第２７卷第４期 ２０１５年４月 强 激 光 与 粒 子 束 ＨＩＧＨ ＰＯＷＥＲ ＬＡＳＥＲ ＡＮＤ ＰＡＲＴ１ＣＬＥ ＢＥＡＭＳ Ｖｏ１．２７，ＮＯ．４ Ａｐｒ．，２０１５ 强杂波背景红外弱小目标检测算法 武自刚 ， 彭真明。， 张 萍 （１．九洲电器集团有限责任公司，四川绵阳６２１０００； ２．电子科技大学光电信息学院，成都６１００５４） 摘 要： 针对强杂波背景远距离红外弱小信号目标的特点，提出了一种基于自适应滤波的红外弱小信号 检测方法。算法首先对图像进行消噪声处理，其次运用自适应滤波方式消除背景增强目标信号，最后进行基于 点源目标（试验采集）成像信号特性的判决法则删除虚假目标，算法有效解决了光电探测设备高检测概率与低 虚警率的矛盾。实验结果表明：该方法能够在单帧图像上有效提取出小区域信噪比为４的弱小信号目标，检测 概率不低于０．７５，虚警率不高于１次／１ＯＯ帧。 关键词：红外；弱小信号检测； 自适应滤波；虚假目标删除；检测概率 中图分类号：ＴＰ３９１ 文献标志码： Ａ ｄｏｉ：１０．１１８８４／ＨＰＬＰＢ２０１５２７．０４１００４ 红外点源弱小信号目标的检测是光电探测设备系统的核心技术之一，是提高系统作用距离、目标发现概率 以及命中概率的重要技术手段。随着现代航空航天技术的发展，各种空中飞行器的机动性和反隐身性越来越 高，这就对红外弱小信号的检测问题提出了更高的要求。为了尽可能快地提供目标信息，增强光电探测设备的 红外作用距离，要求在更远距离处即对弱小信号目标实施检测，然而，由于实际场景复杂、跨度大，远距离成像 效果往往受到视场选取、天气、季节、昼夜和云层等诸多因素的影响，可能导致红外图像中某些场景或区域的红 外辐射超过小目标局部区域的红外辐射强度，以致目标被淹没在复杂背景之中，因此，提取弱小信号目标变得 非常困难。另外，光电探测设备一般装载于非稳定平台上，实施搜索检测一般只能基于单帧图像模式。这样， 更增加了弱小信号检测的难度。国内外现有弱小信号目标检测算法中对如何消除噪声和背景均有深入的研 究，如基于时空域滤波方法在红外弱小目标检测口］，基于多特征融合的复杂背景下弱小多目标检测和跟踪算 法 ，基于背景自适应预测的红外弱小目标运动检测ｒ３ ］，采用多尺度隐式马尔可夫模型的红外图像背景抑 制ｕ ，基于形态学滤波的红外弱小目标背景抑制口 ，基于小波方法的红外弱小目标检测 １２－１４３，改进的非下采 样Ｃｏｎｔｏｕｒｌｅｔ变换红外弱小目标检测方法ｌ＿１引，各向异性滤波红外弱小目标检测 等。这些方法一定程度上 提升了探测系统对弱小目标的检测性能，但是现有方法对残留信号造成的虚假目标抑制研究方面开展的不多。 虚假目标抑制关系着检测算法的性能，即，既降低检测虚警率又可增加目标检测概率。本文从工程实际出发， 对红外弱小目标检测虚假目标抑制的问题进行了深入研究，得出了较好满足高检测概率与低虚警率的检测算 法。 １方法原理 红外图像空间模型通常由３个分量组成ｎ］：目标图像、背景图像、噪声图像，可表示为 ／’（ｚ，Ｙ，ｋ）一ｆ （ ， ，ｋ）＋ｆ２（ｚ，Ｙ，ｋ）４－ｆ。