Detección de fusión de pequeños objetivos infrarrojos basada en máquinas de soporte vectorial en el dominio wavelet

Se presenta un método novedoso para la detección de fusión de pequeños objetivos infrarrojos basado en máquinas de soporte vectorial (SVM) en el dominio wavelet. La tarea de detección de objetivos juega un papel importante en los sistemas de reconocimiento automático de objetivos (ATR) porque el rendimiento general de ATR depende estrechamente de los resultados de detección. SVM es una metodología poderosa para resolver problemas de clasificación no lineal, estimación de funciones y estimación de densidad. Las máquinas de soporte vectorial de mínimos cuadrados (LS-SVM) son reformulaciones de las SVM estándar. El algoritmo propuesto se puede dividir en cuatro pasos. Primero, cada cuadro de la secuencia de imágenes se descompone mediante el marco wavelet discreto (DWF). En segundo lugar, los componentes de baja frecuencia se procesan mediante regresión basada en LS-SVM. Se derivan las derivadas parciales de primer orden en las direcciones de fila y columna. Por lo tanto, se pueden obtener imágenes de características de la fuerza del gradiente. En tercer lugar, se fusionan las imágenes de características de cinco cuadros consecutivos para acumular la energía del objetivo de interés y reducir considerablemente las falsas alarmas. Finalmente, se utiliza un método de segmentación basado en el contraste entre el objetivo y el fondo para extraer el objetivo. En términos de conectividad de los objetivos en movimiento, la mayoría de los residuos de desorden y falsas alarmas que sobreviven se eliminan en función de una dilatación morfológica 3-D a través de tres cuadros consecutivos a lo largo de la dirección de movimiento de los objetivos en movimiento. Se aplican secuencias de imágenes infrarrojas reales en fondos de mar y cielo para validar el enfoque propuesto. Los resultados experimentales demuestran la robustez del método propuesto con un alto rendimiento.