بهبود اهداف کوچک در تصاویر مادون قرمز با استفاده از آنتروپی وزن دار آماری

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 194

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-4-2_006

تاریخ نمایه سازی: 23 اردیبهشت 1400

چکیده مقاله:

بهبود اهداف کوچک در تصاویر مادون قرمز یکی از مهمترین مسائل در سامانه های آشکارسازی و ردیابی اهداف می باشد. الگوریتم-های بهبود اهداف، امکان تفکیک دقیق تر بین پیکسل های نواحی پس زمینه و اهداف را در تصاویر مادون قرمز فراهم می آورد. در این مقاله، روش جدید آنتروپی وزن دار آماری جهت تضعیف کلاترهای پس زمینه و افزایش کنتراست بین اهداف و کلاتر پس زمینه پیشنهاد شده است. از بهترین راه ها برای بیان مشخصات شدت روشنایی تصویر، استفاده از آنتروپی محلی است. در نتیجه، آنتروپی وزن دار آماری مطابق با این واقعیت طراحی شده است که پیکسل های شامل اهداف کوچک، باعث تغییرات عمده ای در مقدار آنتروپی وزن دار آماری در پنجره های محلی تصویر مادون قرمز می گردد و براحتی می توان پیکسل های هدف و پس زمینه را از هم تفکیک نمود. در مرحله اول، آنتروپی وزن دار آماری هر پنجره محلی متناظر با هر پیکسل از تصویر محاسبه می شود. در پایان این مرحله، شدت روشنایی کلاترهای پس زمینه تا حد زیادی تضعیف گردیده و پیکسل های هدف بهبود می یابند. در مرحله بعد، از یک ضریب بهبود خودکار به منظور برجسته تر شدن اهداف و ایجاد کنتراست بیشتر بین ناحیه هدف و کلاترهای پس زمینه، استفاده می شود. به منظور ارزیابی کیفی و کمی، الگوریتم پیشنهادی بر روی مجموعه ای از تصاویر مادون قرمز شامل ۳۰ تصویر با پس زمینه های مختلف و پیچیده، مورد آزمایش قرار گرفت. نتایج نشان می دهد که روش پیشنهادی بخوبی می تواند با تضعیف کلاتر پس زمینه، باعث بهبود ناحیه هدف گردد و در نتیجه احتمال آشکارسازی و ردیابی اهداف را بیشتر نماید.

نویسندگان

مهدی نصیری

دانشگاه جامع امام حسین (ع)

سعید چهره سا

پژوهشگر مدعو، دانشگاه جامع امام حسین (ع)

سید عبدالله میرمهدوی

دانشگاه شاهرود

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • enhancement and detection based on modified top-hat transformations,” Computers and ...
  • Z. Chaofu, M. Li-ni, and J. Lu-na, “Mixed Frequency domain ...
  • M. Tang, S. Ma, and J. Xiao, “Model-based adaptive enhancement ...
  • R. Zheng, J. Hong, and Q. Liao, “Study of Infrared ...
  • C. Cafer, J. Silverman, and J. Mooney, “Optimization of point ...
  • S. Deshpande, H. E. Meng , V. Ronda, and P. ...
  • S. Leonov, “Nonparametric method for clutter removal,” IEEE Trans Aerospace ...
  • Y. Gu , C. Wang, B. Liu, and Y. Zhang, ...
  • T.-W. Bae, “Spatial and temporal bilateral filter for infrared small ...
  • H. Deng, J. Liu, and Z. Chen, “Infrared small target ...
  • X. Qu, H. Chen, and G. Peng, “Novel detection method ...
  • H. Deng and J. Liu, “Infrared small target detection based ...
  • C. Yang, J. Ma, M. Zhang, S. Zheng, and X. ...
  • X. Shao, H. Fan, G. Lu, and J. Xu, “An ...
  • X. Sun, W. Hou, Q. Yu, X. Liu, and Y. ...
  • S. Qi, D. Ming, J. Ma, X. Sun, and J. ...
  • X. Bai, “Morphological infrared image enhancement based on multi-scale sequential ...
  • S. Qi, J. Ma, H. Li, S. Zhang, and J. ...
  • B. Zhu and Y. Xin, “Effective and robust infrared small ...
  • T. Bae, F. Zhang, and I. Kweon, “Edge directional ۲D ...
  • L. Yang, Y. Zhou, J. Yang, and L. Chen, “Variance ...
  • F. Zhang, C. Li, and L. Shi, “Detecting and tracking ...
  • X. Bai, S. Zhang, B. Du, Z. Liu, T. Jin, ...
  • Z. Cao, Y. Ge, and F. Feng, “Fast target detection ...
  • M. Varma and A. Zisserman, “Texture classification: are filter banks ...
  • S. Mirmahdavi, A. Ahmadyfard, A. Shahraki, and P. Khojasteh, “A ...
  • S. Fine, J. Navratil, and R. Gopinatth, “A Hybrid GMM/SVM ...
  • W. Zhang, M. Cong, and L. Wang, “Algorithms for optical ...
  • C. Hilliard, “Selection of a clutter rejection algorithm for real-time ...
  • نمایش کامل مراجع