（ ，Ｙ，ｋ） （１） 式中：厂 （ ， ，忌）为目标图像；厂ｚ（ ，Ｙ，ｋ）为背景图像；ｆ。（ ， ，ｋ）为噪声图像；ｋ为序列图像的帧数。其中，目 标图像通常占据图像空间的高频部分；背景图像是一个缓慢变化且平稳分布的二维随机过程，在空间分布上有 较长的相关长度，占据图像空间的低频部分；噪声图像与背景、目标不相关，在空间上是随机性的。可见，要提 取出弱小信号目标，必须过滤图像中存在的背景和噪声信息。算法流程如图１所示。 ｄｅｎｏｊｓｅｔｈｅ Ｉ １ ｅ¨ｍｉｎａｔｅｔｈｅ １．Ｉ ｉｍａｇｅ ｂａｃｋｇｒｏｕｎｄ Ｈ ｃｌｕｓｔｅｒｉｎｇ ｔａｒｇｅｔ Ｈ—ｔａｒｇｅｔｓ‘ Ｆｉｇ．１ Ｐｒｏｃｅｓｓ ｏｆ ａｌｇｏｒｉｔｈｍ ｅｘｔｒａｃｔ Ｉ．１ ｄｅｌｅｔｅｆａｌｓｅ ｉｎｇｆｅｏｒｔ ｔｍａａｒｇｔｅｉｏｎｔ 图１算法流程 ＊收稿日期：２０１４—０８—０３； 修订日期：２０１４—１２－１５ ． 基金项目：国家自然科学基金项目（６１３０８１０２）；中国科学院光束控制重点实验室基金项目（２０１４ＬＢＣ００２，２０１０ＬＢＣ００１）；中央高校基本科 研业务费专项资金项目（ＺＹＧＸ２０１０Ｊ０６３） 作者简介：武自刚（１９８Ｏ一），男，硕士，主要研究工作是图像处理与光电系统设计；２０７５０２７７＠ｑｑ．ｃｏｒｎ。 强 激 光 与 粒 子 束 １．１消噪声处理 红外探测器输出图像，经过图像预处理后，实施图像检测。红外图像预处理一般包括：盲元剔除、非均匀校 正、图像增强等。不过，图像预处理仍然很难完全消除探测器单元响应的随机性高频分量，在进行图像检测时 需要对高频随机噪声进行滤波性屏蔽，以免高频噪声带来检测虚警。 飞机之类的红外目标在距离探测设备非常远时，投影尺寸一般不足一个像元 ，成像主要由弥散斑大小决 定，如图２所示。 由图１可见，尽管目标成像距离非常远，但是成像并非只有一个点，一般有３个点及以上组成，所以在实现 对高频随机噪声滤波时，可采用五点中值滤波，即遍历图像，如对图像中Ｏ点进行滤波，用本点值和本点的上 下左右四个值（Ａ，Ｂ，Ｃ，Ｄ），共五个点，求取中值，替代本点值。如此循环，遍历整个图像。如图３所示。 ＣＯ ｏｏ ｏＢ ＯＤ Ｆｉｇ．２ Ｉｍａｇｅ ｏｆ ｐｏｉｎｔ ｔａｒｇｅｔ Ｆｉｇ．３ Ｆｉｖｅ—ｐｏｉｎｔ ｍｅｄｉａｎ ｆｉｌｔｅｒｉｎｇ ｓｋｅｔｃｈ 图２点源目标成像图 图３五点中值滤波示意图 １．２背景处理 对式（１）中背景信息－厂 （ｚ，Ｙ，忌）的处理，有多种方式，如：形态学、高通滤波、自适应方法、小波方法、最小方 差法等。本文采用自适应方法滤波。 白适应背景滤波本质就是采用最小均方误差准则来实现背 景的最大化估计。一般有同态滤波器、中值滤波器、非线性滤波 ２ ／—Ｌ、／ 、、７ ３ 法、神经网络预测器法等，本文试验得到了一种优化的线性非线 性混合滤波方法 ］，混合滤波器进行滤波求背景优点在于硬件 实现较简单且对弱小目标检测效果非常好，模版如图４所示。 ＼、、——，／１ ／ ８ 如滤波器对图像中点１求背景时，对图点１左上方圆形区 域内１６点求均值和左下、右上、右下分别求均值然后加上点１， 五个值求中值，即为１点对应的图像背景。如此，遍历整个图 像，即可求得整幅图像背景信息。 对自适应方式得到的背景信息与原图像减差，可得到目标 和少量背景信息。过滤背景后图像如图５所示。 １．３ 目标聚类、提取 Ｆｉｇ．４ ７×７ ａｄａｐｔｉｖｅ ｆｉｌｔｅｒ ｔｅｍｐｌａｔｅ ４ ９ ５ 图４ ７×７自适应滤波模版 对过滤背景后的图像要进行目标提取，一般有选择阈值、图像分割、标记聚类、目标特征信息输出等过程。 选择阈值：采用自适应方式选取阈值Ｔ，Ｔ等于Ｔ 和Ｔ 两个较大的值，其中Ｔ 一ａ十Ｕ×ｂ，ａ为图像均 值，ｂ为图像方差，Ｕ，Ｔ 为经验参数。 图像分割：根据阈值Ｔ进行图像分割。设原始图像为ｆ（ｘ， ），分割后的图像为ｇ（ｘ， ） （ｚ。）一』Ｙ ｉ ，ｏ ， ｌｚ，Ｙ≥丁 （ Ｔ ， （２） 区域标记：当红外图像中存在多个目标时，可记录目标的个数，并将每个目标单独标记出来。区域标记主 要是将阈值分割后的图像按区域依次修改为对应的计数值，比如有如下阈值分割后的图像Ｊ，区域标记后的图 像为 。 武自刚等：强杂波背景红外弱小目标检测算法 值、方差）差异很大，导致依据整幅图像信息计算的目标信噪比，可信度不高，在探测末端，信噪比经常处于Ｏ～ ２，甚至为负数，而小区域目标信噪比，则不会出现这种情况。 另外，硬件平台上（ＦＰＧＡ＋两个ＡＤＳＰ—ＴＳ２０１）实测数据结果显示，本文算法可以在０．００６ ｓ之内全部完 成，很好地满足探测设备对实时性高的要求。 ３ 结 论 弱小信号检测的难点在于更低信噪比条件下提取出弱小信号红外目标和实时性强的硬件实现。本文算法 较好满足了光电探测设备对弱小信号检测的需要，但是在２～４个图像信噪比条件下的更高概率检测，仍然有 较大改进余地，此外部分算法是在数字信号处理器（ＤＳＰ）上实现的，如果移植到ＦＰＧＡ上之后，实时性会更 强，这需要今后工作的进一步完善。 ｊ 参考文献： ［１］ 罗有敢，杨德贵．时空域滤波方法在红外弱小目标检测系统中的应用ＥＪ］．红外与激光工程，２０１０（６）：５７１—５７５．（Ｌｕｏ Ｙｏｕｇａｎ，Ｙａｎｇ Ｄｅｇｕｉ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｅｍｐｏｒａｌ—ｓｐａｔｉａｌ ａｎｄ ｄｉｍ ｔａｒｇｅｔｓ ｄｏｍａｉｎ ｆｉｌｔｅｒ ｉｎ ｉｎｆｒａｒｅｄ ｓｍａｌｌ ｄｅｔｅｃｔｉｏｎ ｓｙｓｔｅｍ．Ｉｎｆｒａｒｅｄ ａｎｄ Ｌａｓｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１０（６） ５７１—５７５） ｎｇ ａｎｄ ｔｒａｃｋ— Ｅ２］ 陈皓．基于多特征融合的复杂背景下弱小多目标检测和跟踪算法［Ｊ］．光子学报，２００９，３８（９）：２４４４—２４４７．（Ｃｈｅｎ Ｈａｏ．