近年来,低对比度图像中弱小目标的检测问题一直是光学和图像处理领域的研究热点。可见光传感器和红外传感器在监视告警系统中具有较强的生存能力,但其作用距离较短,目标在视场中多是以小目标(点和斑点目标)形态出现的,而且目标的对比度都很低,研究低对比度图像中弱小目标的实时检测及识别算法,可以实现扩展它们作用距离的目的。 本论文致力于研究低对比度弱小目标检测新方法,主要研究工作概括为:首先分析了低对比度弱小目标图像的目标背景特征、弱小目标的特点及弱小目标检测的难点。在此基础上,提出了四种行之有效的弱小目标检测方法,并开发研制了相关检测算法软件进行了验证,给出了详细的评价结果。最后还利用DSP硬件系统对算法进行了实用性验证,将邻域熵方法移植到了硬件实验系统中,系统检测率达99%,虚警率约8%,运行速度达30帧每秒。 1)将传统的熵值方法进行改进,提出运用邻域熵值的方法来检测弱小目标,并结合形态开运算来进行图像的预处理,去除噪声,提高检测率。 2)在分析分形技术在人造目标检测的应用的基础上,提出用分形曲面的尺度变化率特征来检测弱小目标,这个分形特征比常用的分形维数特征和分形拟合误差更能突出目标、抑制背景。这种方法检测率较高,而且其检测率对噪声不敏感。 3)针对模板匹配方法容易受背景和目标变化影响的缺点,提出在检测过程中对匹配的模板进行自适应修正。针对模板匹配方法检测速度慢的缺点,采取了遗传算法优化的方法,将检测速度提高近12倍,达到实时性的要求。 4)在分析了小波变换的多分辨率分析能力和数据融合的综合分析能力的基础上,提出对单传感器图像进行多分辨率分析,将取自同一源图像不同分辨率下的子图进行最优加权融合,以此来检出弱小目标。这种方法适合不同大小的目标的检测,在不同背景的情况下的表现也比较稳定,检测率保持在99%左右,在运算时间上也优于分形方法和模板匹配方法。但复杂的背景变化和噪声干扰会明显提高它的虚警率。