基于Contourlet变换和Facet模型的红外小目标检测方法

针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题，提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换，利用硬阈值对图像进行去噪，提高图像的信噪比和平滑性；然后设计了一种基于Facet模型多向梯度特性的中值滤波器，对去噪后的图像进行滤波，有效地抑制复杂背景和噪声；其次采用两级最大类间方差算法对滤波后的图像进行分割；最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明，这种算法抗噪性强，对包含强纹理结构的复杂背景具有良好的抑制作用，能够有效地检测出弱小目标。