基于局部对比度增强与背景抑制的红外小目标检测系统

资 源 简 介

本程序专门针对复杂环境下的红外弱小目标检测而设计，旨在解决低信噪比和背景杂波干扰严重的识别难题。系统核心功能是通过自主编写的图像处理流程，对输入红外图像进行深度预处理。首先，程序采用局部背景抑制技术，利用滑动窗口遍历全图来估算背景亮度分布，进而将图像中的高频细节（目标）与低频背景进行有效分离。随后，结合改进的局部对比度测量（LCM）算法，突出目标亮度的同时抑制天空、地面或海面的非均匀杂波。系统支持自适应阈值分割，能够根据当前帧的统计特性动态计算分割参数，确保在不同光照和天气条件下均能准确提取目标像素。此外

详 情 说 明

红外小目标检测系统：基于局部对比度增强与背景抑制

项目介绍

本项目是一款专门用于复杂环境下红外弱小目标识别的软件系统。在无人机侦测、远距离预警等应用场景中，红外图像往往存在背景杂波多、目标像素少（通常仅占几个像素点）以及信噪比极低的问题。本系统通过集成局部背景抑制算法、改进的局部对比度测量（LCM）算法以及多帧时间相关性验证逻辑，能够从非均匀的背景（如云层、地面噪声）中精准提取移动的小目标，并有效抑制虚警。

功能特性

• 模拟仿真数据生成：内置红外序列模拟器，可生成带有非均匀动态背景、随机噪声及线性运动高斯点目标的测试数据。
• 多级背景处理：结合均值滤波抑制低频背景和LCM算法增强高频局部特征。
• 自适应检测方案：基于当前帧图像统计特性（均值与标准差）动态计算分割阈值，无需人工干预。
• 形态学精细化处理：通过形态学开运算与边缘清除技术，进一步过滤非目标碎块及图像边缘干扰。
• 时空轨迹关联：通过多帧连续运动规则验证，剔除单帧孤立的随机噪声，提升系统在低信噪比下的鲁棒性。
• 可视化实时监控：提供包含原始图像、对比度增强映射图及最终检测框的实时监测界面。

系统要求

• 软件环境：MATLAB R2018b 或更高版本。
• 工具箱要求：图像处理工具箱 (Image Processing Toolbox)。

---

系统核心逻辑说明

系统的执行流程严格遵循以下五个阶段：

1. 初始化与模拟数据生成 系统首先配置各项算法参数（如 9x9 的滑动窗口、5.0 倍的阈值系数、连续 3 帧一致性检测等）。随后调用模拟函数生成一组 256x256 像素的红外序列，背景模拟了正弦波动的非均匀干扰，并叠加高斯分布的白噪声和模拟运动的目标点。

2. 局部背景抑制 程序对每一帧输入的红外图像应用 15x15 的均值滤波器来估算背景的低频亮度分布。通过原图与背景估计图的减法运算，初步滤除大面积的缓慢变化背景，保留并突出图像中的高频细节。

3. 局部对比度增强 (LCM) 算法 这是算法的核心部分。系统将滑动窗口划分为 3x3 个子块（像素大小由 winSize 决定）：

• 计算窗口中心子块的最大亮度值 (L_center)。
• 计算窗口周围 8 个邻域子块的像素均值 (Mean_sub)。
• 利用对比度计算公式：$C = L_{center}^2 / Mean_{sub}$。
• 取当前位置与 8 个邻域块计算出的最小对比度值作为该像素的输出值。

该算法能够显著增强像素规模较小且比周围亮的点目标，同时抑制均匀的杂波。

4. 自适应分割与连通域分析 系统计算 LCM 映射图的全图均值和标准差，利用 $Threshold = Mean + K * Std$ 公式动态确定分割界限。分割后的二值图经过形态学开运算去除微小噪声，最后利用区域属性提取物体的质心、面积及包围框，并根据预设的面积阈值（1至50像素）初步判定候选目标。

5. 多帧时间相关性验证 针对初步检测出的候选项，系统执行轨迹匹配逻辑。通过比对连续帧之间候选点的欧几里得距离，若某一目标在连续的 3 帧图像中均能保持稳定的运动轨迹（位置偏移小于设定阈值），则将其确认为真实目标，否则判定为孤立噪声予以剔除。

---

关键函数与算法细节分析

局部对比度测量函数 (calculateLCM)

• 滑动窗口机制：采用填充（Padding）技术保持原图尺寸。
• 子块提取：通过嵌套循环将窗口精确切分为 9 个小区，有效获取局部邻域特征。
• 特征提取：使用中心块的最大值作为目标像素的代表，通过平方运算进一步拉大与背景的差距。

时间相关性检测函数 (verifyTemporalConsistency)

• 轨迹追踪：该函数不依赖于复杂的卡尔曼滤波，而是采用基于距离阈值的邻近搜索法，简单高效。
• 硬约束逻辑：通过 consistencyFrame 的参数设置，强制要求目标在时间轴上必须具备连续性，极大地降低了对于突发性脉冲噪声的误报率。

模拟序列生成函数 (generateInfraredSequence)

• 物理建模：使用二维高斯函数模拟物理点扩散函数产生的小目标。
• 背景合成：通过三角函数叠加生成具有空间相关性的非均匀背景，而非简单的纯随机噪声，使测试环境更贴近真实的红外场景。

可视化与报告 (displayReport)

• 动态监控：主循环利用 drawnow 实现处理过程的实时刷新。
• 统计输出：处理结束后生成包含起始坐标、检测状态及完整时间路径位移的汇总图表，便于调试和效果评估。