对于点目标来说，（www.chip315.com）它本身除了灰度信息以外无其他信息(例如形状特征和几何结构特征)可以利用，因此用来检测点目标的可用信息除了目标本身的灰度信息外，必须利用点目标周围的灰度分布和灰度起伏特征，这就是背景预测方法的出发点。对于天空背景图像，背景中的细节成分比较少，在大部分情况下，背景是大面积平缓变化的场景，像素之间有强相关性，占据图像空间频域的低频分量，因此利用背景像素之间灰度的相关性和目标灰度与背景灰度的无关性，可以在图像空间域做空域高通滤波，或在频率域做频域高通滤波。在空域高通滤波中，用高通模板进行空间卷积相当于对原图像做低频分量估计，即低频成分 主要是背景图像，高频成分主要包括点目标 背景中的高频成分(如云层边缘处的像素)和成像过程中产生的高频噪声点 。点目标和背景中的高频成分在单帧图像中表现出相近的特性，而背景图像则表现出与点目标和背景中的高频成分不同的特性，因此可利用背景图像相关长度长的特点来抑制在图像灰度分布统计中占主要成分的背景图像，提高目标的对比度，并在尽量确保高检测率的前提下，使虚警点数最少。根据所采用的低频分量估计方法类型的不同，可以得出不同的高通模板。对于点目标图像的背景抑制，有以下三种常用的高通模板:
其中H3被称为[url=http://www.chip315.com[url]http://www.chip315.com]Laplacian[/url][/url]模板，它是在假定图像行列方向像素的相关系数相
假设模板大小为((2L+l) X (2L+1)，则空域高通滤波可由(2.9)式表示:
式(2.9)中加入取绝对值的处理目的是使高通滤波法能同时保留亮灰度奇异点
和暗灰度奇异点。经高通滤波后点 的灰度值 正比于 即滤波前 点的灰度值 与其邻域均值差别(高于或低于)越大，滤波后该点的灰度值 就越高。对于灰度值高于或低于邻域灰度均值的目标点该背景抑制方法均适用。因此高通滤波法可用于两种类型图像的背景抑制。转自：http://www.chip315.com |
楼主
标题置顶
标题高亮
