1. 前言

红外图像中的弱小目标，目标属性包涵“弱"和“小’’两个方面：“弱’’是指目标在红外波长上所表现出来的强度，具体反映到所拍摄的红外图像上，就是指目标的灰度值；而“小’’是指目标的尺寸大小，也就是前面所述的成像面积很小，反映到红外图像上就是指目标所占的像素数目很少。

SPIE国际光学工程学会(Societyof Photo一0ptical Instrumentation Engineers，简记为SPIE)从1989年开始，几乎每年都会举办有关弱小目标检测技术的国际会议，研讨弱小目标检测技术的最新研究成果。根据SPIE的定义，成像尺寸小于整个成像区域0.12％的目标均可称为弱小目标(即当成像尺寸为256×256时，弱小目标应不超过81个像素，其目标尺寸在9*9以内)。

2. 平滑滤波算法

平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。

滤波的本义是指信号有各种频率的成分,滤掉不想要的成分,即为滤掉常说的噪声,留下想要的成分.这即是滤波的过程,也是目的。一是抽出对象的特征作为图像识别的特征模式；另一个是为适应图像处理的要求，消除图像数字化时所混入的噪声。常用的一般是均值滤波、中值滤波、高斯滤波等。

3. Matlab仿真

%% 测试算法6(平滑滤波)：对平滑滤波算法进行红外弱小目标检测跟踪的性能进行检验
%% 1，根据平滑滤波进行背景抑制，在通用数据集上进行验证背景抑制
%% 图像分辨率为 256 × 256，仿真图像位数为 8 bit，目标最小1个像素
% date：2019-11-20 08:43:40
% author:C.S
clc;clear;close;
tic
 
[filename,pathname]=uigetfile('*.jpg;*.png;*.bmp','select the file'); 
im=[pathname,filename]; 
I=rgb2gray(imread(im)); 
figure(1); imshow(I) ; title ('原图') ;
 
h1=[3 3 3 3 3 3 3; 
    3 2 2 2 2 2 3; 
    3 2 1 1 1 2 3; 
    3 2 1 0 1 2 3; 
    3 2 1 1 1 2 3; 
    3 2 2 2 2 2 3; 
    3 3 3 3 3 3 3]/112; %卷积模板1
 
h2=[9 9 9 9 9 9 9 
    9 4 4 4 4 4 9 
    9 4 1 1 1 4 9 
    9 4 1 0 1 4 9 
    9 4 1 1 1 4 9 
    9 4 4 4 4 4 9 
    9 9 9 9 9 9 9]/288; %卷积模板2
 
Ifilt=imfilter(I,h1,'conv','replicate'); %平滑
figure(2); imshow(Ifilt); 
title('模板1平滑后'); 
I_left=I-Ifilt; %
figure(3);imshow(I_left); 
title('模板1背景抑制后') 
 
[a1,ind1]=max(I_left);
[a2,ind2]=max(a1); 
m1=ind1(ind2); 
n1=ind2; 
siz=35; 
r=round(siz/2); 
pos=[n1-r,m1-r,siz,siz]; 
hold on 
rectangle('Position',pos,'LineWidth',2,'EdgeColor',[1 0 1]); 
 
 
Ifilt=imfilter(I,h2,'conv','replicate'); 
figure(4); imshow(Ifilt); 
title('模板2平滑后'); 
I_left=I-Ifilt; 
figure(5); imshow(I_left); 
title('模板2背景抑制后') 
 
[a1,ind1]=max(I_left);
[a2,ind2]=max(a1); 
m1=ind1(ind2); 
n1=ind2; 
siz=35; 
r=round(siz/2); 
pos=[n1-r,m1-r,siz,siz]; 
hold on 
rectangle('Position',pos,'LineWidth',2,'EdgeColor',[1 0 1]);

在这里插入图片描述

4. 小结

简单平滑滤波同样作为一种非线性滤波的处理方法，是非常基础的滤波处理方法，
在相对简单的背景中一般也可以处理效果，但在应对复杂多变的背景中，同样需要针对背景变化进行全方位的优化，本次将其应用在复杂背景下弱小目标的背景抑制中，后续看能否在全运动过程中经过优化设计，得到更好的目标检测效果，后续再进行详细介绍。