بهبود اهداف كوچك در تصاوير مادون قرمز با استفاده از آنتروپي وزن دار آماري

Small Target Enhancement in Infrared Image using Local Statistical Weighted Entropy

بهبود اهداف كوچك در تصاوير مادون قرمز يكي از مهمترين مسايل در سامانه هاي آشكارسازي و رديابي اهداف مي باشد. الگوريتم-هاي بهبود اهداف، امكان تفكيك دقيق تر بين پيكسل هاي نواحي پس زمينه و اهداف را در تصاوير مادون قرمز فراهم مي آورد. در اين مقاله، روش جديد آنتروپي وزن دار آماري جهت تضعيف كلاترهاي پس زمينه و افزايش كنتراست بين اهداف و كلاتر پس زمينه پيشنهاد شده است. از بهترين راه ها براي بيان مشخصات شدت روشنايي تصوير، استفاده از آنتروپي محلي است. در نتيجه، آنتروپي وزن دار آماري مطابق با اين واقعيت طراحي شده است كه پيكسل هاي شامل اهداف كوچك، باعث تغييرات عمده اي در مقدار آنتروپي وزن دار آماري در پنجره هاي محلي تصوير مادون قرمز مي گردد و براحتي مي توان پيكسل هاي هدف و پس زمينه را از هم تفكيك نمود. در مرحله اول، آنتروپي وزن دار آماري هر پنجره محلي متناظر با هر پيكسل از تصوير محاسبه مي شود. در پايان اين مرحله، شدت روشنايي كلاترهاي پس زمينه تا حد زيادي تضعيف گرديده و پيكسل هاي هدف بهبود مي يابند. در مرحله بعد، از يك ضريب بهبود خودكار به منظور برجسته تر شدن اهداف و ايجاد كنتراست بيشتر بين ناحيه هدف و كلاترهاي پس زمينه، استفاده مي شود. به منظور ارزيابي كيفي و كمي، الگوريتم پيشنهادي بر روي مجموعه اي از تصاوير مادون قرمز شامل 30 تصوير با پس زمينه هاي مختلف و پيچيده، مورد آزمايش قرار گرفت. نتايج نشان مي دهد كه روش پيشنهادي بخوبي مي تواند با تضعيف كلاتر پس زمينه، باعث بهبود ناحيه هدف گردد و در نتيجه احتمال آشكارسازي و رديابي اهداف را بيشتر نمايد.

Small targets Enhancement in infrared images are one of the most important issues in the target search and tracking systems. Target enhancement algorithms Provide more accurate differentiation between the background and target areas in Infrared Images. In this paper, a new method of statistical weighted entropy has been suggested to suppress background clutters and increasing the contrast between target and clutter background. Local entropy is the best ways to express image intensity specifications. As a result, statistically weighted entropy is designed in accordance with the fact that, existence of small target areas cause the major changes in statistically weighted entropy value in local window of infrared image and target areas and background can be easily separated from each other. In first stage, the local Statistical weighted entropy corresponding to each pixel is calculated. At the end of this stage, background clutters are greatly suppressed and target areas are enhanced. In the next step, an automatic enhancement coefficient is used to highlight the targets and create higher contrast between the target area and background clutters. In order to qualitatively and quantitatively evaluation, the proposed algorithm was tested on a set of infrared images with 30 different background complex clutters. The results show that the proposed method can well suppress background clutter, whereas enhance the target area and increase the possibility of detecting and tracking targets.