Ｄｅｔｅｃｔｉｉｎｇ ａｒｉｔｈｍｅｔｉｃ ｆｏｒ ｉｎｆｒａｒｅｄ ｆａｉｎｔ ｔａｒｇｅｔｓ ｕｎｄｅｒ ｃｏｍｐｌｅｘ ｂａｃｋｇｒｏｕｎｄ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ—ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｆｕｓｉｏｎ．Ａｃｔａ Ｐｈｏｔｏｎｉｃａ Ｓｉｎｉｃａ，２００９，３８ （９）：２４４４—２４４７） ［３５ 范玉雷．复杂背景条件下的红外弱小目标检测［Ｄ］．西安：西安电子科技大学，２００８：２９—３８．（Ｆａｎ Ｙｕｌｅｉ．Ｉｎｆｒａｒｅｄ ｄｉｍ ａｎｄ ｓｍａｌｌ ｔａｒｇｅｔ ｄｅｔｅｃ— ｔｉｏｎ ｉｎ ｃｏｍｐｌｅｘ ｂａｃｋｇｒｏｕｎｄ．Ｘｉ’ａｎ：Ｘｉｄｉａｎ Ｕｎｉｖｅｒｓｉｔｙ，２００８：２９ ３８） Ｅ４］ 蔡智富．基于自适应背景估计的复杂红外背景抑制技术［Ｄ］．哈尔滨：哈尔滨工程大学，２００５．（Ｃａｉ Ｚｈｉｆｕ．Ｃｌｕｔｔｅｒ ｉｎｆｒａｒｅｄ ｂａｃｋｇｒｏｕｎｄ ｓｕｐ— ｐｒｅｓｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｅｓｔｉｍａｔｉｏｎ．Ｈａｒｂｉｎ：Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，２００５） Ｅ５］ 朱红，赵亦工．基于背景自适应预测的红外弱小目标运动检测口］．红外与毫米波学报，１９９８，１８（４）：３０５—３０９．（Ｚｈｕ Ｈｏｎｇ，Ｚｈａｏ Ｙｉｇｏｎｇ．Ｉｎ— ｆｒａｒｅｄ ｄｉｍ ｔａｒｇｅｔｓ ｍｏｖｉｎｇ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｅｓｔｉｍａｔｉｏｎ．Ｊ Ｉｎｆｒａｒｅｄ Ｍｉｌｌｉｍ Ｗａｖｅｓ，１９９８。１８（４）：３０５—３０９） ｙｉｎ，Ｚｈａｎｇ Ｔｉａｎｘｕ，Ｃａｏ Ｚｈｉｇｕｏ，ｅｔ ａ１．Ｆａｓｔ ｎｅｗ ｓｍａｌｌ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ａ ｍｏｄｉｆｉｅｄ ｐａｒｔｉａｌ ｄｉｆｆｅｒｅｎｔｉａｌ ｅｑｕａｔｉｏｎ ｉｎ ［６］ Ｚｈａｎｇ Ｂｉｉｎｆｒａｒｅｄ ｅｌｕｔｔｅｒＥＪ３．ＳＰＩＥ Ｏｐｔｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，２００７，４６（１０）：１—６． ［７］ Ｄｅｓｈｐａｎｄｅ Ｓ Ｄ，Ｅｒ Ｍ Ｈ，Ｖｅｎｋａｔｅｓｗａｒｌｕ Ｒ，ｅｔ ａ１．Ｍａｘ－ｍｅａｎ ａｎｄ ｍａｘ～ｍｅｄｉａｎ ｆｉｌｔｅｒｓ ｆｏｒ ｄｅｔｅｃｔｉｏｎ ｏｆ ｓｍａｌｌ ｔａｒｇｅｔｓ［ｃ］／／Ｐｒ０ｃ ｏｆ ｔｈｅ Ｃｏｎｆｅｒ— ｅｎｃｅ ｏｎ Ｓｉｇｎａｌ ａｎｄ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ ｏｆ Ｓｍａｌｌ Ｔａｒｇｅｔｓ．