آشكارسازي اهداف كوچك در حال پرواز در تصاوير مادون قرمز مبتني بر تبديل Top-Hat تطبيقي

Flying Small Target Detection in Infrared Images Based on Adaptive Top-Hat Transform

آشكارسازي و رديابي خودكار اهداف كوچك در تصاوير مادون قرمز از اهميت زيادي در جهان مدرن برخوردار است. تبديل Top-Hat دسته مهمي از تبديل هاي غيرخطي ريخت شناسي است كه كاربردهاي گسترده اي در آشكارسازي و رديابي اهداف در تصاوير مادون قرمز دارد. مهم ترين مسئله در بهبود كارايي تبديل Top-Hat، به كارگيري المان ساختاري متناسب با SNR هر تصوير است. از آن جايي كه تصاوير داراي كلاتر و اهداف متفاوتند، استفاده از المان ساختاري با ابعاد و شكل ثابت براي تصاوير با SNRهاي مختلف در بسياري از موارد نمي تواند به آشكارسازي دقيق اهداف منجر شود. در اين مقاله به منظور آشكارسازي دقيق اهداف در تصوير مادون قرمز، الگوريتم ژنتيك پيوسته براي دست يابي به المان ساختاري تطبيقي پيشنهاد شده است كه مقادير هر يك از پيكسل هاي المان آن منطبق با ويژگي هاي پس زمينه و هدف است. نتايج ارزيابي هاي كمي و كيفي بر روي تصاوير مادون قرمز واقعي نشان مي دهد كه روش پيشنهادي در مقايسه با روش هاي ديگر بر پايه ريخت شناسي با المان ساختاري ثابت و تطبيقي، داراي نسبت سيگنال به كلاتر (SCR) و ضريب تضعيف پس زمينه (BSF) به مراتب بالاتري است و هشدار هاي كاذب كمتري توليد مي كند.

Automatic detection and tracking of small target in infrared images is the great importance in the modern world. Top-Hat transformation is the important class of nonlinear transformation morphology that has wide usages in the detection and tracking the target in infrared images. The most important problem in improving the efficiency of conversion of Top-Hat transformation, the use of structural elements according to the SNR of each image. Since the images have different clutter and targets, the use of structural elements with fixed shape and dimations for images with different SNR cannot lead to accurate detection. Therefore, to improve the detection, adaptive structural elements should be used. For this purpose, in this paper, we use continuous genetic algorithm to achieve Top-Hat transformation adaptive structural elements, in order to identify more precisely target point. Qualitative and quantitative evaluation results on real images show that the proposed method compared with other methods based on morphology with fixed structural element has a better performance in target detection in infrared image and produce fewer false alarms.