1、紅外小目標(biāo)檢測(cè)被應(yīng)用于多領(lǐng)域當(dāng)中，隨著科技的不斷進(jìn)步，紅外技術(shù)的發(fā)展對(duì)于天空預(yù)警系統(tǒng)、跟蹤系統(tǒng)、視頻監(jiān)控等領(lǐng)域有著重要的意義。紅外目標(biāo)圖像主要特點(diǎn)是：隱蔽性強(qiáng)、成像質(zhì)量高。遠(yuǎn)距離的紅外成像目標(biāo)通常隱藏在結(jié)構(gòu)化的背景雜波中，目標(biāo)距離較遠(yuǎn)、噪聲影響且圖像信噪比低，紅外圖像無(wú)法表征場(chǎng)景的細(xì)節(jié)信息，導(dǎo)致目標(biāo)和邊界模糊不清，后續(xù)紅外小目標(biāo)的檢測(cè)技術(shù)面臨著較大的困難。近年來(lái)稀疏分解理論得到廣泛應(yīng)用，但是還面臨著進(jìn)一步的探索，而基于濾波的目標(biāo)檢測(cè)方法

2、不能準(zhǔn)確的從背景雜波中分離目標(biāo)，源圖像中小目標(biāo)占用的像素點(diǎn)少，但是紅外成像過(guò)程中噪聲較多、雜波干擾嚴(yán)重、對(duì)比度低、目標(biāo)信號(hào)強(qiáng)度相對(duì)較弱、易被強(qiáng)度較強(qiáng)的雜波所影響，可以利用的細(xì)節(jié)特征較少。針對(duì)紅外小目標(biāo)圖像的特點(diǎn)、特性分析，其背景特征較多，受噪聲雜波滋擾嚴(yán)重導(dǎo)致目標(biāo)辨認(rèn)精度低等問(wèn)題，為了加強(qiáng)主成分分析對(duì)稀疏噪聲的魯棒性，本文提出了關(guān)于紅外小目標(biāo)圖像背景抑制算法，研究基于低秩稀疏分解和調(diào)諧引導(dǎo)濾波的背景預(yù)測(cè)模型，更加高效的抑制噪聲雜波干擾、

3、提高目標(biāo)圖像的對(duì)比度。
　　本文提出的背景抑制算法：1.運(yùn)用稀疏分解理論對(duì)紅外小目標(biāo)圖像進(jìn)行分解，得到低秩成分和稀疏成分。因?yàn)榧t外目標(biāo)點(diǎn)的周?chē)南袼攸c(diǎn)與其它背景區(qū)域部分的像素點(diǎn)灰度值之間關(guān)聯(lián)性差，在圖像的整體特征中呈現(xiàn)為孤立點(diǎn)，稀疏分解利用這一特性，實(shí)現(xiàn)背景與目標(biāo)的完整分化。2.采用引導(dǎo)濾波算法增強(qiáng)目標(biāo)區(qū)域邊緣紋理信息，平滑雜波抑制噪聲。采用閾值算法對(duì)預(yù)處理后的圖像，提取目標(biāo)信號(hào)且增強(qiáng)紅外圖像的檢測(cè)性能。3.基于稀疏分解和濾波增強(qiáng)

4、算法建立紅外圖像背景預(yù)測(cè)模型，利用噪聲的稀疏性最大化分離噪聲，減少?gòu)?qiáng)噪聲滋擾導(dǎo)致的目標(biāo)點(diǎn)誤判，抑制背景雜波及噪聲。4.根據(jù)紅外圖像的背景統(tǒng)計(jì)特性建立適應(yīng)背景變化的調(diào)諧保邊模型，提高背景預(yù)測(cè)精度。
　　本文提出的背景抑制算法方案可有效提高紅外目標(biāo)檢測(cè)的魯棒性和精準(zhǔn)度，為紅外預(yù)警偵察系統(tǒng)提供準(zhǔn)確的檢測(cè)手段，對(duì)提高紅外圖像的檢測(cè)概率、檢測(cè)范圍和監(jiān)測(cè)效果具有重大現(xiàn)實(shí)意義。通過(guò)實(shí)驗(yàn)驗(yàn)證，本文選取的方案對(duì)紅外小目標(biāo)圖像具有較好的背景抑制效果。