１９９９：７１—８３． Ｅ８］ Ｄｅｎｎｅｙ Ｂ Ｓ，ｄｅ Ｆｉｇｕｅｉｒｅｄｏ Ｒ Ｊ Ｐ．Ｏｐｔｉｍａｌ ｐｏｉｎｔ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｕｓｉｎｇ ａｄａｐｔｉｖｅ ａｕｔｏ ｒｅｇｒｅｓｓｉｖｅ ｂａｃｋｇｒｏｕｎｄ ｐｒｅｄｉｃｔｉ０ｎ［ｃ］／／Ｐｒ０ｃ ｏｆ ＳＰＩＥ． ２０００，４０４８：４６—４７． ［９］ 余鸿铭，万敏．数字信号处理器红外弱小目标搜索算法［Ｊ］．强激光与粒子束，２０１２，２４（８）：１９５１—１９５４．（Ｙｕ Ｈｏｎｇｍｉｎｇ，Ｗａｎ Ｍｉｎ．Ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｏｆ ｉｎｆｒａｒｅｄ ｄｉｍ ｔａｒｇｅｔ ｂａｓｅｄ ｏｎ ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ．Ｈｉｇｈ Ｐｏｗｅｒ Ｌａｓｅｒ ａｎｄ Ｐａｒｔｉｃｌｅ Ｂｅａｍｓ，２０１２，２４（８）：１９５１—１９５４） ［１０］ 秦翰林，周慧鑫．采用多尺度隐式马尔可夫模型的红外图像背景抑制［Ｊ］．光学精密工程，２０１１，１９（８）：１９５０—１９５５．（Ｑｉｎ Ｈａｎｌｉｎ，Ｚｈｏｕ Ｈｕｉｘｉｎ．Ｓｕｐｐｒｅｓｓｉｏｎ ｏｆ ｉｎｆｒａｒｅｄ ｉｍａｇｅ ｂａｃｋｇｒｏｕｎｄ ｂｙ ｍｕｌｔｉｓｃａｌｅ ｈｉｄｄｅｎ Ｍａｒｋｏｖ ｍｏｄｅ．Ｏｐｔｉｃｓ ａｎｄ Ｐｒｅｃｉｓｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１１，１９（８）： １９５０—１９５５） ［ｎ］ 蔡阳，林再平．基于形态学滤波的红外弱小目标背景抑制［ＪＪ．电子信息对抗技术，２０１２，２７（６）：３８—４２．（Ｃａｉ Ｙａｎｇ，Ｌｉｎ Ｚａｉｐｉｎｇ．Ｍｏｒｐｈｏｌｏ— ｇＹ ｆｉｌｔｅｒ ｆｏｒ ｉｎｆｒａｒｅｄ ｄｉｍ ａｎｄ ｓｍａｌｌ ｔａｒｇｅｔ ｂａｃｋｇｒｏｕｎｄ ｓｕｐｐｒｅｓｓｉｏｎＥｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｗａｒｆａｒｅ Ｔｅｃｈｎｏｌｏｇｙ，２０１２，２７（６）：３８—４２） ．［１２］ Ｂｏｃｃｉｇｎｏｎｅ Ｇ，Ｃｈｉａｎｅｓｅ Ａ，Ｐｉｃａｒｉｅｌｌｏ Ａ．Ｓｍａｌｌ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｕｓｉｎｇ ｗａｖｅｌｅｔｓ［ｃ］／／ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． １９９８，２：１７７６ １７７８． ［１３］ Ｄａｖｉｄｓｏｎ Ｇ，Ｏｒｉｆｆｉｔｈｓ Ｈ Ｄ．Ｗａｖｅｌｅｔ ｄｅｔｅｃｔｉｏｎ ｓｃｈｅｍｅ ｆｏｒ ｓｍａｌｌ ｔａｒｇｅｔ ｉｎ ｓｅａ ｃｌｕｔｔｅｒ［Ｊ］．ＩＥＥＥＥｌｅｃｔｒｏｎｉｃｓ Ｌｅｔｔｅｒｓ，２００２，３８（１９）：１１２８— １１３Ｏ． ［１４］ 罗晓清，吴小俊．