分数阶积分算子提升红外弱小目标检测性能

本文主要探讨了基于分数阶积分算子的红外弱小目标检测方法，针对当前背景下传统背景抑制算法存在的问题，即无法有效地抑制背景噪声，导致目标检测率偏低。作者陈炳文、王文伟和秦前清在武汉大学电子信息学院和测绘遥感信息工程国家重点实验室提出了一种创新的算法策略。 分数阶积分算子是关键的核心技术之一，它利用了分数阶微积分的非线性和尖锐的低通频率特性。相较于传统的整数阶积分，分数阶积分具有更强的滤波能力和更精确的频率响应，这使得它能够更有效地抑制图像中的复杂背景噪声，提高信噪比（Signal-to-Noise Ratio, SNR）。 算法流程分为几个步骤：首先，深入研究分数阶积分理论，理解其对信号处理的优势，并将其应用到背景抑制中。接着，通过结合分数阶积分和警戒环技术，构建了一种背景抑制模块，可以更加精确地分离目标和背景，减少误检或漏检的可能性。 在目标检测阶段，作者采用了模板均差法，这是一种基于空间特征的方法，通过对目标和背景边缘的对比分析，提取出可能的目标候选区域。这种方法依赖于目标和背景在空间上的显著差异，提高了目标的检测精度。 最后，为了进一步提高检测的准确性，算法还考虑了目标的运动连续性。通过多帧轨迹关联，算法能够根据目标在连续帧之间的运动模式进行匹配，从而准确地识别出真实的弱小目标，而不是随机的背景噪声或运动物体。 实验结果显示，这种基于分数阶积分算子的红外弱小目标检测算法在实际应用中表现出色，不仅有效地抑制了背景，还显著提升了目标检测的性能，对于红外成像系统中的弱小目标检测任务具有重要的实践价值。该成果的研究成果被标记为“弱小目标检测”，“分数阶积分算子”，“警戒环”以及“模板均差法”，并被归类在控制与决策领域， TP391类别，具有较高的学术影响力。