杂波，剔除虚警，从而分离出目标。经过仿真实验可以看出，显著图中在云层边缘较亮部分明显存在大量的虚警，算子提取到的云层边缘与得到的虚警重合，然后将得到的显著图与算子提取到的边缘作对比，将处于云层边缘的虚警剔除掉，即得到图中的目标。结果表明本文所提算法能够抑制复杂背景，提高图像信噪比，并分割出目标。参考文献，因此，对复杂背景条件下利用红外探测图像进行弱小目标的检测是红外导弹预警的关键技术之。由于太阳光反射和云层背景的存在，红外探测图像信噪比较低，目标容易淹没在背景杂波之中，检测难度较大。因此，行之有效的目标检测算法对于提高监视系统的性能具有十分重要的意义。基于边缘提取的局部对比红外弱小目标检测改进算法论文原稿。图为含有目标的红外探测图像，图为经过局部对比度算法处理后的图像，由上图可以看出经过局部对比度算法，图像信噪比增强，背景得到抑制。下表为局部对比算法计算的显著图与原图基于边缘提取的局部对比红外弱小目标检测改进算法论文原稿，多云背景下红外弱小目标具有较好的检测效果，能够解决局部对比度算法存在的虚警率较高的问题。关键词弱小目标视觉显著性局部对比度算子中图分类号文献标识码文章编号都是相同的，而其周围背景区域的值相差不大，则会导致周围的像素点会同样被偏大的加权，导致它们局部对比度值比正常值偏大，在检测中被误认为目标，成为虚警点。本文改进算法图像的边缘是图像的基本特征之，其灰度值具有不连续性，这个特性导致其很容易被检测到。在红外探测图像中，存在各种噪声，比较典型的就是云杂波噪声。在目标检测过程中，存在大量由于云层边缘引起的虚警。因此剔除虚警有效的方法就是提取云层边缘，将提取到的边缘图像与局部对比度图作对比。基于算子的边缘提取算法，由于其具有，那么所有包含的，所求最大值都是相同的，而其周围背景区域的值相差不大，则会导致周围的像素点会同样被偏大的加权，导致它们局部对比度值比正常值偏大，在检测中被误认为目标，成为虚警点。其中，梯度。对梯度进行非极大抑制，即求高斯函数与图像的卷积的极大值，在取得极大值的点就是边缘点。算法采用的方向邻域的阵列沿梯度方向进行梯度幅值的插值。其数学表达式为对边缘进行连接。算子采用双阈值算法来分割边缘，除去假边缘，然后再根据递归跟踪的算法来将得到的边缘连接起来，最终得到杂波之中，检测难度较大。因此，行之有效的目标检测算法对于提高监视系统的性能具有十分重要的意义。本文改进算法图像的边缘是图像的基本特征之，其灰度值具有不连续性，这个特性导致其很容易被检测到。在红外探测图像中，存在各种噪声，比较典型的就是云杂波噪声。在目标检测过程中，存在大量由于云层边缘引起的虚警。因此剔除虚警有效的方法就是提取云层边缘，将提取到的边缘图像与局部对比度图作对比。基于算子的边缘提取算法，由于其具有较强的抗噪能力和较高的边缘精度检测能力，被广泛应用于目标，码文章编号