4-76  基于小波多分辨率分析和数据融合技术的弱小目标检测

顾静良  万  敏  张  卫  郑  捷

复杂背景中弱小目标的检测一直是监视和告警系统的重要组成部分。要求监视和告警系统具备极快的反应速度，就只有及时地发现目标、跟踪目标、及时地捕获和锁定目标。而监视和告警系统为了增大其有效作用距离，要求在远距离发现目标，因此在绝大部分时间内，目标在视场中是以小目标(点和斑点目标)形态出现的，而且目标的对比度一般都很低，要保证可靠、稳定地检测并跟踪目标就有一定的难度。

现有的方法多是在单一分辨率的图像上来检测弱小目标，或是单帧检测或是多帧检测，都容易受背景的影响而误检，目前也有尝试多传感器方面的方法，但系统复杂，造价昂贵，在实际应用上受到限制，考虑到这些因素，在单一传感器的情况下，运用小波多分辨率分析的能力，将图像分解为不同分辨率下的各个子图，然后再根据数据融合的思想，将这些子图进行最优加权平均融合，以此来检出弱小目标。

二维可分离小波变换可以快速计算。对于图像尺寸为M ´ M像素的图像，变换过程能分解到尺度J，整数J £ log(M)。在每一尺度下，A_j包含上一尺度的低频信息，而H_j，V_j和D_j分别包含横向、纵向和对角方向的边缘细节信息。由此看来，对一幅图像的小波变换来说，即将其分解在不同频率下的不同特征域上。分解过程可以重复进行，即逼近部分可以A_j继续被分解，因此一幅图像可以被分解为多个分辨率下的子图，3级小波分解如图1所示。

针对于本文的图像，低频分量反映了背景的特征，而目标特征则在各个高频率的子图上得到体现，因此可以通过小波分解将图像分解为许多不同分辨率下的子图，然后再对它们进行最优加权融合来检测弱小目标。检测流程见图2。

部分实验结果(原始图中圆圈标示处为目标所在位置)见图3，图3(a)为原始图像；图3(b)为将原始图像经3级小波分解后的结果；图3(c)为最终输出结果图。

实验结果表明这种方法适合不同大小的目标的检测，在不同背景情况下的表现也比较稳定，在运算时间上也优于分形方法和模板匹配方法。但复杂的背景变化和噪声干扰会提高它的虚警率。