紅外弱小目標處理研究獲進展

最新 11-20

近日，中國科學院長春光學精密機械與物理研究所圍繞基於 POCS 的紅外弱小目標超解析度復原演算法展開研究。針對紅外弱小目標超解析度復原中出現的問題，對傳統 POCS 超解析度復原演算法進行了優化，提出了改進演算法，提高了復原演算法的性能，同時使其達到實時或接近實時，進而可以在實際紅外圖像處理系統中應用。研究成果對於紅外弱小目標識別與跟蹤發展具有重要現實意義。

隨著紅外成像相關產業的興起，紅外成像技術具有的隱蔽性好、探測範圍廣、定位精度高、穿透距離遠，以及輕質小巧、低耗可靠等優點備受青睞，已成為當前智能化光電探測發展的主流方向。然而，紅外弱小目標的圖像細節特徵少、信噪比低等特點成為紅外圖像應用的瓶頸，如何提高紅外弱小目標成像效果成為目前的研究熱點。該項研究以「復原為本」為研究著眼點，利用超解析度復原相關理論和技術，研究紅外弱小目標超解析度復原的方法和技術。

該項研究提出了四種改進的 POCS 演算法和一種新的超解析度復原評價方法，並分別通過基於紅外動態場景模擬系統實驗和基於紅外圖像採集及處理系統實驗，驗證了改進演算法和評價方法的有效性。研究的主要工作及創新之處在於：

（1）針對傳統 POCS 復原方法對雜訊比較敏感的問題，將目前去噪效果較好的 BM3D 濾波方法和 POCS 復原方法相結合，對 BM3D 方法進行優化，提出了使用圖像塊的均值預篩選和限制分組圖像塊數目的方法，降低了 BM3D 方法的運算量。實驗表明，基於 BM3D 的 POCS 超解析度復原演算法能夠在低解析度圖像包含雜訊時，取得比傳統 POCS 方法更好的復原效果，復原的高解析度圖像主觀上基本看不出雜訊。

（2）針對傳統的超解析度復原評價體系只關注圖像某一方面統計特性的問題，提出了基於 SSIM_NCCDFT 的超解析度復原評價方法。該評價方法結合了空間域的灰度均值、對比度以及頻域自相關，能夠同時評價超解析度復原結果在空間域的復原效果和對頻域信息的復原精度，實驗表明，該評價方法能夠很好的評價超解析度復原的結果，對超解析度評價方法具有一定的指導意義。

（3）針對 POCS 超解析度復原演算法迭代時間較長，無法滿足光電探測系統實時性的問題，提出了基於梯度圖的快速 POCS 超解析度復原演算法。該演算法根據圖像的梯度分布對圖像中的像素點進行分類，採用不同的迭代係數進行計算。改進演算法能夠較好的保留邊緣信息並抑制雜訊，進而在保證超解析度復原性能的基礎上縮短了運算時間。同時，提出了另外一種改進演算法：基於區域選擇的快速 POCS 超解析度復原演算法。光電探測系統中我們關注的重點是目標區域，而這一區域通常只佔很少的像素位置，因此通過閾值分割和合併找到所有目標區域並集，然後僅在這個目標區域並集上進行超解析度復原。這樣，去除了復原背景的巨大運算量，縮短了運算時間，使其達到實時或接近實時，進而可以在實際紅外圖像處理系統中應用。

相關研究成果發表在Scientific Reports上。研究工作得到了國家自然科學基金面上項目、光電對抗研究部創新基金等的支持。