بهبود اهداف کوچک در تصاویر مادون قرمز با استفاده از آنتروپی وزن دار آماری

بهبود اهداف کوچک در تصاویر مادون قرمز یکی از مهمترین مسائل در سامانه های آشکارسازی و ردیابی اهداف می باشد. الگوریتم-های بهبود اهداف، امکان تفکیک دقیق تر بین پیکسل های نواحی پس زمینه و اهداف را در تصاویر مادون قرمز فراهم می آورد. در این مقاله، روش جدید آنتروپی وزن دار آماری جهت تضعیف کلاترهای پس زمینه و افزایش کنتراست بین اهداف و کلاتر پس زمینه پیشنهاد شده است. از بهترین راه ها برای بیان مشخصات شدت روشنایی تصویر، استفاده از آنتروپی محلی است. در نتیجه، آنتروپی وزن دار آماری مطابق با این واقعیت طراحی شده است که پیکسل های شامل اهداف کوچک، باعث تغییرات عمده ای در مقدار آنتروپی وزن دار آماری در پنجره های محلی تصویر مادون قرمز می گردد و براحتی می توان پیکسل های هدف و پس زمینه را از هم تفکیک نمود. در مرحله اول، آنتروپی وزن دار آماری هر پنجره محلی متناظر با هر پیکسل از تصویر محاسبه می شود. در پایان این مرحله، شدت روشنایی کلاترهای پس زمینه تا حد زیادی تضعیف گردیده و پیکسل های هدف بهبود می یابند. در مرحله بعد، از یک ضریب بهبود خودکار به منظور برجسته تر شدن اهداف و ایجاد کنتراست بیشتر بین ناحیه هدف و کلاترهای پس زمینه، استفاده می شود. به منظور ارزیابی کیفی و کمی، الگوریتم پیشنهادی بر روی مجموعه ای از تصاویر مادون قرمز شامل 30 تصویر با پس زمینه های مختلف و پیچیده، مورد آزمایش قرار گرفت. نتایج نشان می دهد که روش پیشنهادی بخوبی می تواند با تضعیف کلاتر پس زمینه، باعث بهبود ناحیه هدف گردد و در نتیجه احتمال آشکارسازی و ردیابی اهداف را بیشتر نماید.