基于自適應TDLMS算法的弱小目標檢測算法

王喜軍

(鄭州工業(yè)應用技術學院信息工程學院，河南 新鄭 451150)

0 引言

紅外預警及搜索跟蹤系統(tǒng)面臨的瓶頸問題是暗弱、強雜波背景下的紅外弱小目標檢測問題。由于遠距離目標在強雜波干擾及光學散射函數影響下呈現二維高斯形狀，當大氣擾動及成像噪聲對成像造成影響時，目標在雜波背景中的信噪比非常低，很難被檢測到[1-3]。

TDLMS(Two-Dimensional Least Mean Square)濾波方法作為一種性能優(yōu)良的濾波方法在DBT(Detect Before Track)方法的前期處理中被廣泛研究[4-6]。

BAE,TAE-WUK等先后提出了兩種改進的TDLMS濾波器，一種是基于分塊統(tǒng)計的方法[7]，另一種是基于模板迭代的方法[8]；HADHOUD提出一種自適應TDLMS算法[9]；CAO,YUAN等提出一種基于領域分析的TDLMS算法[10-11]。

但是，以上方法僅在目標對比度強、背景雜波弱時效果良好,一旦目標信噪比較低，上述方法對圖像進行處理時效果并不理想[12-14]。

本文提出一種新的檢測弱小目標的TDLMS濾波器。采用模板壓縮及空心法評估背景與目標區(qū)域的差異，并相應調整模板系數及迭代步長，從而準確預測背景；之后通過差分圖像的方法消除背景對檢測的影響，從而檢測目標。

1 經典TDLMS濾波器

經典的TDLMS算法通過對圖像進行模板卷積獲得預測圖像，算式為

(1)

式中：B表示預測的圖像；Q表示權重模板；I表示原始圖像；h，w，x，y表示循環(huán)的自變量；i表示迭代的次數。誤差值ei為

ei=ID(m,n)-B(m,n)

(2)

式中：ID表示期望圖像，該值被用于調整權重系數值。當前權重矩陣的調整方式為誤差值的負梯度方向，算式為

Qi+1(h,w)=Qi(h,w)+σeiX(x-h,y-w)

(3)

式中：σ為用于控制迭代的步長。

2 改進TDLMS濾波器

經典的TDLMS濾波器的思想是修正權重矩陣及迭代步長以應用到背景圖像的預測中。……