利用小波变换与Ｇａｂｏｒ滤波检测红外小目标［Ｊ］．红外与激光工程，２０１１，４０（９）：１８１８—１８２１．（Ｌｕｏ Ｘｉａｏｑｉｎｇ，Ｗｕ Ｘｉａｏｊｕｎ． Ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｉｎｆｒａｒｅｄ ｓｍａｌｌ ａｎｄ ｗｅａｋ ｔａｒｇｅｒｓ ｂａｓｅｄ ｏｎ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ａｎｄ Ｇａｂｏｒ ｆｉｌｔｅｒ．Ｉｎｆｒａｒｅｄ ａｎｄ Ｌａｓｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１１，４０（９）：１８１８—１８２１） ｅｔ变换红外弱小目标检测方法［Ｊ］．强激光与粒子束，２０１３，２５（１１）：１９５１—１９５４．（Ｍａ Ｋｅ，Ｐｅｎｇ ［１５］ 马科，彭真明．改进的非下采样ＣｏｎｔｏｕｒｌＺｈｅｎｍｉｎｇ，Ａｎ ｉｍｐｒｏｖｅｄ ｍｅｔｈｏｄ ｆｏｒ ｄｉｍ ｉｎｆｒａｒｅｄ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ ｎｏｎｓｕｂｓａｍｐｌｅｄ Ｃｏｎｔｏｕｒｌｅｔ ｔｒａｎｓｆｏｒｍ．Ｈｉｇｈ Ｐｏｗｅｒ Ｌａｓｅｒ ａｎｄ Ｐａｒ ｔｉｃｌｅ Ｂｅａｍｓ，２０ｌ３，２５（１１）：１９５１－１９５４） ［１６］ 景亮，彭真明．各向异性ＳＵＳＡＮ滤波红外弱小目标检测［Ｊ］．强激光与粒子束，２０１３，２５（９）：２２０８—２２１１．（Ｊｉｎｇ Ｌｉａｎｇ，Ｐｅｎｇ Ｚｈｅｎｍｉｎｇ．Ｉｎ— ｆｒａｒｅｄ ｄｉｍ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ａｎｉｓｏｔｒｏｐｉｃ ＳＵＳＡＮ ｆｉｌｔｅｒｉｎｇ．Ｈｉｇｈ Ｐｏｗｅｒ Ｌａｓｅｒ ａｎｄ Ｐａｒｔｉｃｌｅ Ｂｅａｍｓ，２０１３，２５（９）：２２０８—２２１１） 、０４１００４—５ 强 激 光 与 粒 子 束 Ｉｎｆｒａｒｅｄ ｄｉｍ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ａｇａｉｎｓｔ ｓｔｒｏｎｇ ｃｌｕｔｔｅｒ ｂａｃｋｇｒｏｕｎｄ Ｗｕ Ｚｉｇａｎｇ ，Ｐｅｎｇ Ｚｈｅｎｍｉｎｇ ， Ｚｈａｎｇ Ｐｉｎｇ （１．Ｓｉｃｈｕａｎ Ｊｉｕｚｈｏｕ Ｅｌｅｃｔｒｉｃ Ｇｒｏｕｐ Ｃｏ Ｌｔｄ，Ｍｉａｎｙａｎｇ ６２１０００，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｏｐｔ—Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ，Ｃｈｅｎｇｄｕ ６１００５４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ａｃｃｏｒｄｉｎｇ ｔＯ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｉｎｆｒａｒｅｄ ｄｉｍ ｔａｒｇｅｔｓ ｉｎ ｓｔｒｏｎｇ ｃｌｕｔｔｅｒ ｂａｃｋｇｒｏｕｎｄ，ｔｈｉｓ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａ ｍｅｔｈｏｄ ｏｆ ｄｅｔｅｃｔｉｎｇ ｆｌａｒｅｄ ｄｉｍ ｓｉｇｎａｌｓ ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｆｉｌｔｅｒｉｎｇ，ｗｈｉｃｈ ｄｅｎｏｉｓｅｓ ｔｈｅ ｉｍａｇｅｓ ｆｉｒｓｔ，ｔｈｅｎ ｅｌｉｍｉｎａｔｅｓ ｔｈｅ ｂａｃｋｇｒｏｕｎｄ ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ｅｎｈａｎｃｅｄ ｔａｒｇｅｔ ｓｉｇｎａｌｓ ａｎｄ ｄｅｌｅｔｅｓ ｔｈｅ ｆａｌｓｅ ｔａｒｇｅｔｓ ｂａｓｅｄ ｏｎ ｔｈｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｐｒｉｎｃｉｐｌｅｓ ｏｆ ｐｏｉｎｔ ｔａｒｇｅｔ ｉｍａ— ｇｉｎｇ ｓｉｇｎａｌ ｓ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｆｒｏｍ ｔｅｓｔｉｎｇ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｅｆｆｅｃｔｉｖｅｌｙ ｓｏｌｖｅｓ ｔｈｅ ｃｏｎｔｒａｄｉｃｔｉｏｎ ｏｆ ｔｈｅ ｐｈｏｔｏｅｌｅｃｔｒｉｃ ｄｅｔｅｃｔｉｏｎ ｅｑｕｉｐ— ｍｅｎｔ ｂｅｔｗｅｅｎ ｈｉｇｈ ｄｅｔｅｃｔｉｏｎ ｐｒｏｂａｂｉｌｉｔｙ ａｎｄ ｌｏｗ ｆａｌｓｅ ａｌａｒｍ ｒａｔｅ．Ｔｈｅ ｔｅｓｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｉｓ ｍｅｔｈｏｄ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｅｘｔｒａｃｔ ．ｔｈｅ ｄｉｍ ｓｉｇｎａｌ ｔａｒｇｅｔｓ ｗｉｔｈ ｔｈｅ ｓｍａｌｌ ａｒｅａ ＳＮＲ ４ ｆｒｏｍ ｔｈｅ ｓｉｎｇｌｅ ｆｒａｍｅ ｉｍａｇｅｓ，ａｎｄ ｔｈａｔ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｐｒｏｂａｂｉｌｉｔｙ ｉｓ ｎｏｔ ｌｅｓｓ ｔｈａｎ ０．７５。ａｎｄ ｔｈｅ ｆａｌｓｅ ａｌａｒｍ ｒａｔｅ ｉＳ ｎｏｔ ｈｅｉｇｈｅｒ ｔｈａｎ １ ｔｉｍｅ ａｔ １Ｏ０ ｆｒａｍｅｓ． Ｋｅｙ ｗｏｒｄｓ： ｉｎｆｒａｒｅｄ； ｓｍａｌｌ ｓｉｇｎａｌ ｄｅｔｅｃｔｉｏｎ； ａｄａｐｔｉｖｅ ｆｉｌｔｅｒｉｎｇ； ｆａｌｓｅ ｔａｒｇｅｔ ｄｅｌｅｔｉｏｎ；ｄｅｔｅｃｔｉｏｎ ｐｒｏｂａｂｉｌｉｔｙ ＰＡＣＳ： Ｏ７．５７．ＫＰ； ４２．３Ｏ．Ｖａ